종속변인 (Dependent Variable)

한 줄 정의: 독립변인의 변화에 따라 실제로 달라지는지를 관찰하고 측정하는, 결과 쪽 변수입니다.

쉽게 풀면

화분에 물을 "매일 주는 그룹"과 "이틀에 한 번 주는 그룹"으로 나누어 키우는 실험에서, 연구자가 진짜 알고 싶은 것은 "그래서 화분의 키가 어떻게 달라지는가"입니다. 이렇게 원인이라고 가정한 독립변인의 변화에 반응해서 달라지는, 즉 연구자가 결과로서 측정하는 값을 종속변인이라고 합니다. 이름 그대로 "독립변인에 따라 달라지는(종속되는) 변인"이라고 기억하면 헷갈리지 않습니다.

왜 중요한가

종속변인을 명확히 정의하는 일은 연구설계 전체의 타당성을 좌우합니다. 어떤 결과를 무엇으로, 어떻게 측정할지가 불분명하면 독립변인과의 인과관계를 주장하는 논리 자체가 흔들리기 때문에, 실험연구뿐 아니라 설문조사 기반 사회과학 연구, 임상시험 등 거의 모든 정량적 연구방법론에서 가장 먼저 확정해야 할 요소로 다뤄집니다. 또한 통계 분석 기법(t검정, 회귀분석 등)을 선택하는 기준도 종속변인의 성격(연속형, 범주형 등)에 따라 달라집니다.

핵심 정리

종속변수(종속변인)는 다른 변수에 의해 달라질 것으로 설명하거나 예측하려는 결과 변수입니다. 실험에서는 처치(독립변수)를 조작한 뒤 측정하는 값이고, 관찰연구에서는 설명하려는 대상 변수입니다.
같은 개념을 분야에 따라 다르게 부릅니다: 결과변수(outcome), 반응변수(response), 기준변수(criterion), 피설명변수, 회귀분석의 Y.
종속변수의 척도(범주형, 연속형, 개수, 생존시간)에 따라 쓸 분석이 달라집니다: 연속형 → 선형회귀·t검정·분산분석, 이분형 → 로지스틱 회귀, 개수 → 포아송·음이항 회귀, 생존시간 → 생존분석.
종속변수는 연구 질문이 정합니다. 같은 변수가 어떤 연구에서는 종속변수, 다른 연구에서는 독립변수일 수 있습니다(예: 학업 성취는 수면의 결과로도, 진로 선택의 원인으로도 다뤄집니다).
무엇을 어떻게 측정하는가(조작적 정의)가 결과 해석을 좌우하며, 신뢰도·타당도가 확인된 도구를 쓰는 것이 중요합니다.

예시로 보기

가상의 예: “주 3회 운동 프로그램이 직장인의 스트레스를 낮추는가?”

구성 요소	내용
독립변수	운동 프로그램 참여 여부(참여/비참여)
종속변수	8주 후 지각된 스트레스 점수(척도 합산, 연속형)
통제변수	사전 스트레스, 연령, 근무 시간
분석	사전 점수를 보정한 공분산분석 또는 회귀분석

종속변수를 ‘스트레스 점수’ 대신 ‘고스트레스 여부(기준점 이상 1, 미만 0)’로 바꾸면 연속형이 이분형이 되어 로지스틱 회귀를 써야 하고, 정보가 줄어 검정력이 낮아질 수 있습니다. 종속변수 척도 선택은 분석 설계의 일부입니다.

하나의 연구에 종속변수가 여러 개이면 다변량분산분석 같은 방법을 쓰거나, 주 종속변수(1차 결과)와 부 종속변수(2차 결과)를 사전에 구분해 다중 비교 문제를 줄입니다.

자주 하는 오해

오해	바로잡기
종속변수는 독립변수의 결과이므로 인과가 증명된다.	‘종속’은 연구 질문 속의 역할이지 인과 증명이 아닙니다. 상관연구에서는 방향도 불분명할 수 있습니다. 인과 해석은 설계(무작위 배정 등)에 달려 있습니다.
종속변수는 항상 하나여야 한다.	여러 개일 수 있습니다. 다만 사전에 정하고, 많이 볼수록 다중 비교를 고려해야 합니다.
종속변수는 연속형이어야 한다.	범주형, 개수, 생존시간 등도 가능하며 그에 맞는 모형을 씁니다.
종속변수를 결과를 본 뒤 고르면 된다.	분석 후에 유의하게 나온 결과를 골라 주 결과로 삼으면 p-해킹이 됩니다. 사전 등록(preregistration)에서 주 결과를 정해 두는 것이 권고됩니다.

논문에서는 이렇게 쓰입니다

실제 논문에서

국내 학술지 논문에서 이 용어가 쓰인 문장을 그대로 옮겼습니다. 제목·학술지·연도와 원문 링크를 함께 적었습니다.

