가설의 정의 및 경로 분석 이해

가설 은 연구 프로젝트의 결과에서 발견될 내용에 대한 예측이며 일반적으로 연구에서 연구되는 두 가지 변수 간의 관계에 중점을 둡니다. 이는 일반적으로 사물이 어떻게 작동하는지에 대한 이론적 기대와 이미 존재하는 과학적 증거를 기반으로 합니다.

사회과학 내에서 가설은 두 가지 형태를 취할 수 있습니다. 두 변수 사이에 관계가 없다고 예측할 수 있으며, 이 경우 귀무가설이 됩니다. 또는 대립가설이라는 변수 간의 관계 존재를 예측할 수도 있습니다.

두 경우 모두, 결과에 영향을 주거나 영향을 주지 않는 것으로 생각되는 변수를 독립 변수라고 하며, 영향을 받거나 영향을 주지 않는다고 생각되는 변수를 종속 변수라고 합니다.

연구자들은 자신의 가설이나 가설이 둘 이상일 경우 참이 될지 여부를 결정하려고 합니다. 그럴 때도 있고 그렇지 않을 때도 있습니다. 어느 쪽이든, 가설이 참인지 아닌지 결론을 내릴 수 있다면 연구는 성공한 것으로 간주됩니다. 

귀무가설
연구자가 이론과 기존 과학적 증거를 바탕으로 두 변수 사이에 관계가 없을 것이라고 믿는 경우 귀무가설이 있습니다. 예를 들어, 미국 내 개인의 최고 교육 수준에 영향을 미치는 요인이 무엇인지 조사할 때 연구자는 출생지, 형제자매 수, 종교가 교육 수준에 영향을 미치지 않을 것이라고 기대할 수 있습니다. 이는 연구자가 세 가지 귀무가설을 언급했음을 의미합니다.

대안 가설
같은 예를 들면, 연구자는 부모의 경제적 계층과 교육 수준, 문제의 사람의 인종이 교육 수준에 영향을 미칠 가능성이 높다고 기대할 수 있습니다. 부와 문화적 자원 사이의 연관성 과 인종이 미국의 권리와 자원에 대한 접근에 어떻게 영향을 미치는지를 인식하는 기존 증거와 사회 이론 은 부모의 경제적 계층과 교육 수준 모두 교육 수준에 긍정적인 영향을 미칠 것임을 시사합니다. 이 경우 부모의 경제적 계층과 학력은 독립변수이고, 부모의 학력은 종속변인으로, 나머지 둘에 종속되는 것으로 가정된다.

반대로, 정보에 정통한 연구자는 미국에서 백인이 아닌 인종이 개인의 교육 성취에 부정적인 영향을 미칠 가능성이 높다고 예상할 것입니다. 이는 부정적인 관계로 특징지어질 수 있는데, 유색인종이라는 것은 개인의 교육적 성취에 부정적인 영향을 미칩니다. 실제로 이 가설은 백인보다 대학 진학률이 더 높은 아시아계 미국인을 제외하면 사실임이 입증되었습니다. 그러나 흑인과 히스패닉계, 라틴계는 백인과 아시아계 미국인에 비해 대학에 진학할 가능성이 훨씬 낮습니다.

가설 수립
가설 수립은 연구 프로젝트 초기에 이루어질 수도 있고 , 약간의 연구가 이미 완료된 후에 이루어질 수도 있습니다. 때때로 연구자는 자신이 연구에 관심이 있는 변수가 무엇인지 처음부터 바로 알고 있으며, 이미 이들 변수의 관계에 대해 예감하고 있을 수도 있습니다. 다른 경우에는 연구자가 특정 주제, 추세 또는 현상에 관심이 있을 수 있지만 변수를 식별하거나 가설을 공식화할 만큼 이에 대해 충분히 알지 못할 수도 있습니다.

가설을 세울 때마다 가장 중요한 것은 변수가 무엇인지, 변수 간의 관계의 성격은 무엇인지, 변수에 대한 연구를 어떻게 수행할 수 있는지를 정확하게 설명하는 것입니다.


