용어 목록 > 소벨 검정 (Sobel test)

소벨 검정 (Sobel test)

쉽게 풀면

"운동을 많이 하면 스트레스가 줄어든다"는 관계가 사실은 "운동 → 수면의 질 향상 → 스트레스 감소"라는 경로를 거쳐 나타난다고 가정해봅시다. 이때 수면의 질은 원인(운동)과 결과(스트레스 감소) 사이에 끼어 있는 매개변수입니다. 소벨 검정은 "운동이 수면의 질에 미치는 영향"과 "수면의 질이 스트레스에 미치는 영향"을 곱한 값, 즉 매개변수를 거쳐 전달되는 간접효과가 0과 다른지(우연이 아닌지)를 하나의 통계값으로 계산해서 검정합니다.

왜 중요한가

많은 사회과학·심리학·보건학 연구는 "A가 B를 통해 C에 영향을 준다"는 작동 기전(mechanism)을 밝히는 데 관심이 있는데, 소벨 검정은 이런 매개모형(mediation model)의 통계적 타당성을 검증하는 초창기 표준 방법으로 널리 인용되어 왔습니다. 단순히 원인과 결과 사이의 직접적 관계만 보는 것을 넘어, 그 관계가 어떤 경로를 통해 전달되는지를 규명함으로써 개입(intervention) 지점을 찾는 데도 활용되기 때문에 이론 검증과 실무적 함의를 동시에 제공하는 분석법으로 자리잡았습니다.

언제 쓰나

독립변수 X가 매개변수 M을 거쳐 종속변수 Y에 영향을 주는 경로(X → M → Y)에서, 간접효과 a×b가 0인지 검정할 때 씁니다.

• a: X가 M에 미치는 효과(M을 X로 회귀한 계수). b: X를 통제한 상태에서 M이 Y에 미치는 효과(Y를 M과 X로 회귀한 계수).
• 소벨(1982)은 간접효과 ab의 표준오차를 델타법으로 근사해 z = ab / SE_ab를 만들었습니다. 이 z를 표준정규분포와 비교합니다.
• 계수와 표준오차만 알아도 계산할 수 있어, 원자료 없이 논문에 실린 값으로 다시 계산해 볼 수 있습니다.
• 표본이 크고 ab의 분포가 정규에 가깝다는 가정이 필요합니다. 그러나 a와 b 두 정규 변수의 곱은 대체로 비대칭이라 표본이 작으면 이 가정이 잘 맞지 않습니다(MacKinnon 외, 2002).

그래서 오늘날에는 부트스트랩 신뢰구간(Preacher & Hayes, 2004)이나 몬테카를로 신뢰구간(Preacher & Selig, 2012)이 더 권장되는 편이고, 소벨 검정은 간단한 점검이나 요약통계만 있을 때 쓰입니다. 매개 분석은 통계적 분해일 뿐 인과 순서는 연구 설계가 뒷받침해야 합니다.

결과는 이렇게 읽는다

가상의 예: a = 0.50(SE 0.15), b = 0.40(SE 0.12).

• 간접효과 ab = 0.50 × 0.40 = 0.20.
• 표준오차 SE_ab = √(b²·SE_a² + a²·SE_b²) = √(0.16×0.0225 + 0.25×0.0144) = 0.0849.
• z = 0.20 / 0.0849 = 2.36, 양측 p = .018. 소벨 방식의 95% 신뢰구간은 0.20 ± 1.96×0.0849, 즉 [0.03, 0.37]이고 좌우가 대칭입니다.
• 같은 a, b를 각각 정규분포로 놓고 곱의 분포를 10만 번 시뮬레이션해 95% 구간을 구하면 [0.06, 0.39]로 오른쪽으로 치우칩니다. 곱의 분포가 비대칭이라는 뜻입니다.
• Aroian 변형은 표준오차에 SE_a²·SE_b²를 더해(이 예에서는 SE 0.0867, z = 2.31) 약간 보수적으로 계산합니다.
• 효과가 더 작은 예(a = 0.20 SE 0.10, b = 0.15 SE 0.08)에서는 ab = 0.03, z = 1.37, p = .17이며 시뮬레이션 구간은 [−0.004, 0.085]로 0을 포함합니다.

논문에는 이렇게 보고한다

a·b 경로 계수와 표준오차, 간접효과, 검정 방법, 가능하면 신뢰구간을 함께 적습니다. (위 가상 자료 기준)

X는 M을 유의하게 예측했고(a = 0.50, SE = 0.15), M은 X를 통제한 상태에서 Y를 유의하게 예측했다(b = 0.40, SE = 0.12). 간접효과는 0.20이었으며 Sobel 검정 결과 유의하였다(z = 2.36, p = .018; 몬테카를로 95% CI [0.06, 0.39]).