“로지스틱 회귀분석은 종속변수가 선택 여부나 사건 발생 여부와 같은 이항 혹은 다항의 범주형 변수일 때 널리 사용되는 방법이다.”
행정학 분야의 로지스틱 회귀분석 활용 절차와 쟁점, 현대사회와 행정, 2017 · KCI 한국학술지인용색인 · 원문 보기 ↗
“문제해결과정에 유의한 차이가 있는 것으로 확인된 변수인 비판적 사고성향과 메타인지를 독립변수로, 문제해결과정을 종속변수로 투입하여 회귀분석한 결과 비판적 사고성향이 대상자의 문제해결과정에 유의한 영향을 주는 요인으로 확인되었다.”
정신간호학 사례기반 문제중심학습이 비판적사고, 메타인지, 문제해결과정에 미치는 효과, 한국엔터테인먼트산업학회논문지, 2018 · KCI 한국학술지인용색인 · 원문 보기 ↗
“본 연구에서 설정한 독립변인이 종속변인에 미치는 영향력을 검증하기 위한 통계처리는 SPSS 22.0을 사용하였고 상관분석과 중다 회귀분석을 실시하였다.”
평가염려 완벽주의와 성취목표지향성이 대학생의 학업적 지연행동에 미치는 영향, 학습자중심교과교육연구, 2017 · KCI 한국학술지인용색인 · 원문 보기 ↗

예시 문장

아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.

"본 연구에서는 학습 방법(강의식 vs. 토론식)을 독립변인으로, 시험 점수를 종속변인으로 설정하여 두 집단의 차이를 비교하였다."

이 문장에서 "시험 점수"는 연구자가 직접 조작한 값이 아니라, 학습 방법이라는 조건 차이로 인해 실제로 달라졌는지를 관찰하고 측정한 결과값입니다.

"신약 투여량을 독립변인으로, 환자의 혈압 변화를 종속변인으로 설정하여 용량-반응 관계를 분석하였다."

임상시험 연구에서는 약의 투여량을 다르게 조건화한 뒤, 그 결과로 나타나는 신체 반응(혈압 변화)을 측정 대상으로 삼는다는 뜻으로, 종속변인이 치료 효과를 판단하는 핵심 지표로 쓰입니다.

"광고 노출 빈도를 독립변인으로, 소비자의 구매 의도를 종속변인으로 설정하여 회귀분석을 실시하였다."

마케팅 연구에서는 광고를 몇 번 보여주었는지에 따라 소비자가 실제로 사고 싶어 하는 정도가 어떻게 달라지는지를 통계적으로 검증한다는 뜻입니다.

조금 더 깊게 보면

종속변인은 척도의 종류(명목, 서열, 등간, 비율)에 따라 적용 가능한 통계 기법이 달라지므로, 논문에서 종속변인이 연속형 점수인지 범주형(예: 성공/실패)인지를 확인하는 것이 중요합니다.

또한 하나의 연구에서 여러 개의 종속변인을 동시에 다루는 경우 다변량분석(MANOVA 등)이 사용되기도 하며, 종속변인의 신뢰도와 타당도를 어떻게 확보했는지(측정도구의 검증 여부)도 결과 해석에 큰 영향을 줍니다. 논문을 읽을 때는 종속변인이 어떤 도구나 척도로 조작적 정의되었는지를 함께 확인하는 습관이 유용합니다.

주의할 점

종속변인은 측정 방법에 따라 결과 해석이 크게 달라질 수 있으므로, 무엇을 어떻게 측정했는지를 명확히 밝히는 조작적 정의가 반드시 함께 제시되어야 합니다.

헷갈리기 쉬운 용어

변수의 역할을 부르는 이름이 여러 가지입니다.

용어	역할	예
독립변수	원인 또는 설명 역할(조작·측정)	운동 프로그램 참여
종속변수	결과 또는 설명 대상 역할	스트레스 점수
통제변수	결과에 영향을 줄 수 있어 고정·보정하는 변수	연령, 사전 점수
교란변수	독립·종속 모두와 관련되어 연관을 왜곡하는 변수	운동 의지가 높은 사람이 원래 스트레스도 낮음

참고 문헌

Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and Quasi-Experimental Designs for Generalized Causal Inference. Houghton Mifflin.
Kerlinger, F. N., & Lee, H. B. (2000). Foundations of Behavioral Research (4th ed.). Harcourt College Publishers.
Baron, R. M., & Kenny, D. A. (1986). The moderator–mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173–1182.
Nosek, B. A., Ebersole, C. R., DeHaven, A. C., & Mellor, D. T. (2018). The preregistration revolution. Proceedings of the National Academy of Sciences, 115(11), 2600–2606.

표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.