기초통계에서 고급통계까지 : 양적연구 방법을 중심으로

  
Ⅰ. 양적연구의 이해

1. 과학적 연구 방법의 개요

1) 과학이란 무엇인가?

(1) 지식 획득 방법 
  비과학적 : 기억, 직관, 권위, 이성, 경험 
  과학적 : 논리적 절차로 비개인성, 객관성, 공개성 확보 
  논리적 절차 : 
   문제인식과 가설설정→실험설계→실험수행→가설검증→보고서 작성

(2) 과학적 방법의 특성 
  통제(control) 
  조작적 정의(operational definition) 
  결과의 반복(replication)

(3) 과학의 목표 
  기술(description) 
  설명(explanation) 
  예견(predict) 
  통제(control)

(4) 과학의 역할 
  과학에서 이론(theory)의 역할 : 
   지식의 통합과 요약, 새로운 연구의 착안, 후속 연구 가능 
  과학자의 역할 : 편견의 배제, 수용적 태도, 인내력 
 

2) 연구 
(1) 연구의 목적 
  문제 해결 
  이론 창출

(2) 과학적 연구의 과정 
  과학적: 객관적, 논리적, 실증적 등 
  연구의 과정: 연구문제 →연구가설→자료의 수집과 분석→ 
               가설검증→연구문제의 답/이론의 창출

(3) 연구법 
  학문의 도구(cf. 영어, 컴퓨터) 
  硏盲(research illiteracy) ; (cf. 문맹, 컴맹, 통맹…)

(4) 연구의 유형 
  실용적 연구와 학문적 연구 
  양적연구와 질적연구 
  분류의 어려움, 보다 구체적인 연구 유형의 설명은 다음 절에서

3) 기술연구

(1) 기술연구(descriptive research)의 특징 
  주어진 현상의 정확한 묘사 
  조작과 통제를 배제한 단순한 관찰 
  변인간의 관계 규명(인과관계) 
  요인간의 관계 규명(가설 설정)

(2) 2차 자료(secondary records) 
  현상을 설명하기 위해 수집된 자료 
  변인간의 관계 설명 
  장점 : 실험에 비해 자료의 신빙성 
  단점 : 선택적 폐기(selective deposit), 선택적 유지(selective survival)

(3) 자연적 관찰(naturalistic observation) 
  자연적인 현상의 관찰 연구 
  장점 : 실험실, 현장 실험에 쓰일 수 있는 가설 설정, 인공성 배제(현상의 본 
         질 인식)

  단점 : 사건의 진정한 원인 파악 어려움, 여러 행동들의 분류화 어려움, 많은 
         시간

(4) 사례연구(case study) 
  현상에 대한 심층적 묘사 
  자료 수집 : 인터뷰, 기록 잘, 문서 등 
  장점 : 풍부한 연구, 예외적 사건 연구, 반대적인 사례 연구 
  단점 : 연구 결과의 일반화 어려움

(5) 상관연구(correlational study) 
  두 변인이 서로 관련있게 변하는 사건 
  장점 : 변인의 통제, 조작이 어려울 때(실험적 연구의 대체) 
  단점 : 제 3의 변인(third variable) 통제의 문제

(6) 사전·사후연구(ex post facto study) 
  인과비교연구(causal comparative research)라고도 하며 연구 이전에 주어진 
  처치변인(독립변인)의 효과 규명 
  장점 : 현실적으로 통제, 조작이 불가능한 경우 
  단점 : 관계에 대한 부족한 설명

(7) 종단연구(longitudinal study) 
  동일 연구 대상을 장기적으로 연구 
  장점 : 변화 양상의 구체화 
  단점 : 비용 시간의 문제, 피험자의 탈락, 반복적인 검사 및 측정의 신뢰성 문제

(8) 횡단연구(cross-sectional study) 
  여러 층을 동시에 연구 
  장점 : 적은 비용, 시간 
  단점 : 변화의 참모습 파악 어려움, 표집 오차의 수반 
(9) 조사연구(survey) 
  현상에 대한 있는 그대로의 연구 
  자료 수집 : 면접법, 질문지법, 전화조사 
  장점 : 현 실태에 대한 깊은 이해, 단시간에 많은 정보 입수 
  단점 : 표집에 따른 오차 수반, 응답자의 불성실성(자료의 부실) 
(10) 참여관찰(participant observation) 
  피관찰자와 함께 생활하면서 연구 
  장점 : 심층적, 생동적 연구, 폐쇄적인 현상에 대한 연구 
  단점 : 피관찰자의 의식(비정상적 행동 유발), 관찰자의 객관성 유지 어려움

(11) 메타분석(meta analysis) 
  선행연구들을 수집하여 연구의 주제들이 갖는 일반적인 성격을 통계적으로 
  분석함 
  방법 : 
     (가) 문제 진술 
     (나) 문헌 조사 
     (다) 결과 분석 및 코드화 
     (라) 연구 결과의 양화 
     (마) 통계적 분석(결과 해석)

4) 실험연구 
(1) 실험연구의 특징 
  독립변인이 종속변인에 미치는 영향(인과관계)의 규명 
  평균의 차이〓영향〓인과관계 
  변인들에 대한 조작, 통제 
  장점 : 결과의 지속성, 새로운 사고 가능 
  단점 : 실험 상황의 인위성, 실험설계의 어려움, 인간 대상 연구의 윤리성

