주효과 (Main Effect)

한 줄 정의: 다른 변수는 신경 쓰지 않고, 한 독립변수 하나가 종속변수에 미치는 평균적인 영향을 뜻합니다.

쉽게 풀면

"공부 방법(온라인 vs 오프라인)"과 "성별(남 vs 여)"이라는 두 변수가 시험 점수에 미치는 영향을 동시에 조사한다고 해봅시다. 이때 주효과는 "성별을 무시하고 봤을 때, 온라인 학습자와 오프라인 학습자의 평균 점수가 다른가?"처럼 한 변수만 따로 떼어내 평균적으로 비교한 결과입니다.

즉, 다른 변수의 수준(남자든 여자든)에 관계없이 한 변수 자체가 만들어내는 전반적인 차이를 말합니다. 이는 두 변수의 조합에 따라 효과가 달라지는지를 보는 교호작용효과와 짝을 이루는 개념으로, 이원분산분석(이원배치 분산분석) 결과표에는 항상 이 두 개념이 함께 등장합니다.

왜 중요한가

주효과는 여러 요인을 동시에 설계한 실험에서 각 변수가 독립적으로 어떤 영향을 미치는지를 요약해 보여주기 때문에, 분산분석을 활용하는 대부분의 실험 연구에서 결과 보고의 기본 단위로 다뤄집니다. 다만 주효과는 교호작용효과와 함께 해석해야 결과를 정확히 이해할 수 있어, 이원 이상의 요인 설계를 쓰는 심리학, 교육학, 마케팅 등 다양한 분야의 실험 논문에서 두 개념이 짝을 이루어 자주 등장합니다.

핵심 정리

요인 A의 주효과는 다른 요인 B의 수준을 가리지 않고(평균 내어) A의 수준에 따라 평균이 달라지는 정도입니다. 계산에는 A의 각 수준에서 B의 모든 수준을 평균 낸 주변평균을 비교합니다.
요인이 둘 이상인 분산분석(이원분산분석, 요인설계)의 결과표에는 요인마다 주효과가, 요인 조합마다 교호작용효과가 따로 나옵니다.
검정은 요인별 F검정입니다. 예를 들어 2×2 설계에서 A 주효과는 “A1의 주변평균 = A2의 주변평균”이라는 귀무가설을 검정합니다.
교호작용이 없으면 주효과를 그대로 요약해도 되지만, 교호작용이 있으면 주효과는 조건에 따라 달라지는 효과의 평균이어서 해석을 조심해야 합니다. 이때는 한 요인의 수준별 효과를 따로 보는 단순효과를 확인합니다.
회귀분석에서 교호작용항(X×M)을 모형에 넣으면 X의 계수는 M = 0일 때의 X 효과이며 평균적인 주효과가 아닙니다. 변수를 평균 중심화하거나 효과 코딩을 하면 주효과에 가깝게 해석됩니다(Aiken & West, 1991).

예시로 보기

2×2 설계(A: 1, 2 / B: 1, 2)에서 각 칸의 평균(가상의 값)을 봅시다.

칸 평균	B1	B2	A 주변평균
A1	10	14	12
A2	20	24	22
B 주변평균	15	19	전체 17

A 주효과는 22 − 12 = 10, B 주효과는 19 − 15 = 4입니다. A의 효과가 B1에서도 B2에서도 10이므로 교호작용이 없고 주효과가 곧 “어느 쪽에서든의 효과”입니다.

칸 평균	B1	B2	A 주변평균
A1	10	20	15
A2	20	10	15
B 주변평균	15	15

두 번째 표는 주효과가 A도 B도 0입니다. 그러나 A의 효과는 B1에서 +10, B2에서 −10으로 정반대입니다. 주효과만 보고 “A는 효과가 없다”고 결론 내리면 틀립니다. 이것이 교호작용이 있을 때 주효과를 조심해야 하는 이유입니다.

집단 크기가 다를 때. 칸 크기가 같지 않으면 “평균”을 어떻게 내느냐에 따라 주효과가 달라집니다. 예를 들어 칸 평균이 A1: 10, 20 / A2: 15, 25이고 칸 크기가 A1: 30, 10 / A2: 10, 30이라면 A의 효과는 칸 크기로 가중하면 22.5 − 12.5 = 10, 가중하지 않으면 20 − 15 = 5로 계산됩니다. 프로그램의 제곱합 유형(Type I·II·III)에 따라 어느 쪽을 검정하는지 달라지므로 보고할 때 밝힙니다(Maxwell & Delaney, 2004).

