생산성 AI를 활용한 매개효과 분석

왜 영향을 미치는가? 영향이 전달되는 과정을 설명하는 분석

연구를 하다 보면 단순히 "A가 B에 영향을 미친다"는 결과만으로는 충분하지 않은 경우가 많습니다.

예를 들어,

• 직무교육은 왜 직무성과를 높이는가?
• AI 활용능력은 왜 학습성과를 향상시키는가?
• 사회적지지는 왜 삶의 만족도를 높이는가?

이러한 질문은 단순한 영향 관계를 넘어 영향이 전달되는 과정(Process) 을 설명해야 합니다.

바로 이때 사용하는 분석이 매개효과 분석(Mediation Analysis) 입니다.

최근에는 ChatGPT와 같은 생산성 AI를 활용하여 연구모형 설계부터 Bootstrap 검증, 결과 해석, 논문 작성까지 효율적으로 수행할 수 있습니다.

---

매개효과란?

매개효과는 독립변수(X)가 종속변수(Y)에 영향을 미치는 과정에서 매개변수(M)를 통해 영향을 전달하는 현상을 의미합니다.

즉,

직무교육(X) → 직무성과(Y) 가 아니라

직무교육(X) → 직무만족(M) → 직무성과(Y)
와 같은 관계를 분석하는 것입니다.

---

매개효과는 언제 사용할까?

교육분야

AI 활용능력(X) → 학습몰입(M) → 학습성과(Y)
: AI 활용능력이 학습성과를 높이는 이유를 확인

경영분야

직무교육(X) → 직무만족(M) → 직무성과(Y)
: 직무교육이 성과를 높이는 과정을 확인

사회복지분야

사회적지지(X) → 자아효능감(M) → 삶의 만족도(Y)

의료분야

운동량(X) → 체력(M) → 건강수준(Y)  

---

매개효과 분석의 핵심

회귀분석 영향이 있는가?

• 조절효과 분석: 언제 영향이 강해지는가?
• 매개효과 분석: 왜 영향을 미치는가?

를 확인하는 분석입니다.

---

연구 예시

연구문제

직무교육은 직무성과에 영향을 미치는가?
그리고 직무만족은 그 관계를 매개하는가?

연구가설

H1. 직무교육은 직무만족에 정(+)의 영향을 미칠 것이다.
H2. 직무만족은 직무성과에 정(+)의 영향을 미칠 것이다.
H3. 직무교육은 직무성과에 정(+)의 영향을 미칠 것이다.
H4. 직무만족은 직무교육과 직무성과의 관계를 매개할 것이다.

연구모형

---

생산성 AI 활용 매개효과 분석 절차

1단계. 연구문제 및 연구모형 설정

왜 하는가?

• 매개효과 분석은 단순히 영향관계를 확인하는 것이 아니라

"왜 영향을 미치는가?"

를 설명하기 위한 분석입니다.

따라서 독립변수(X), 매개변수(M), 종속변수(Y)의 관계를 먼저 이론적으로 설정해야 합니다.

ChatGPT 활용

직무교육이 직무성과에 영향을 미치는 과정에서 직무만족의 매개효과를 검증하기 위한 연구모형을 설계해줘.

---

2단계. 연구가설 설정

왜 하는가?

• 통계분석은 연구가설을 검증하기 위한 과정입니다.
• 매개효과 분석에서는 X → M, M → Y, X → Y 관계가 존재해야 합니다.

ChatGPT 활용

다음 연구모형에 대한 매개효과 가설을 작성해줘.

---

3단계. 기술통계 분석

왜 하는가?

• 데이터 상태를 확인하기 위한 단계입니다.
• 잘못된 데이터는 이후 분석 결과를 왜곡할 수 있습니다.

결측치	5% 이하 권장
왜도(Skewness)	±2 이하
첨도(Kurtosis)	±7 이하
이상치	Z-score ±3 초과 확인

(Kline, 2023)

판단

• 데이터가 정규성을 만족하는가?

ChatGPT 활용

다음 데이터의 결측치, 이상치, 평균, 표준편차, 왜도, 첨도를 분석해줘.

---

4단계. 상관관계 분석

왜 하는가?

• 매개효과가 존재하려면 X ↔ M, M ↔ Y, X ↔ Y 간 관계가 존재해야 합니다.

확인항목 및 기준

Pearson r	-1 ~ +1
p-value	.05 미만

상관계수 해석

r 값	해석
.10 ~ .29	약한 상관
.30 ~ .49	보통 상관
.50 이상	강한 상관

(Cohen, 1988)

ChatGPT 활용

각 변수 간 Pearson 상관관계를 분석해줘.

---

5단계. Baron & Kenny 매개효과 검증

왜 하는가?