(2) 인과관계의 구성 
  원인의 일치(method of agreement) 
  결과의 차이(method of difference) 
  혼합, 가설 설정, 실험(joint method of agreement and difference) 
  존재론적 필연성(ontological necessity)으로 인해서 나타나는 발생적 계열로 
  원인과 결과의 연쇄라는 가정의 만족

(3) 실험실 실험과 현장 실험 
  실험실 실험: 엄격한 조건 통제 
    장점 : 복잡한 현상의 인과관계 규명, 법칙의 수립, 고도의 지식 수립 
    단점 : 실제 생활 적용의 어려움 
  현장 실험 : 실제 현장에서 실험 
    장점 : 현장 적용, 변인들의 영향력이 강함 
    단점 : 변인 통제의 어려움 
  실험설계(experimental design)와 유사실험설계(quasi-experimental design)

(3) 실험연구의 타당도 
  내적타당도: 연구과정에서의 논리성/타당성 
  외적타당도: 연구결과의 일반화정도

5) 질적연구

(1) 질적연구의 의미 
  질적; 민속학적, 해석학적, 자연주의적, 현상학적, 참여관찰적… 
  질적이란 : 경험적 해석, 상황적 설명, 총체적 접근, 해석적 이해

(2) 체육학에서 질적연구의 특성 
  스포츠나 체육의 현장을 연구대상자의 시각을 통해서 연구 
  스포츠나 체육의 현장에서 일어나는 인간의 행위나 특정현상을 서술적인 방 
  법으로 상황적 맥락에서 총체적으로 파악 
  연구과정이 유동적이고 비조직적이며 연구수행 중 연구문제나 가설 등의 수 
  정 가능 
  연구결과보다 연구과정을 중시하며 경험을 근거로 현상을 파악 
 

(3) 질적연구의 타당도 
  내적타당도 : 자료의 진실성 
  외적타당도 : 전이성(transferability), 작업가설, 구체적 보편개념, 사용자／일 
반화 가능성...... 
  
 

2. 스포츠사회학 연구의 동향: 연구방법을 중심으로

1) 사회학/ 스포츠사회학에서 양적연구 
  양적연구: 숫자(계량화, 수량화, 과학적 방법?) 
  Sociometrix, Sociogram 등 
  SPSS(statistical package for the social sciences) 
  Sage series: Sage 대학 출판부에서 발행하는 사회과학에서 사용되는 양적연 
구 방법에 관한 대표적인 연속간행물로서 1976년에 제 1권(Analysis of Variance) 
을 시작으로 1996년에 제 114권(Lisrel Approaches to Interaction Effects in 
Multiple Regression)에 이르고 있다. 
 ex)  제 69권 Principal Components Analysis 
      제 91권 Nonparametric Measures of Association 
      제 93권 Regression With Dummy Variables 
  
2) 한국체육학회지('89∼'98)

<표Ⅰ-2> 연구방법의 동향 (단위 : 편) 
  
  
 

■ 한국체육학회지에 실린 스포츠사회학 연구의 동향에서 나타난 특징

(1) 논문 편수의 증가 
(2) 조사 대상 72편 중 양적연구 59편(82%), 질적연구 13편(18%) 
(3) 양적연구방법의 변화 경향 
검증 → t 검증 → 분산분석 → 공분산분석 → 회귀분석 → 경로분석 → 
Structural Equation Modeling 
(두 변인의 관계 → 다변인의 관계 → 이론 모형의 검증)

2) Sociology of Sport Journal

(1) 양적연구 방법의 경향

<표Ⅰ-3> 양적연구 방법의 비율 
 

(2) 사용기법 
<표Ⅰ-4> 양적연구 방법의 사례수 
  
 

Ⅱ. 양적연구(1) : 영향의 규명

양적연구(quantitative research)는 실증적 연구를 뜻하며 실험연구가 대표적이 
다. 실험연구의 목적은 실험을 통해서 얻은 자료를 근거로 처치변인이 종속변인에 
미치는 영향을 규명하는 것이다. 그러므로 체육학에서 실험연구의 의미는 실험을 
통한 체육이나 스포츠 현장에서의 문제의 해결과 이론의 창출에 있다. 오늘날에는 
스포츠 심리학이나 스포츠 교육학 등의 분야에서 실험연구에 의한 행동분석의 단 
점이 지적되면서 질적연구도 증가하고 있는 추세이지만 아직도 체육학 연구의 대 
부분이 조사나 실험에 의한 실증적 자료분석을 통한 양적연구이다. 
실험연구의 장점은 분산의 분석에 의한 인과관계의 규명에 있다. 즉, 순수한 실 
험적 처치에 의하여 생기는 분산과 통제할 수 없는 이유 때문에 생기는 오차를 
변별함으로써 처치변인이 종속변인에 미치는 영향을 규명할 수 있다. 이는 기술연 
구에서 상관분석에 의한 인과관계의 규명과는 구분된다. 즉, 조사연구에서 상관분 
석에 의한 두 변인간의 관계는 단순한 통계적상관(statistical relationship)으로 기 
능적상관(functional relationship)이 아니다. 그러므로 조사연구에서는 상관관계를 
통한 직접적인 인과관계의 규명보다는 전공적인 지식을 기초로 간접적으로 인과 
관계의 추정이 이루어지거나 조사연구의 일종인 인과비교연구(causal comparative 
research)나 유사실험설계 등의 연구방법을 활용하여 인과관계를 분석한다. 
인과비교연구는 사후연구 혹은 소급연구(ex post facto research)를 뜻한다. 인 
과비교연구는 스포츠사회학이나 스포츠교육학 등의 분야에서 연구자가 의도적인 
실험이나 처치가 불가능한 상황에서 연구 이전에 원인의 요인으로 간주할 수 있 
는 처치가 이루어진 것으로 간주될 때, 종속변인을 측정 혹은 조사하여 처치변인, 
즉 독립변인이 종속변인에 미치는 영향을 규명함으로써 독립변인과 종속변인간의 
인과관계를 추정하는 연구이다.

