경로분석 (Path Analysis)
쉽게 풀면
상류에서 시작한 물이 여러 갈래로 흘러 하류에 도달하는 모습을 떠올려보세요. 경로분석은 "A가 B에 영향을 주고, B가 다시 C에 영향을 주는" 식으로 변수들이 이어지는 흐름 전체를 그림(경로도)으로 그린 뒤, 각 화살표마다 "얼마나 세게 영향을 주는지"를 숫자로 계산합니다. 직접 영향(직접효과)뿐 아니라 다른 변수를 거쳐 가는 간접 영향(간접효과)까지 한 번에 확인할 수 있다는 것이 장점입니다.
왜 중요한가
경로분석은 변수 간 단순 상관을 넘어 "무엇이 무엇을 거쳐 무엇에 영향을 미치는지"라는 인과적 흐름을 하나의 모형으로 동시에 검증할 수 있어, 경영학·심리학·교육학·보건학 등에서 매개효과를 다루는 연구설계의 기본 틀로 널리 쓰입니다. 여러 변수 간 관계를 개별 회귀분석으로 따로 검증할 때보다 전체 모형의 적합도를 함께 평가할 수 있다는 점에서, 복잡한 이론모형을 검증하려는 논문에서 선호되는 방법입니다.
언제 쓰나
직접 측정한 변수들(관측변수) 사이에 이론적으로 가정한 원인-결과 순서가 있고, 직접효과와 간접효과(매개)를 한 모형에서 함께 보고 싶을 때 씁니다. 방법의 뿌리는 Wright(1921, 1934)의 경로계수입니다.
- 변수의 인과 순서(어떤 변수가 앞서는지)가 연구 설계나 이론으로 정해져 있어야 합니다. 자료가 순서를 정해 주지 않습니다.
- 모든 변수를 관측변수로 쓰므로 측정오차가 없다고 가정합니다. 설문 문항을 합산한 점수를 쓰면 이 가정이 완전히 맞지 않아 간접효과가 달라질 수 있습니다. 문항 수준의 측정오차까지 다루려면 구조방정식모형을 씁니다.
- 여러 개의 회귀식을 개별 회귀로 따로 추정하는 것보다, 전체 모형을 한꺼번에 평가하고 간접효과를 쉽게 구할 수 있습니다.
결과는 이렇게 읽는다
- 경로계수: 화살표 하나의 회귀계수입니다. 표준화하면 변수 간 상대적 크기를 비교할 수 있습니다.
- 직접효과·간접효과·총효과: X → M → Y 모형에서 간접효과는 a × b(경로계수의 곱), 총효과 = 직접효과 c′ + 간접효과 a × b입니다.
- 간접효과의 유의성: 곱의 표집분포가 정규분포가 아니므로 정규분포에 기초한 검정보다 부트스트랩 신뢰구간이 권장됩니다(Shrout & Bolger, 2002; Preacher & Hayes, 2008).
- 적합도: 모든 가능한 경로를 그린 “포화모형”(자유도 0)은 자료를 정확히 재현하므로 적합도 지수가 의미가 없습니다. 일부 경로를 0으로 고정한 모형일 때만 카이제곱, CFI, RMSEA 등으로 적합도를 평가할 수 있습니다.
작은 예(컴퓨터로 만든 가상의 자료 200명, X → M → Y): a = .517, b = .281, 직접효과 c′ = .278이므로 간접효과 a × b = .145, 총효과는 .278 + .145 = .423입니다(X만으로 Y를 회귀한 계수와 같음). 5,000번 부트스트랩한 간접효과의 95% 백분위 신뢰구간은 [.077, .231]로 0을 포함하지 않습니다. (자료를 만든 참값은 a = .5, b = .4, c′ = .2였고 추정치는 표본에 따라 흔들립니다.)
논문에는 이렇게 보고한다
(수치는 위 가상의 예 기준입니다.)
직무스트레스는 직무만족을 거쳐 이직의도에 간접적인 영향을 미쳤다(간접효과 = .145, 95% 부트스트랩 CI [.077, .231]). 직접효과는 c′ = .278이었다.
- 경로도(화살표 방향 포함)를 그림으로 제시하고, 변수 순서의 이론적 근거를 적습니다.