• 매개효과 존재 가능성을 확인하는 전통적인 방법입니다.

1단계 : X → Y

직무교육(X) → 직무성과(Y)

기준

p-value

.05 미만

의미

• 독립변수가 종속변수에 영향을 미쳐야 함

2단계 : X → M

직무교육(X) → 직무만족(M)

기준

p-value

.05 미만

의미

• 독립변수가 매개변수에 영향을 미쳐야 함

3단계 : X + M → Y

직무교육(X) + 직무만족(M) → 직무성과(Y)

기준

β 감소 여부	확인
p-value	.05 미만

의미

• 매개변수가 추가되면 X의 영향력이 감소해야 함

---

6단계. Bootstrap 검증

왜 하는가?

• 최근 연구에서는 Baron & Kenny보다 Bootstrap 검증을 더 중요하게 사용합니다.
• 매개효과의 유의성을 직접 검증하기 때문입니다.

확인항목

Indirect Effect	간접효과
Boot S.E.	표준오차
LLCI	신뢰구간 하한값
ULCI	신뢰구간 상한값

가장 중요한 기준

• LLCI ~ ULCI 사이에 0이 포함되지 않으면 매개효과 유의

예시

LLCI = .118
ULCI = .324
: 0 미포함 > 매개효과 존재

ChatGPT 활용

Bootstrap 매개효과 분석을 실시해줘.
Indirect Effect, Boot SE, LLCI, ULCI를 제시해줘.

---

7단계. 완전매개 vs 부분매개 판단

왜 하는가?

• 매개효과 유형을 판단하기 위함

완전매개

1단계: X → Y 유의
3단계: X → Y 비유의

의미

• 독립변수의 영향이 모두 매개변수를 통해 전달

부분매개

1단계: X → Y 유의
3단계: X → Y 여전히 유의(β 감소)

의미

• 직접효과와 간접효과가 동시에 존재

판단기준

완전매개	X→Y 비유의
부분매개	X→Y 유의 + β 감소

---

최종 논문 제시용 분석결과

표 1. 매개효과 경로분석 결과

경로	β	S.E.	t	p
직무교육(X) → 직무만족(M)	.512	.054	9.48	.000
직무만족(M) → 직무성과(Y)	.427	.061	7.00	.000
직무교육(X) → 직무성과(Y)	.221	.088	2.51	.013

표 2. Bootstrap 매개효과 검증 결과

경로간접효과(B)	Boot	S.E.	LLCI	ULCI	결과
직무교육 → 직무만족 → 직무성과	.214	.052	.118	.324	유의

주. LLCI = 신뢰구간 하한값, ULCI = 신뢰구간 상한값

표 3. 매개유형 판정 결과

구분	직접효과(X→Y)	간접효과(X→M→Y)	결과
분석결과	유의(p=.013)	유의(CI에 0 미포함)	부분매개

논문 결과 작성 예시

직무교육과 직무성과의 관계에서 직무만족의 매개효과를 검증하였다. 분석 결과, 직무교육은 직무만족에 유의한 정(+)의 영향을 미치는 것으로 나타났으며(β=.512, p<.001), 직무만족 역시 직무성과에 유의한 정(+)의 영향을 미치는 것으로 확인되었다(β=.427, p<.001). 또한 직무교육은 직무성과에 직접적인 영향도 미치는 것으로 나타났다(β=.221, p=.013).

Bootstrap 검증 결과 간접효과는 .214로 나타났으며, 95% 신뢰구간의 하한값(LLCI=.118)과 상한값(ULCI=.324) 사이에 0이 포함되지 않아 매개효과가 유의한 것으로 확인되었다.

따라서 직무만족은 직무교육과 직무성과의 관계를 유의하게 매개하는 것으로 나타났다.

한편 직무교육의 직접효과도 여전히 유의하게 나타나 완전매개가 아닌 부분매개효과가 확인되었다.

---

매개효과 분석 해석 순서

① 기술통계 확인
② 상관관계 확인
③ X → Y 확인
④ X → M 확인
⑤ M → Y 확인
⑥ Bootstrap 확인
⑦ LLCI·ULCI 확인
⑧ 완전매개 / 부분매개 판단
⑨ 가설 채택 여부 판단

---

매개효과 분석은 단순히 영향 여부를 확인하는 분석이 아닙니다.

"왜 영향을 미치는가?"
"어떤 과정을 통해 영향을 전달하는가?"

를 설명하는 분석입니다.

생산성 AI(ChatGPT)를 활용하면 연구모형 설계, 상관관계 분석, Baron & Kenny 검증, Bootstrap 검증, 결과 해석, 논문 작성까지 효율적으로 수행할 수 있으며 연구자는 결과의 이론적 의미와 시사점을 해석하는 데 더욱 집중할 수 있습니다.