1. 실험설계의 개념 
  
실험은 독립변인을 다양하게 조작하여 종속변인에 미치는 영향을 규명하는 연 
구방법이다. 그러므로 실험 조건별 동일한 상황을 유지하여 가외변인을 통제하는 
것이 실험연구의 타당성을 결정하는 관건이다. 즉, 실험의 목적은 가외변인을 통제 
하여 처치변인의 효과를 극대화하고 가외변인의 효과를 최소화하는데 있다. 그러 
나 실험은 아무리 통제를 엄격하게 하여도 우연적인 변인 및 가외변인이 개입하 
여 순수한 처치효과를 기대하기 어렵다. 따라서 연구자는 종속변인의 차이가 실험 
처치의 진정한 효과의 차이로 인해서 나타난다는 것을 보증할 수 있도록 실험방 
법을 결정해야한다. 연구상황에 따라서 다양한 실험방법이 있을 수 있으며 실험방 
법에 따라서 실험과정과 자료분석의 차이가 있다. 그러므로 여러 가지 기초적인 
실험요령과 실험방법에 대한 전반적인 이해가 필요한데, 이를 구체화하여 實驗設 
計(experimental design)라 하며 통계학, 측정평가, 연구법 등과 구분된다. 즉, 실 
험설계는 종속변인의 차이가 실험 처치의 효과로 인한 것임을 담보하기 위하여 
독립변인의 수준별 처치방법이나 자료분석 방법 등의 제반 실험과정에 대해 세운 
계획을 뜻한다. 
실험연구에서 실험설계의 궁극적인 목적은 가외변인의 통제(control)로 처치집단 
(treatment group)과 비교집단 또는 통제집단(control group)에서 독립변인에 의한 
차이 이외의 실험여건을 동일하게 하는 일이다. 그러므로 실험설계에서 독립변인 
이외의 종속변인에 영향을 미치는 변인으로서 정의되는 가외변인 또는 외생변인 
(extraneous variable 또는 nuisance variable)을 파악하고 이를 통제할 수 있도록 
계획하여 조건별 실험 연구여건의 형평성을 유지하도록 해야 한다. 체육학의 실험 
연구에서 일반적인 가외변인으로는 측정도구, 순서, 시기 등 제한된 실험의 환경에 
서 파생할 수 있는 변인과 피험자의 심리적 생리적 요인과 관련된 변인 등이 있 
다. 
  
 