경로분석의 이해

개요
경로 분석은 다른 기술과 달리 모든 독립 변수 간의 관계를 지정해야 하기 때문에 이론적으로 유용합니다. 그 결과 독립변수가 종속변수에 직접적, 간접적 영향을 미치는 인과 메커니즘을 보여주는 모델이 탄생했습니다.

경로 분석은 1918년 유전학자인 Sewall Wright에 의해 개발되었습니다. 시간이 지남에 따라 이 방법은 사회학을 포함한 다른 물리 과학 및 사회 과학에 채택되었습니다. 오늘날에는 SPSS, STATA 등의 통계 프로그램을 사용하여 경로 분석을 수행할 수 있습니다. 이 방법은 인과관계 모델링, 공분산 구조 분석, 잠재변수 모델이라고도 알려져 있습니다.

경로 분석을 사용하는 방법
일반적으로 경로 분석에는 모든 변수 간의 관계와 변수 간의 인과 방향이 구체적으로 배치된 경로 다이어그램의 구성이 포함됩니다. 경로 분석을 수행할 때 먼저 가정된 관계를 보여주는 입력 경로 다이어그램을 구성할 수 있습니다 . 경로 다이어그램에서 연구자들은 화살표를 사용하여 다양한 변수가 서로 어떻게 관련되어 있는지 보여줍니다. 예를 들어 변수 A에서 변수 B를 가리키는 화살표는 변수 A가 변수 B에 영향을 미칠 것이라는 가설을 보여줍니다.

통계 분석이 완료된 후 연구자는 수행된 분석에 따라 실제로 존재하는 관계를 보여주는 출력 경로 다이어그램을 구성합니다. 연구자의 가설이 맞다면 입력 경로 다이어그램과 출력 경로 다이어그램은 변수 간의 동일한 관계를 보여줍니다.

연구에서의 경로 분석의 예
경로 분석이 유용할 수 있는 예를 고려해 보겠습니다. 나이가 직업 만족도에 직접적인 영향을 미친다는 가설을 세웠고 나이가 많을수록 직업에 대한 만족도가 더 높아진다는 등 긍정적인 영향을 미친다는 가설을 세웠습니다. 좋은 연구자라면 직업 만족도의 종속 변수에도 영향을 미치는 다른 독립 변수(예: 자율성, 소득 등)가 확실히 있다는 사실을 깨닫게 될 것입니다.

경로 분석을 사용하여 연구원은 변수 간의 관계를 차트로 나타내는 다이어그램을 만들 수 있습니다. 이 다이어그램은 연령과 자율성(일반적으로 나이가 많을수록 자율성 정도가 높기 때문에)과 연령과 소득(두 가지 사이에는 긍정적인 관계가 있는 경향이 있음) 사이의 연관성을 보여줍니다. 그런 다음 다이어그램은 두 변수 세트와 종속 변수인 직업 만족도 사이의 관계도 표시해야 합니다.

이러한 관계를 평가하기 위해 통계 프로그램을 사용한 후 다이어그램을 다시 그려 관계의 규모와 중요성을 나타낼 수 있습니다. 예를 들어, 연구자는 자율성과 소득이 모두 직업 만족도와 관련되어 있고, 이 두 변수 중 하나가 다른 변수보다 직업 만족도와 훨씬 더 강한 연관성을 갖고 있거나, 두 변수 모두 직업 만족도와 유의미한 연관성이 없다는 사실을 발견할 수 있습니다.

경로분석의 장점과 한계
경로 분석은 인과 가설을 평가하는 데 유용하지만 이 방법으로  인과 관계의 방향을 결정할 수는 없습니다  . 상관관계를 명확히 하고 인과 가설의 강도를 나타내지만 인과 관계의 방향을 증명하지는 않습니다. 인과관계의 방향을 완전히 이해하기 위해 연구자들은 참가자를 치료군과 대조군에 무작위로 배정하는 실험적 연구 수행을 고려할 수 있습니다.