- 표준화·비표준화 계수 중 무엇인지, 표준오차나 신뢰구간, 부트스트랩 횟수를 밝힙니다.
- 횡단 자료(한 시점) 분석이면 “영향을 미쳤다”는 표현이 인과를 시사하므로 한계를 함께 적고, 순서를 바꾼 대안 모형이 비슷하게 맞을 수 있음을 논의합니다.
- 이전에 널리 쓰인 단계별 회귀 검정(Baron & Kenny 방식)만으로 매개를 주장하기보다 간접효과 자체를 추정·검정하는 것이 일반적인 권고입니다.
논문에서는 이렇게 쓰입니다
실제 논문에서
국내 학술지 논문에서 이 용어가 쓰인 문장을 그대로 옮겼습니다. 제목·학술지·연도와 원문 링크를 함께 적었습니다.
“이러한 연구목적을 달성하기 위해서 K사관학교 생도 445명을 대상으로 2015년 5월 3일부터 12일까지 설문조사를 실시했고, 불성실 응답지 11부를 제외하고 434부의 데이터에 대해 경로분석을 실시했다.”
사관생도들이 지각한 교수자의 피드백 유형 및 수준이 군사학 과정 성적에 미치는 영향, 한국군사학논집, 2016 · KCI 한국학술지인용색인 · 원문 보기 ↗
예시 문장
아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.
이 문장은 "직무스트레스 → 직무만족 → 이직의도"로 이어지는 인과 경로를 하나의 모형으로 동시에 검증했고, 그 중간 경로(간접효과)가 통계적으로 의미가 있었다는 뜻입니다. 경영학, 심리학, 교육학 논문에서 변수 간 구조적 관계를 보여줄 때 자주 사용됩니다.
보건심리학 연구에서 하나의 매개변수가 아니라 여러 단계를 거치는 다중 매개 경로를 경로분석으로 동시에 검증한 사례입니다.
경영학 연구에서 조직 특성 변수 간 인과 경로를 경로분석으로 검증하며, 매개변수가 관계를 완전히 설명하지는 못하는 부분매개 결과를 보고한 예문입니다.
조금 더 깊게 보면
경로분석에서 변수 간 총효과는 직접효과와 간접효과(매개변수를 거치는 경로들의 곱)의 합으로 분해되며, 간접효과의 통계적 유의성은 흔히 부트스트래핑(bootstrapping) 방법으로 신뢰구간을 구해 검증합니다. 또한 모형이 실제 자료를 얼마나 잘 설명하는지는 CFI, RMSEA 같은 적합도 지수로 평가하는데, 이는 잠재변수를 포함하는 구조방정식모형에서도 공통적으로 쓰이는 평가 방식입니다.
주의할 점
경로분석은 설문 문항처럼 직접 측정한 값(관측변수)만 사용한다는 점에서, 여러 문항을 하나의 추상적 개념(잠재변수)으로 묶어 함께 분석하는 구조방정식모형보다 상대적으로 단순한 모형입니다. 측정 오차를 별도로 반영하지 못하므로, 결과를 해석할 때 이 차이를 구분해야 합니다.
헷갈리기 쉬운 용어
| 용어 | 관측변수만? | 핵심 |
|---|---|---|
| 경로분석 | 예 | 관측변수 사이의 직접·간접 경로를 한 모형으로 추정 |
| 구조방정식모형 | 아니오(잠재변수 포함) | 측정모형과 구조모형을 함께 추정. 측정오차 반영 |
| 매개분석 | 주로 예 | X와 Y 사이 중간 변수 M의 간접효과에 초점. 경로분석의 특수한 형태 |
| 다중회귀분석 | 예 | 결과변수가 하나. 변수들이 서로 원인-결과 연쇄인 구조는 다루지 못함 |
참고 문헌
- Wright, S. (1921). Correlation and causation. Journal of Agricultural Research, 20(7), 557–585.
- Wright, S. (1934). The method of path coefficients. The Annals of Mathematical Statistics, 5(3), 161–215.
- Shrout, P. E., & Bolger, N. (2002). Mediation in experimental and nonexperimental studies: New procedures and recommendations. Psychological Methods, 7(4), 422–445.
- Preacher, K. J., & Hayes, A. F. (2008). Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models. Behavior Research Methods, 40(3), 879–891.
- Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling (4th ed.). Guilford Press.
표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.