2. 실험설계의 기본원리

실험설계는 실험의 결과 얻어진 처치효과가 연구자가 원하는 진정한 효과의 불 
편추정량(unbiased estimates)이라는 것을 보증해 줄 수 있도록 해야 한다. 또한 
실험의 결과 얻어진 처치효과의 정밀성을 양적으로 기술할 수 있도록 설계해야 
하며 비용뿐만 아니라 노력 시간 면에서 충분히 효율적이어야 한다. 
실험설계는 내적타당도와 외적타당도에 의해 평가된다. 內的妥當度(internal 
validity)는 실험이 얼마나 과학적이고 논리적으로 행하여 졌는가하는 정도로서 독 
립변인 이외의 모든 실험조건의 형평성 혹은 가외변인의 통제 정도이다. 그리고 
外的妥當度(external validity)는 연구결과의 적용 또는 해석의 범위로 일반화 가능 
성(generalization)의 정도이다. 즉, 특정 실험연구의 결과를 다른 실험상황, 다른 
대상, 다른 시기 등에 일반화시킬 수 있는 정도를 의미한다(이종승, 1984). 
따라서 실험연구에서는 가외변인의 통제를 통하여 오차분산을 최소화하고 처치 
분산을 최대화하여 처치변인의 효과를 극대화하도록 설계해야 한다. 이는 가외변 
인의 통제가 연구의 내 외적 타당도와 직결되는 문제로 실험연구의 관건이 되기 
때문이다. 통제의 목적은 가외변인의 통제뿐만 아니라 처치수준의 다양한 조작을 
통한 종속변인의 변화를 정확하게 파악하는데 있다. 
내적타당도를 높이기 위해서는 무엇보다도 충분한 선행연구의 고찰과 전공지식 
에 근거하여 체계적인 실험계획을 수립하고 연구를 수행하여야 한다. 그리고 가능 
한 모든 피험자에게 실험여건을 동일하게 하고 피험자와 연구자의 편견을 배제하 
여야 함은 물론 양질의 도구를 사용한 측정이 이루어져야 한다. 구체적인 내적타 
당도의 저해요인(fatigue, learning effect, carryover effect 등)의 통제방법으로는 
무선할당, 위약 등의 방법이 있다. 
무선할당은 '난수표'나 컴퓨터의 통계프로그램을 이용하나 피험자가 많지 않은 
경우 '제비뽑기'를 이용할 수도 있다. 무선할당은 처치수준별 집단의 구분뿐만 아 
니라 무선화에 의한 실험절차나 순서를 결정하는 것도 반복측정에 의한 피로, 학 
습효과, 전이효과 등의 가외변인을 통제하는 방법으로 활용된다. 특히 처치변인이 
둘 이상이거나 집단내설계(within subject design)에서 동일 피험자에게 반복적인 
측정이 이루어질 때, 처치수준별 그리고 피험자별 실험순서는 종속변인에 영향을 
미칠 수 있는 중요한 요인이 될 수 있다. 그러므로 연구자는 가능한 한 무선화에 
의해 제반 실험조건을 동일하게 하도록 실험을 계획하고 수행해야 한다. 
검사와 관련된 내적타당도의 저해요인은 사전검사의 영향, 잘못된 검사도구, 검 
사자의 문제 등 다양하다. 그러나 가장 중요한 문제는 잘못된 검사도구의 사용이 
라 할 수 있다. 이는 검사도구 자체의 문제로 인하여 종속변인을 정확하게 측정하 
지 못할 때 독립변인의 효과를 명확하게 평가할 수 없기 때문이다. 
검사도구는 심동적 영역의 측정을 위한 실기 검사도구 뿐만 아니라 정의적, 인 
지적 영역의 필기검사 도구 등을 포함하며, 신뢰도, 타당도, 객관도 등으로 평가된 
다. 검사도구와 함께 연구자의 편견과 관련된 Halo효과 그리고 피험자의 편견과 
관련된 Hawthorne효과 등을 고려하여 제반 측정환경을 공평하게 통제할 수 있도 
록 해야한다. 
약물 처치에 의한 실험연구에서 피험자가 통제집단인지 처치집단인지 알 수 없 
도록 하여 심리적 변화를 극소화하기 위한 방법, 즉 Halo효과를 통제하기 위한 방 
법으로 위약(placebo)을 사용한다. 위약은 처치집단에게 주어지는 약과 외형상으로 
같으나 내용물에서 차이가 있어 통제집단의 심리적 상태를 처치집단과 동일하게 
유지할 수 있는 장점이 있다. 
Blind방법은 피험자 혹은 실험자가 처치수준별 집단에 대한 사전 정보를 봉쇄하 
는 방법이다. 단일 Blind 방법은 연구자가 피험자에게 어떤 집단에 소속되었는지 
알리지 않거나 피험자가 어떤 집단에 속하는지를 모르도록 하는 방법이다. 그리고 
복수 Blind는 실험자와 피험자 모두가 처치집단과 통제집단을 모르도록 하는 방법 
이다. 
연구의 내적타당도는 연구문제의 선정에서 자료의 분석, 해석까지 전반적인 과 
정의 체계성이나 논리성으로 평가된다. 특히, 자료분석에서 사용된 통계기법의 적 
법성이나 결과해석의 정확성이 내적타당도와 관련된 문제이다. 그러므로 실험연구 
에서 타당한 연구결과를 얻기 위한 연구자의 기본적 자격 요건으로써 측정이나 
자료분석에 대한 기본지식이 중요하다. 대부분의 체육학 실험연구에서는 연구대상 
이 인간이라는 점에서 연구자의 윤리적인 자질과 함께 연구대상의 인간적인 관리 
를 통해서 중도탈락자를 방지하고 실험에 최선을 다하도록 하는 것도 내적타당도 
를 제고하기 위한 중요한 방법이다. 피험자를 무조건 복종하게 하는 통제방법보다 
는 사전에 연구의 의미와 과정 등을 이해시키고 연구결과를 피험자에게 알려주는 
등 적극적인 참여를 유도할 수 있는 방법을 모색해야 한다. 
외적타당도는 연구대상, 처치변인, 실험상황의 관점에서의 일반화 가능성이다. 
이를 높이기 위해서는 가능한 한 무선표집에 의한 피험자 선정, 그리고 무선화에 
의한 처치변인 수준 및 실험처치가 이루어지도록 해야 한다. 특히 외적타당도의 
중요 영역 중의 하나인 생태적 타당도는 체육학에서 실험의 결과가 실제의 체육 
이나 스포츠 현장에서 적용될 수 있는 정도로서 평가된다. 그러므로 연구자는 실 
험상황과 실제상황의 차이를 최소화하고 피험자가 실제상황에서와 같은 인식과 
행동을 할 수 있도록 제반 여건을 조성해야 한다. 그러나 실제로 실험연구에서 내 
적타당도를 제고하기 위하여 통제를 강화하면 생태적 타당도를 저해할 수 있어, 
많은 체육학자들은 체육 . 스포츠과학 분야의 실험도 실험실보다는 실제 체육이나 
스포츠 상황에서 이루어져야 한다고 주장한다(Thomas와 Nelson, 1990).