• 한국어 논문에서는 “Baron과 Kenny(1986)의 3단계 절차를 따르고 Sobel 검정으로 매개효과의 유의성을 확인하였다”처럼 쓰이는 일이 많습니다. 최근에는 “부트스트랩(5,000회)으로 95% 신뢰구간을 구했다”가 더 자주 요구됩니다.
• 총효과(X → Y)가 유의해야만 매개를 논할 수 있다는 규칙은 더 이상 필수 조건으로 받아들여지지 않으며, 간접효과 자체를 검정하는 것이 핵심입니다.

논문에서는 이렇게 쓰입니다

실제 논문에서

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

• “호남과 충청권에 소재한 5개 간호학과 신입생 237명을 대상으로 질문지를 이용하여 자기주도적 학습능력, 학습몰입, 대학 적응에 대해 자료 수집하였고, 수집된 자료는 기술통계, t-test, ANOVA, Pearson의 상관분석, 3단계 매개회귀분석, Sobel test로 분석하였다.”

  간호학과 신입생의 자기주도적 학습능력이 학습몰입에 미치는 영향에서 대학 적응의 매개효과, Journal of The Korean Data Analysis Society, 2016 · KCI 한국학술지인용색인 · 원문 보기 ↗

• “분석을 위해 상관분석, 회귀분석을 실시하였으며, Sobel test를 실시하여 매개효과 검증을 하였다.”

  전문대학 조리전공 대학생의 전공선택동기와 진로준비행동 관계에서진로결정 자기효능감의 매개효과, 인문사회 21, 2022 · KCI 한국학술지인용색인 · 원문 보기 ↗

• “자료분석은 기술통계, t-test, one-way ANOVA, 상관분석을 하였고, Baron & Kenny 의 다중회귀분석과 Sobel test를 하였다.”

  표준화환자 활용 정신간호학 융합시뮬레이션 실습에 대한 간호학생의 학습만족도가 전이동기에 미치는 영향: 학습자기효능감의 매개효과, 한국융합학회논문지, 2020 · KCI 한국학술지인용색인 · 원문 보기 ↗

예시 문장

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

운동과 스트레스 감소 사이의 관계 중 일부가 수면의 질이라는 매개변수를 통해 전달되며, 그 간접효과가 우연이라고 보기 어려울 만큼 뚜렷했다는 뜻입니다.

경영학·조직심리학 연구에서 매개효과가 통계적으로 유의하지 않다는 결론을 소벨 검정으로 보고하는 예문입니다.

교육심리학 연구에서 매개변수를 통한 간접효과의 크기와 유의성을 함께 보고하는 전형적인 서술 방식입니다.

조금 더 깊게 보면

소벨 검정은 독립변수가 매개변수에 미치는 효과(a 경로)와 매개변수가 종속변수에 미치는 효과(b 경로)를 곱한 값(ab, 간접효과)의 표준오차를 델타법(delta method)으로 근사해 Z값을 계산하는 방식입니다.

하지만 두 계수를 곱한 값의 표집분포는 실제로는 정규분포보다 비대칭적인 경우가 많아, 표본이 크지 않으면 검정 결과가 보수적이거나 부정확할 수 있습니다.

이 때문에 최근 논문에서는 소벨 검정 대신 부트스트랩으로 간접효과의 신뢰구간을 직접 추정하는 방법(특히 편향수정 부트스트랩)이 더 권장되며, 매개변수가 여러 개인 복잡한 모형에서는 구조방정식모형(SEM) 틀 안에서 간접효과를 검정하는 경우도 많습니다.

주의할 점

소벨 검정은 간접효과의 값이 정규분포를 따른다고 가정하는데, 실제로는 두 계수를 곱한 값의 분포가 비대칭적인 경우가 많아 표본 크기가 작을 때는 검정력이 낮고 부정확할 수 있습니다. 그래서 최근 논문에서는 소벨 검정 대신 부트스트랩 신뢰구간으로 간접효과의 유의성을 확인하는 방법이 더 권장되는 경우가 많습니다.

헷갈리기 쉬운 용어

매개효과를 검정하는 방법들과 매개·조절의 구분입니다.

소벨 검정의 결과가 유의하지 않아도 부트스트랩 구간은 0을 포함하지 않을 수 있습니다. 표본이 작을수록 이런 불일치가 흔합니다.

참고 문헌

1. Sobel, M. E. (1982). Asymptotic confidence intervals for indirect effects in structural equation models. Sociological Methodology, 13, 290–312.
2. 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.
3. MacKinnon, D. P., Lockwood, C. M., Hoffman, J. M., West, S. G., & Sheets, V. (2002). A comparison of methods to test mediation and other intervening variable effects. Psychological Methods, 7(1), 83–104.
4. Preacher, K. J., & Hayes, A. F. (2004). SPSS and SAS procedures for estimating indirect effects in simple mediation models. Behavior Research Methods, Instruments, & Computers, 36(4), 717–731.
5. Preacher, K. J., & Selig, J. P. (2012). Advantages of Monte Carlo confidence intervals for indirect effects. Communication Methods and Measures, 6(2), 77–98.

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

관련 용어