처음 쓰는 학술지 논문 작성법 | 제7장 연구 결과의 작성과 시각화 | 1. 양적 연구 결과의 서술

1. 양적 연구 결과의 서술

양적 연구의 결과는 자료에서 확인한 내용을 연구 질문에 따라 제시하는 부분이다. 각 질문과 분석 결과를 연결하여 핵심 내용을 파악할 수 있도록 구성한다. 대상과 자료의 특성을 먼저 제시하면 이후 분석의 범위를 이해하기 쉽다. 이어 집단 간 차이와 변수 간 관계, 시간에 따른 변화 등을 설명한다. 주요 결과에는 추정값의 크기와 불확실성을 함께 제시한다. 예상과 다른 결과도 같은 기준으로 다룬다. 결과가 직접 보여주는 내용은 명확히 서술하고, 발생 이유와 학문적·실천적 의미는 논의에서 검토한다. 독자가 질문에 대한 답과 그 근거를 정확하게 판단할 수 있도록 작성해야 한다.

1) 연구 질문에 따른 결과의 구성

(1) 연구 대상의 특성과 주요 변수의 분포

대상의 특성은 분석과 해석에 필요한 정보를 중심으로 제시한다. 병원 이용 연구에서는 연령과 건강 상태, 교통수단과 주변의 도움이 중요할 수 있다. 조사한 배경 정보를 모두 같은 비중으로 나열할 필요는 없다. 공개 범위는 연구에 필요한 정보와 개인을 알아볼 위험을 함께 고려하여 정한다. 범주형 변수는 인원과 비율, 비율을 계산한 기준을 밝힌다. 결측치가 있다면 전체 인원과 실제 응답한 인원 중 무엇을 기준으로 했는지 표시한다. 복수응답은 여러 항목을 선택할 수 있었다는 점과 비율의 계산 기준을 설명한다. 대상 설명은 실제 분석 자료가 어떤 사람들로 구성되었는지 보여주어야 한다.

연속형 변수는 자료의 분포에 적합한 요약값을 사용한다. 평균과 표준편차는 값의 중심과 흩어진 정도를 나타낸다. 한쪽으로 치우친 분포에서는 중앙값과 사분위수 등이 이해를 도울 수 있다. 중앙값은 자료를 크기순으로 놓았을 때 가운데에 있는 값이다. 사분위수는 자료를 네 부분으로 나누는 기준값이다. 외래진료 횟수는 일부 참여자의 높은 값 때문에 평균이 커질 수 있으므로 평균만으로 자료를 충분히 설명할 수 있는지 살핀다. 측정도구에서 가능한 점수 범위와 실제 관찰한 범위도 구분한다. 높은 점수의 의미와 측정 단위를 밝혀 자료의 특성을 이해할 수 있게 한다.

주요 분석에 영향을 줄 수 있는 분포의 특징도 제시한다. 응답이 특정 값에 집중되었다면 관찰할 수 있는 차이가 제한될 수 있다. 사례가 적은 하위 집단은 비교 결과의 불확실성을 이해하는 데 중요한 정보가 된다. 결측과 이탈이 특정 조건에 집중되었다면 그 양상도 보고한다. 가중치를 사용했다면 실제 조사 인원과 가중치를 반영한 비율을 구분한다. 가중치의 합을 실제 참여자 수처럼 표시해서는 안 된다. 반복 조사에서는 참여자 수와 시점별 응답 수, 실제 분석에 사용한 관측 수를 나눈다. 자료의 구성과 처리 결과는 독자가 분석의 근거를 판단할 수 있도록 제시해야 한다(Appelbaum et al., 2018).

본문은 표의 모든 값을 반복하기보다 중요한 특징을 선택하여 설명한다. 어느 연령대가 많이 포함되었는지 요약할 수 있다. 다만 표본에서 관찰한 비율을 모집단의 실제 구성으로 확대하지 않는다. 척도 중간값보다 높다는 이유만으로 ‘높은 수준’이라고 평가하지도 않는다. 판단 기준이 없다면 관찰한 값과 분포를 그대로 설명한다. 소수 자릿수는 측정의 정밀도와 학술지 기준에 맞춘다. 같은 종류의 값에는 일관된 표기 방식을 적용한다. 대상과 변수의 설명은 이후 결과를 이해하는 데 필요한 정보를 제공하도록 구성한다.