3. 실험설계의 유형

집단별 피험자의 독립성 여부에 따라서 실험설계는 급간설계, 급내설계, 혼합설 
계로 구분된다. 세 가지 유형별 처치 방법뿐만 아니라 자료분석 등 제반 실험절차 
에서 많은 차이점이 있기 때문에, 설계유형별 장·단점이 파악되어야 효율적인 실 
험계획을 수립할 수 있다. 
급간설계(between subject design)는 독립변인 수준별 집단이 서로 독립적인 실 
험설계이다. 일례로, 30명의 피험자를 대상으로 두 가지 트레이닝 방법의 근력증강 
효과를 비교하기 위해서 15명씩 무선할당 하거나 트레이닝을 받지 않은 통제집단 
을 두어 10명씩 3집단으로 무선할당을 하는 연구는 급간설계이다. 
급내설계(within subject design)는 반복피험자설계(repeated subject design, 
correlated group design, treatment-by-subject design)라 하며 독립변인의 수준별 
로 집단 간에 서로 관련이 있는 경우이다. 체육학에서 일반적인 급내설계는 각 집 
단의 피험자가 동일한 경우이거나 형제, 부부, 자매 등 관련성이 있는 경우이다. 
일례로, 스포츠심리학에서 10명의 피험자를 선정하여 물체의 움직이는 속도수준에 
따른 거리감각 능력을 알아보는 연구를 가정하자. 만약 10명이 3가지 조건의 속도 
에서 처치를 반복적으로 받을 때 이는 급내설계라 할 수 있다. 
혼합설계는 독립변인이 2개 이상 즉, 2원설계에서 가능한 실험설계로 한 독립변 
인은 처치수준별 피험자가 서로 독립인 급간설계이고 다른 독립변인은 처치수준 
별 피험자가 동일한 급내설계를 뜻한다. 그러므로, 성별(남, 여)과 트레이닝 방법 
(A, B)에 따른 근력증강 효과의 연구에서 성별 변인은 급간설계로 트레이닝 방법 
은 급내설계로 이루어진다면 이 연구는 혼합설계라 할 수 있다. 
급간설계에서는 무선할당에 의한 독립변인의 수준별 집단이 결정되기 때문에 
실험처치 이전의 동질성을 가정할 수 있다. 그러나 실험효과의 정도는 각 피험자 
에 있어서 차이가 날 수 있으므로 피험자간의 동질성 정도는 실험효과의 판정에 
큰 영향을 미친다. 즉, 피험자간에 실험효과의 차이가 클수록 실험오차가 커져서 
실험효과의 판정에 정확성이나 신뢰성이 떨어지게 된다. 일반적으로 급내설계에서 
는 동일 피험자가 반복하여 모든 실험처치를 받기 때문에 처치변인의 수준별 피 
험자 점수의 차이가 급간설계보다 작아서 같은 조건이라면 검정 통계치(t값 또는 
F값)가  커진다. 또한 급내설계에서는 급간설계보다 적은 수의 피험자가 요구되기 
때문에 실험의 통제가 용이하고 경비나 시간을 절약할 수 있는 장점이 있다. 그러 
나 급내설계에서는 반복처치나 측정에 의한 연습의 효과, 피로, 전이효과 등의 가 
외변인의 통제가 급간설계보다 어렵다는 단점이 있다. 
실험설계는 독립변인의 수와 독립변인 수준의 특성에 의해서도 구분된다. 독립 
변인이 하나인 경우를 일원설계라 하고 피험자의 특성에 따라 급간 또는 급내설 
계로 구분하며 이를 종합하여 일원급간 또는 일원급내설계라 한다. 그리고 독립변 
인이 둘인 경우 이원설계라 하고 이는 이원급간, 이원급내 또는 이원혼합설계로 
세분된다. 일반적으로 이원 이상의 설계를 요인설계(factorial design)라고 하고 독 
립변인의 수준과 집단별 피험자의 관계를 고려하여 2×3 급간설계 또는 2×3×4 
급내설계 등으로 표시한다. 2×3 급간설계는 첫 번째 독립변인의 수준이 2이고 두 
번째 독립변인의 수가 3이며 처치별 집단수(cell)가 6(2×3)인 설계로 집단별 피험 
자가 다르다. 그러나 2×3 급내설계라고 하면 처치별 집단수가 6이고 동일 피험자 
가 반복하여 6가지 실험처치를 받는 경우이다. 또한 독립변인 수준이 고정인자 
(fixed factor)이냐, 무선인자(random factor)이냐에 따라서 고정모형, 무선모형, 그 
리고 혼합모형로 구분된다. 여기서 모형은 설계와 같은 의미이나 급간설계나 혼합 
설계의 유형과 구분하기 위하여 사용되는 용어이다. 만약 독립변인의 수준이 어떤 
모집단에서 표집되지 않고 연구자가 설정한 값일 경우 처치효과는 연구에서의 수 
준별 차이로 한정하여 해석되나, 독립변인의 수준이 어떤 모집단의 개념에서 무선 
표집으로 몇 수준이 표집되었을 때 표본의 수준별 차이는 모집단의 수준별 차이 
로 해석될 수 있다. 이 때 전자를 고정모형이라고 하고 후자를 무선모형이라 하며 
이원설계에서 한 독립변인의 수준이 고정인자로 다른 독립변인의 수준은 무선인 
자로 설계되었을 때 혼합모형이라 한다. 
대부분의 체육학 실험연구는 고정모형이나 스포츠교육학 등에서 무선모형에 의 
한 연구가 종종 수행되고 있다. 일례로, A지역의 체육교사 30명중에서 무선표집으 
로 5명을 뽑아 특정 행동에서 교사간의 차이가 나타났을 때 30명의 교사간에도 
차이가 있다고 확대 해석할 수 있다.

1) 일원급간설계

일원급간설계는 독립변인이 하나이고 수준별 피험자가 서로 독립인 실험설계를 
뜻한다. 독립변인 수준의 수와 통제집단의 유무에 따라 여러 가지 유형이 있을 수 
있으며 대표적인 3가지 형태를 도식화하면 [그림Ⅱ-1]과 같다. 
 