자주 하는 오해

“주효과가 유의하면 항상 그 요인의 효과가 있다.” 교호작용이 있으면 주효과는 수준별 효과의 평균이어서, 어떤 수준에서는 효과가 없거나 반대일 수 있습니다.
“주효과가 없으면 그 요인은 무관하다.” 위 두 번째 표처럼 교호작용 때문에 효과가 상쇄될 수 있습니다.
“회귀분석의 계수 = 주효과.” 교호작용항이 있는 모형에서는 아닙니다(위 설명).
“교호작용이 유의하면 주효과는 보고하지 않는다.” 보고는 하되 해석은 단순효과 중심으로 합니다. 교호작용이 순서형(방향이 같고 크기만 다름)이면 주효과도 의미가 있을 수 있습니다.
“주효과 = 처치의 인과 효과 전체.” 주효과는 설계에 포함된 요인 수준과 자료의 구성 비율에 의존하는 평균입니다.

논문에서는 이렇게 쓰입니다

실제 논문에서

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

“이원혼합분산분석 결과, 집단 주효과(F = 379.11, p < .001, η² = .833)와 집단 × 시점 상호작용 효과(F = 45.701, p < .001, η² = .376)가 모두 유의하게 나타났다.”
K-Culture 수업 참여가 외국인 유학생의 문화적응 스트레스에 미치는 영향, 예술교육연구, 2025 · KCI 한국학술지인용색인 · 원문 보기 ↗
“본 연구 결과, 신발 착용 유무 간 주효과에서만 통계적으로 유의한 차이가 나타났다.”
무용 전공과 신발 착용이 한 발 착지 시 하지 운동학 패턴과 각도에 미치는 영향, 한국체육학회지, 2025 · KCI 한국학술지인용색인 · 원문 보기 ↗
“셋째, 질문 유형 간 주효과가 통계적으로 유의하였다.”
언어학적 단위 제시 유형에 따른 청년층 및 노년층 간 동사 재인 수행력 비교, Communication Sciences and Disorders, 2022 · KCI 한국학술지인용색인 · 원문 보기 ↗

예시 문장

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

"학습 방법의 주효과는 유의했으나(F = 5.21, p < .05), 성별의 주효과와 두 변수 간 교호작용효과는 유의하지 않았다."

이 문장은 "성별과 상관없이, 학습 방법 자체가 점수 차이를 만들어냈다"는 뜻이며, 반면 성별 자체는 점수에 별다른 영향을 주지 않았고 두 변수가 서로 맞물려 작용하지도 않았다는 의미입니다.

"광고 유형의 주효과는 소비자의 구매의도에 유의한 영향을 미쳤으나(F = 4.02, p < .05), 제품 관여도의 주효과는 유의하지 않았다."

마케팅 연구에서 두 독립변수 각각의 주효과를 비교하여 결과를 보고한 문장입니다.

"복용량의 주효과는 유의했지만(F = 8.77, p < .01), 투여 시점과 복용량 간 교호작용효과가 유의하여 주효과 해석에는 주의가 필요하다."

약리학 실험 연구에서 주효과가 유의하더라도 교호작용효과 때문에 해석에 주의가 필요함을 명시한 문장입니다.

조금 더 깊게 보면

주효과는 통계적으로 각 요인 수준별 평균(주변평균, marginal mean)을 비교하는 방식으로 계산되며, 요인설계의 셀 크기가 균등하지 않은 경우에는 계산 방식(제곱합의 유형, Type I·II·III)에 따라 주효과의 유의성 검정 결과가 달라질 수 있습니다. 교호작용효과가 유의한 경우에는 주효과의 크기나 방향이 요인 조합에 따라 상쇄되거나 왜곡될 수 있으므로, 이런 상황에서는 주효과 대신 각 조건별로 나누어 살펴보는 단순효과(simple effect) 분석을 함께 보고하는 것이 일반적입니다.

주의할 점

교호작용효과가 유의하다면 주효과만 보고 결론을 내리면 안 됩니다. 예를 들어 온라인 학습이 남자에게는 효과적이지만 여자에게는 오히려 역효과라면, 학습 방법과 성별의 교호작용효과가 유의한 상황이므로 두 그룹을 합쳐 계산한 학습 방법의 주효과 하나만으로 "온라인 학습이 낫다"고 일반화하는 것은 오해를 낳을 수 있습니다.

헷갈리기 쉬운 용어

용어	무엇을 보나
주효과	한 요인의 수준에 따른 평균 차이를 다른 요인을 평균 내어 본 것
교호작용효과	한 요인의 효과가 다른 요인의 수준에 따라 달라지는 정도
단순효과	다른 요인을 특정 수준에 고정했을 때 한 요인의 효과
요인설계	여러 요인의 모든 수준 조합을 실험하는 설계 (주효과·교호작용을 모두 추정)

참고 문헌

Maxwell, S. E., & Delaney, H. D. (2004). Designing Experiments and Analyzing Data: A Model Comparison Perspective (2nd ed.). Lawrence Erlbaum.
Keppel, G., & Wickens, T. D. (2004). Design and Analysis: A Researcher’s Handbook (4th ed.). Pearson.
Kirk, R. E. (2013). Experimental Design: Procedures for the Behavioral Sciences (4th ed.). Sage.
Aiken, L. S., & West, S. G. (1991). Multiple Regression: Testing and Interpreting Interactions. Sage.

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