[표 7-1]연구 대상의 특성과 주요 변수의 분포

주:참여자는 220명이며 제시한 변수에는 결측이 없다고 가정하였다. 도움 경험과 외래진료 횟수의 기준 기간은 2025년 1월 1일부터 12월 31일까지이다. 이동 부담 점수는 1~5점이며 높을수록 부담이 크다. 외래진료 횟수의 단위는 회이다.

(2) 연구 질문·가설에 따른 분석 결과의 제시

주요 분석은 연구 질문과 가설의 흐름에 따라 제시한다. 무엇을 분석하여 어떤 답을 얻었는지 연결한다. 집단별 요약값과 평균 차이, 신뢰구간은 하나의 비교 결과로 묶어 설명할 수 있다. 상관분석과 회귀분석을 함께 제시한다면 두 분석이 제공하는 정보의 차이를 밝힌다. 두 변수만의 관련성과 다른 조건을 함께 고려한 관련성은 다를 수 있다. 같은 자료에 여러 분석을 했다는 이유로 서로 독립된 근거가 반복 확인되었다고 표현하지 않는다. 방법에서 제시한 주요 분석 결과가 빠지지 않았는지도 점검한다. 프로그램의 출력 순서보다 질문에 답하는 흐름에 맞추어 결과를 배열해야 한다.

가설에 관한 결과는 예상한 방향과 실제 추정값을 대조하여 설명한다. 방향과 크기, 신뢰구간과 검정 결과를 함께 제시한다. 가설의 지지 여부를 요약한다면 판단 근거도 제공한다. 통계적으로 유의하다는 사실이 가설의 설명 전체를 입증하는 것은 아니다. 유의하지 않다고 반대 내용이 확인된 것도 아니다. 탐색적 질문에는 관찰한 특징과 불확실성을 중심으로 답한다. 판단하기 어려운 부분은 무엇을 확인하지 못했는지 밝힌다. 지지 여부의 분류와 함께 자료가 실제로 보여주는 내용을 전달해야 한다.

여러 모형을 제시할 때에는 포함한 변수와 분석 조건을 구분한다. 건강 상태를 고려한 모형과 교통 조건을 추가한 모형의 차이를 표시한다. 계수의 방향과 크기가 어떻게 달라졌는지 설명할 수 있다. 다만 계수가 작아졌다는 사실만으로 추가 변수가 원인을 밝혀냈다고 단정하지 않는다. 분석 인원이 달라졌다면 표본 구성의 차이도 고려한다. 상호작용 결과는 조건별 관계와 그 차이를 이해할 수 있도록 제시한다. 한 집단에서만 유의하다는 이유로 집단 간 관계가 다르다고 주장하지 않는다. 변수명과 기준범주, 값의 코딩은 방법의 설명과 일치해야 한다.

추가 분석은 목적과 수행 경위를 구분하여 보고한다. 민감도 분석은 자료 처리나 모형 선택을 달리했을 때 결론이 얼마나 달라지는지 살펴보는 분석이다. 결과가 비슷하다면 어떤 추정값과 판단이 유지되었는지 밝힌다. 결과가 다르면 달라진 조건과 해석의 제한을 설명한다. 유의확률이 가장 작은 분석만 선택해서는 안 된다. 자료를 확인한 뒤 추가한 분석은 그 목적에 따라 보완 분석이나 탐색적 분석 등으로 설명한다. 사전에 계획한 분석과의 차이도 밝힌다. 예상과 다른 주요 결과 역시 충분히 보고한다.