[그림Ⅱ-1] 일원급간설계의 예

A에서는 처치집단과 통제집단으로 무선할당하여 처치후의 종속변인 측정으로 
처치효과를 판정한다. B에서는 A와 같으나 통제집단 대신 또 다른 처치집단을 이 
용하여 두 가지 처치간의 효과차이를 규명하는 것이다. 그리고 C에서는 두 처치집 
단과 하나의 통제집단을 이용하여 처치효과는 물론 처치간의 효과차이도 규명할 
수 있는 설계이다. 
A나 B에서 처럼 두 집단인 경우에는 독립 t검정이나 F검정을 사용하여 평균차 
이 검정을 한다. SAS나 SPSS 등 통계 프로그램을 이용하여 독립 t검정 사용시 
두 가지 검정통계치를 제공한다. 하나는 두 집단 간의 동분산을 가정할 경우와 가 
정할 수 없는 경우이다. 통계책을 참고하여 자료분석의 오류를 범하지 않도록 해 
야 한다. C와 같이 집단 수가 3 이상인 경우는 분산분석(ANOVA; analysis of 
variance)인 F검정을 한다. F검정은 전반적인 평균차이 검정이기 때문에 F검정에 
서 통계적으로 유의한 차이가 나타났을 때 Scheffe나 Turkey 등의 사후검정을 통 
해 특정 두 집단 간의 평균차이를 검정할 수 있다. 만약 독립 t검정을 반복하는 
경우에는 유의수준( )이 커지게 되어 통계적인 문제점이 유발되고 전반적인 평균 
차이 검정이 어려워지기 때문에 유의하여야 한다. 또한, 측정치가 서열 등의 비연 
속자료일 때는 t검정이나 F검정에 해당하는 비모수 통계를 사용해야 하고, 독립변 
인의 수준이 3 이상이면서 수준을 연속적인 개념(예, 인삼 투여량 0, 10, 20, 30 
40g 등)으로 해석할 수 있을 때는 F검정과 함께 경향분석(trend analysis)을 사용 
하여 다른 정보도 얻을 수 있다. 
일원급간설계의 예로, 교양체육시간에 세 가지 테니스 교수방법 중 효과적인 방 
법을 알아보기 위해 21명의 학생을 세 집단으로 무선할당하여 포핸드스트로크 점 
수로 기말시험 평가를 한다고 가정해 보자. 연구문제에 대한 통계적 영가설(Ho; 
null hypothesis)을 세 가지 교수방법간에는 차이가 없다(μ1=μ2=μ3 또는 α1=α 
2=α3)고 했을 때 이를 검증하기 위한 F검정의 결과는 <표Ⅱ-1>과 같다.

<표Ⅱ-1> 일원급간설계의 분산분석 결과표

영가설을 유의수준 0.01에서 검증한다면 임계치[F(0.01; 2,18)]는 F분포표에서 
6.01이다. <표Ⅱ-1>의 검정통계치(F값)가 33.91로 임계치보다 크므로 영가설을 기 
각할 수 있으며, 따라서 세 집단 중에서 평균점수가 높은 집단의 교수방법이 효과 
적이라 할 수 있다. 집단 간의 구체적인 평균차이는 사후검사(post hoc test)로 가 
능하다.

2) 일원급내설계

한 집단의 피험자를 처치수준이나 처치 유무에 따라 구분하지 않고 모든 실험 
조건에서 반복적으로 처치하는 설계이다. 일원급간설계에서 처럼 몇 가지 일원급 
내설계를 도식화하였다. 
 

* G : Group C: Control,   T: Treatment 
<그림Ⅱ-2> 일원급내설계의 예

A, B, C 일원급내설계는 일원급간설계와 유사하나 모든 조건에서 처치집단과 
통제집단의 피험자가 동일하다. 급내설계에서는 동일인이 여러 번의 처치를 받고 
같은 검사를 반복하기 때문에 통제가 중요하다. 손 쉬운 방법은 측정시간이나 순 
서 등 제반 실험절차를 무선화로 통제하는 것이다. 자료분석은 두 집단인 경우 종 
속 t검정(dependent, paired, or correlated t-test)을 사용하고 세 집단 이상인 경우 
반복일원분산분석(repeated ANOVA)을 사용한다. 
일원급내설계의 예로, 10명의 피험자를 대상으로 속도수준이 거리감각 능력에 
미치는 영향을 알아보는 연구를 가정한다. 모든 피험자를 세 가지 속도수준에서 
거리감각 능력을 구하여 F검정을 한 결과는 <표Ⅱ-2>와 같다.

<표Ⅱ-2> 일원급내설계에서의 분산분석의 결과표

F분포표를 이용하면 유의수준 0.01과 자유도 2와 18에서 임계치 F값은 6.01이고 
검정통계치는 90.05이다. 검정통계치가 영가설의 기각역에 존재하므로 영가설을 
기각하며 공의 속도수준이 거리감각 능력에 영향을 미친다고 결론을 내릴 수 있다.

3) 이원급간설계

이원급간설계는 두 개의 독립변인의 처치효과를 규명하는 연구이다. 이원급간설 
계에서는 일원급간설계를 두 번 반복하는 결과와 같으며, 일원급간설계에서 얻을 
수 없는 두 독립변인의 상호작용 효과(interaction effect)에 대한 정보를 얻을 수 
있다. 일례로, 2×3 급간설계 또는 2×3 요인설계로서 테니스 스트로크 지도에서 
성별(a1, a2)과 교수법(b1, b2, b3)의 효과]를 규명하기 위한 연구를 가정하고 도식화 
하면 다음과 같다. 이원급간설계에서는 무선표집된 피험자를 각 집단에 무선할당 
하는 것이 일반적이다.

[그림Ⅱ-3] 이원급간설계의 예

 상기 예에서 집단별 사례수를 10으로 가정하면 약 60명의 피험자를 표집하여 
무선 할당으로 10명씩 나눈다. 특히 이원분산분석을 이용한 자료분석을 할 때 전 
제조건 중의 하나가 동분산(homogeneity 또는 homoscedasticity)의 가정이고 일반 
적으로 집단별 사례수가 동일하며 이 가정을 만족하므로 실험 도중의 탈락자가 
없도록 유의한다. 첫 번째 집단(a1b1)에서 처치 후의 첫 번째 피험자의 측정치를 
ａ1ｂ1ｘ1, 10번째 피험자의 점수가 ａ1ｂ1ｘ10으로 기술한다. 
위에서 설명한 2×2 급간설계와 관련된 연구문제를 근거로 설정한 영가설은 다 
음의 세 가지로 요약되며 분산분석의 결과표는 <표Ⅱ-3>과 같다. 
① 남녀간 스트로크 능력에는 차이가 없다. 
   (μa1=μa2 또는 αa1=αa2) 
② 교수법간 스트로크 능력에는 차이가 없다. 
   (μb1=μb2 또는 αb1=αb2) 
③ 성별과 교수법간에는 상호작용이 없다. 
  (μ11=μ12=μ21=μ22 또는 α11=α12=α21=α22) 
 

<표Ⅱ-3> 이원분산분석표 
 

이원분산분석에서 결과표의 해석요령은 일원분산분석의 요령과 동일한다. 첫 번 
째 영가설은 검정통계치(12.23)가 유의수준 0.05와 자유도 1, 16에서의 임계치 
(4.49)보다 크므로 기각된다. 같은 요령으로 영가설을 검증하면, 두 번째와 세 번 
째 영가설도 기각된다. 특히, 통계적으로 유의한 상호작용효과가 있다고 결론을 내 
리고 A변인의 각 수준에서 기대값의 차이가 B변인의 수준에 따라 변화한다고 해 
석한다.

4) 이원급내설계

이원급내설계는 일원급내설계와 같은 개념이나 독립변인이 둘이라는 점에서 구 
분된다. 일례로 온도(a1, a2)와 습도(b1, b2)가 심박수에 미치는 영향을 분석하는 연 
구에서 10명의 피험자를 선정할 때, 10명이 반복하여 4가지 조건에서 처치를 받는 
실험설계는 2×2 급내설계가 된다. 
  
  
[그림Ⅱ-4] 이원혼합설계의 예 
 

이원급내설계에서도 이원급간설계처럼 독립변인 각각의 효과와 상호작용효과의 
규명이 가능하며 자료분석은 반복이원 분산분석을 이용한다. 특히, 이원급내설계에 
서는 일원급내설계보다 반복되는 처치나 측정 횟수가 많기 때문에 연습효과, 전이 
효과 등의 가외변인을 통제하여 내적타당도를 높인다. 
이원급내설계의 분산분석에서는 세 가지 연구문제에 대한 다음의 통계적 가설 
검증이 가능하다. 
① 독립변인 A의 효과(H0: μa1=μa2) 
② 독립변인 B의 효과(H0: μb1=μb2) 
③ 상호작용효과(H0: all(μab-μa-μb=μG)=0) 
    단, μG=전체평균(grand mean)

상기의  이원급내설계의 분산분석 결과는 <표Ⅱ-4>와 같다.

<표Ⅱ-4> 2원급내설계의 분산분석 결과표 
  
분산분석의 결과표에서 온도의 영향에 관한 검정통계치(0.04)나 상호작용효과에 
대한 검정통계치(1.07)는 임계치 5.12보다 작으므로 영가설은 답변확정된다. 그러나 습 
도의 영향에 관한 검정통계치인 F값은 17.60으로 임계치보다 크므로 영가설을 기 
각하고 습도에 의한 두 모집단의 평균차이는 통계적으로 유의하다고 결론을 짓는 
다.

5) 이원혼합설계

이원혼합설계는 한 독립변인은 급간설계로 다른 독립변인은 급내설계로 이루어 
진 설계이다. 이원급내설계의 예에서 온도를 급간설계로 습도를 급내설계로 하면 
2×2 혼합설계가 되며, 이는 이원급내설계에 비해 2배의 피험자가 요구된다.

[그림Ⅱ-5] 이원혼합설계의 예

상기의 예에서 연구대상 20명으로 가상의 자료를 구하여 이원혼합설계를 한 분 
산분석결과표는 <표Ⅱ-5>와 같다.

<표Ⅱ-5> 이원혼합설계의 분산분석표 
  
유의수준 0.05에서 두 독립변인의 효과와 상호작용효과를 검증할 때 각각의 임 
계치는 자유도 1과 18에서 F값 4.41로 동일하다. 그러므로 <표Ⅱ-5>의 검정통계 
치가 모두 임계치보다 작아서 영가설을 답변확정하고 온도와 습도는 안정시 심박수에 
영향을 미치지 않는다고 결론을 내린다.