[표 7-2]연구 질문별 핵심 결과와 서술 기준

2) 통계 결과의 제시와 의미의 해석

(1) 추정값·효과크기·신뢰구간·유의확률의 제시

추정값은 연구에서 수집한 표본자료를 바탕으로 전체 모집단의 평균과 비율, 집단 간 차이, 변수 사이의 관계 등을 추정한 값이다. 예를 들어 두 집단의 소진 수준을 비교한다면 평균 차이를 계산할 수 있고, 감정노동과 소진의 관계를 분석한다면 회귀계수를 제시할 수 있다. 회귀계수는 독립변수와 종속변수가 어떤 방향으로, 어느 정도 관련되어 있는지 보여준다. 일반적인 선형회귀분석에서 비표준화 회귀계수(B)는 다른 조건이 같을 때 독립변수가 한 단위 높아짐에 따라 종속변수의 평균이 얼마나 달라지는지를 나타낸다. 예를 들어 B = 0.30이라면 다른 변수를 고려했을 때 감정노동 점수가 1점 높은 경우 소진 점수는 평균적으로 0.30점 높은 것으로 해석할 수 있다. 표준화 회귀계수(β)는 두 변수의 단위를 표준편차로 바꾸어 관계의 크기를 나타낸 값이다. 한편 특정 사건의 발생 여부를 비교하는 연구에서는 상대위험도(Relative Risk, RR)나 오즈비(Odds Ratio, OR) 등을 사용하기도 한다. 상대위험도는 두 집단에서 사건이 발생할 확률을 비교한 값이며, 오즈비는 각 집단에서 사건이 발생할 확률과 발생하지 않을 확률의 비를 구하여 비교한 값이다. 두 지표는 계산 방법과 해석이 다르므로 구분해야 한다. 연구자는 분석에서 얻은 수치를 제시할 때 해당 지표의 의미와 단위, 비교 기준을 함께 설명해야 한다.

효과크기는 집단 간 차이나 변수 사이의 관계가 얼마나 큰지를 나타낸다. 예를 들어 두 집단의 소진 점수에 통계적으로 유의한 차이가 나타났더라도 실제 평균 차이는 매우 작을 수 있다. 따라서 차이가 있는지만 확인하기보다 그 차이가 어느 정도인지도 살펴야 한다. 두 집단의 소진 점수가 평균 0.40점 차이 난다면 이 값 자체가 차이의 크기를 보여준다. 상관분석에서는 상관계수로 관계의 방향과 크기를 나타내고, 평균 비교에서는 표준화 평균 차이와 같은 지표를 사용할 수 있다. 다만 모든 분석에서 별도의 표준화 효과크기를 추가해야 하는 것은 아니다. 연구 목적과 분석방법에 적합한 지표를 선택하고, 표준화한 지표를 사용했다면 계산 기준을 밝혀야 한다. 또한 효과크기가 크다고 해서 반드시 현실적으로 중요한 결과인 것은 아니므로 연구 대상과 측정 단위, 실제 적용 상황을 함께 고려해야 한다. 효과크기를 정확하게 제시하면 연구 결과의 의미를 판단하고 다른 연구와 비교하는 데 도움이 된다(Lakens, 2013).

신뢰구간은 표본으로 계산한 추정값에 어느 정도의 불확실성이 있는지 보여준다. 예를 들어 두 집단의 소진 점수 차이가 0.40점이고 95% 신뢰구간이 [0.10, 0.70]이라고 가정해 보자. 이는 평균 차이를 0.40점으로 추정했지만 표본에 따라 추정값이 달라질 수 있다는 불확실성도 함께 나타낸 것이다. 일반적으로 신뢰구간이 좁으면 추정이 비교적 정밀하고, 넓으면 불확실성이 크다고 볼 수 있다. 신뢰구간을 보고할 때에는 95%와 같은 신뢰수준과 구간의 시작값과 끝값을 함께 제시한다. 다만 95% 신뢰구간을 ‘실제 차이가 이 구간 안에 있을 확률이 95%이다’라고 해석해서는 안 된다. 같은 방법으로 표본을 반복해서 추출한다면 계산된 신뢰구간의 약 95%가 실제 모집단의 값을 포함하도록 설계된 통계적 절차라는 의미이다. 평균 차이나 회귀계수에서는 일반적으로 0이 차이나 관계가 없음을 나타내는 기준값이며, 상대위험도와 오즈비에서는 1이 기준값이 된다. 따라서 신뢰구간을 해석할 때에는 기준값이 포함되는지뿐 아니라 가능한 차이나 관계의 크기도 살펴야 한다.

유의확률(p값)은 연구에서 관찰된 차이나 관계를 통계적으로 검토할 때 사용하는 값이다. 통계적 검정에서는 일반적으로 차이나 관계가 없다는 가정인 귀무가설을 설정한다. p값은 귀무가설과 분석모형의 가정이 성립한다고 할 때, 실제 관찰한 결과만큼 또는 그보다 극단적인 결과가 나타날 확률을 뜻한다. 예를 들어 p = .03이라는 결과는 연구 가설이 옳을 확률이 97%라는 의미가 아니다. 또한 p값이 작다고 해서 집단 간 차이나 변수 사이의 관계가 반드시 크거나 중요하다는 뜻도 아니다. 반대로 통계적으로 유의하지 않은 결과가 나왔다고 해서 차이나 관계가 전혀 없다고 단정할 수도 없다. 따라서 유의확률은 추정값과 효과크기, 신뢰구간을 함께 고려하여 해석해야 한다. 통계분석 프로그램에서 유의확률이 .000으로 출력되더라도 실제 확률이 0이라는 뜻은 아니므로 일반적으로 p < .001로 표시한다. 논문에는 가능한 경우 정확한 p값과 검정통계량, 자유도 등 필요한 정보를 제시하고, 여러 검정에 따른 유의확률 조정을 했다면 사용한 방법도 설명해야 한다.

[표 7-3]통계 결과의 핵심 정보와 확인 기준

[표 7-4]통계 결과 문장의 수정 기준

주:표의 수치는 통계 결과를 작성하는 방법을 설명하기 위한 가상의 예시이다. 실제 논문에서는 분석 결과에 따라 추정값과 효과크기, 검정통계량, 유의확률 및 신뢰구간을 정확하게 제시해야 한다.

(2) 통계적 유의성과 실제적 중요성의 구분

통계적 유의성은 결과를 귀무가설과 비교하여 내리는 판단이다. 실제적 중요성은 그 결과가 현상을 이해하거나 현장에서 판단하는 데 갖는 의미이다. 두 판단은 관련되지만 같지는 않다. 표본이 크면 작은 차이도 통계적으로 유의할 수 있다. 자료가 적거나 값의 차이가 크면 중요한 관계도 불확실하게 추정될 수 있다. 유의하다는 이유로 큰 효과라고 평가하지 않는다. 유의하지 않은 결과도 추정값과 신뢰구간을 검토한다. 실제적 중요성은 측정 단위와 불확실성, 비교 대상과 적용 조건을 함께 고려하여 판단해야 한다.

수치의 의미를 이해하려면 측정 기준을 확인해야 한다. 0.40점 차이는 5점 척도와 100점 척도에서 다르게 이해된다. 표준화 값도 원래 점수나 행동의 차이로 설명할 수 있는지 살핀다. 비율에서는 상대적인 변화와 절대적인 차이를 구분한다. 2%에서 4%로 바뀌었다면 두 배가 되었으며 동시에 2%포인트 증가한 것이다. 어느 하나만 강조하면 변화의 인상이 달라질 수 있다. 판단에 필요한 정보를 함께 제공해야 한다. 비용과 부담, 실행 조건까지 고려한 의미는 논의에서 검토한다.

유의하지 않은 결과도 신뢰구간에 따라 제공하는 정보가 다르다. 큰 음의 값과 큰 양의 값을 모두 포함한다면 관계의 방향과 크기를 판단하기 어렵다. 반면 0 주변의 좁은 구간은 큰 관계가 있을 가능성과 잘 맞지 않을 수 있다. 그러나 두 집단이 실질적으로 같거나 차이가 충분히 작다고 판단하려면 적절한 기준과 분석이 필요하다. 일반적인 유의성 검정에서 귀무가설을 기각하지 못한 것만으로 동등성이 확인되는 것은 아니다. 목표 표본 수에 미달했다면 실제 추정의 불확실성과 연결하여 설명한다. 자료가 부족하다는 이유로 예상한 결과가 사실일 것이라고 대신 결론 내려서는 안 된다. 관찰한 추정값과 그 한계를 그대로 보고해야 한다.

결과와 논의를 구분한다고 해서 결과에서 모든 설명을 제외하는 것은 아니다. 차이와 방향, 분석 조건과 불확실성은 결과에서 설명해야 한다. 발생 이유와 기존 이론에 갖는 의미는 추가 근거를 연결하여 논의한다. 관찰한 관계를 정책이나 프로그램의 효과로 확대하지 않는다. 사전에 정한 중요성 기준이 있다면 그 근거와 결과를 제시할 수 있다. 기준이 없다면 ‘충분한 개선’과 같은 평가를 임의로 붙이지 않는다. 예상한 결과와 예상하지 못한 결과에 같은 원칙을 적용한다. 정확한 결과 서술은 크기와 함께 판단의 제한도 전달한다.