6) 삼원요인설계

삼원요인설계는 세 가지 독립변인의 효과를 규명하기 위한 실험설계로 이원요 
인설계에서 처럼 설계 특성에 따라서 급간, 급내, 혼합설계로 구분된다. 3원급간설 
계에서 7가지 연구 가설을 검정할 수 있다. 즉, 독립변인 A, B, C 각각의 효과(주 
효과; main effect)와 A×B, B×C, A×C, A×B×C 상호작용효과를 검정할 수 있 
다. 성별(ａ1,ａ2), 학년(ｂ1,ｂ2,ｂ3), 운동방법(ｃ1,ｃ2,ｃ3)이라는 세 가지 독립변 
인을 이용한 삼원요인설계는 [그림Ⅱ-6]과 같다. 3원요인설계에서도 자료분석은 
일원 혹은 이원분산분석과 같은 논리로 이루어지지만 독립변인의 추가로 인해 계 
산과정은 더 복잡해진다. 
 

[그림Ⅱ-6] 삼원요인설계의 예 
 

7) 사전사후무선집단설계

사전사후무선집단설계(pretest-posttest randomized group design)는 앞서 설명 
한 무선집단설계와 유사하나 실험처치 이전에 사전검사가 이루어진다는 점이 다 
르다. 사전사후무선집단설계에서 대표적인 두 가지 유형을 도식화하면 다음과 같 
다. 
 

[그림Ⅱ-7] 사전사후무선집단설계의 예

사전사후무선집단설계는 피험자 선정, 역사, 성숙, 검사, 연습효과 등이 두 집단 
간에 같다고 가정할 수 있어 내적타당성이 높은 설계이다. 그러나 처치집단이 통 
제집단에 비하여 또는 통제집단이 처치집단에 비하여 검사에 예민하게 반응하는 
검사 경우나 실험처치에 대한 반응적 영향의 통제가 어렵고 중간 탈락자가 많은 
경우 동질성 가정의 어려움도 지적된다. 사전검사의 점수로 무선할당에 의한 집단 
의 동질성에 대한 가정은 검증할 수 있다. 만약 동질성을 가정할 수 없을 경우 사 
전의 점수 차이를 사후점수에서 고려하여 처치효과를 규명하는 공분산분석 
(ANCOVA; analysis of covariance)을 이용한다. 만약 처치 이전에 동질성이 가정 
된다면 무선집단설계에서처럼 집단의 수에 따라서 독립 t검정이나 F검정 그리고 
필요한 경우 사후검사를 한다. 그리고 종속변인의 측정치가 비연속자료일때는 비 
모수 통계기법을 이용한다.

8) 기타 설계

동일한 실험설계도 상황에 따라서 다양하게 명명된다. 일례로, 2원요인설계는 2 
원급간, 2원급내, 2원혼합 그리고 독립변인 수준의 특성에 따라서 고정모형, 무선 
모형, 혼합모형 등으로 구분될 수 있다. 이에 대한 자세한 내용은 다른 통계책이나 
실험설계 책을 참조하기 바란다. 본 절에서는 앞 절에서 설명된 요인설계(factorial 
design)를 제외한 "실험설계" 책에서 다루어지는 몇 가지 일반적인 실험의 유형을 
살펴본다.

(1) 솔로몬 4집단설계 
솔로몬 4집단설계는 무선집단설계와 사전사후집단설계의 혼합형태로서, 연구의 
타당성을 저해하는 검사의 반응적 또는 상호작용적 영향을 통제하는 데 매우 효 
과적인 방법이나, 많은 연구대상을 필요로 하고 실험설계가 복잡한 단점도 있다. 
이 설계를 도식화하면 다음과 같다. 
  
[그림Ⅱ-8] 솔로몬 4집단설계의 예

이 설계에서는 실험처치의 효과를 O2와 O4 그리고 O5와 O6의 비교로써 규명한 
다. 만약 O2>O4, O5>O6이면 사전검사 유무에 관계없이 처치효과가 있는 것으로 
해석한다. 또한 O2와 O1 그리고 O4와 O3의 차이 즉 실험처치에 의한 변화 정도의 
비교로써도 처치효과를 규명할 수 있다. 그리고 사전검사의 영향은 O4와 O6의 비 
교, 사전검사와 실험처치의 상호작용효과는 O2와 O5의 비교로써 가능하다. 이 설 
계는 많은 정보를 얻을 수 있는 반면 피험자수가 2배로 증가하는 단점이 있다. 솔 
로몬 4집단설계를 실험처치 유무(처치, 통제)와 검사유형(사전검사, 사후검사)의 2 
×2 요인설계 즉, 2원급간설계로 대체하면 각 독립변인의 주효과와 상호작용효과 
의 분석을 통해서 사전검사와 실험처치의 관련성을 파악할 수 있다.

(2) 완전무선설계 
완전무선설계(completely randomized design)는 실험설계에서 가장 기본적인 모 
형이며 무선할당에 의한 처치수준별 집단의 선정으로 앞서 설명한 무선집단설계 
의 개념과 동일하다. 그리고 완전무선요인설계는 완전무선설계와 요인설계의 복합 
개념으로 실험설계에서 자주 사용되는 용어이다. 그러므로 일원급간설계나 이원급 
간설계 등에서 각 집단별 무선할당이 이루어졌다면 완전무선설계라 할 수 있다.

(3) 무선구획설계 
무선구획설계(randomized block design)은 확률화블록계획법 또는 난괴법으로 
명명된다. 구획(block)은 실험설계의 연구가 시작되었던 농업학 분야의 'a block of 
land'에서 유래된 용어이며 구획은 층화의 개념에서 이해된다(백운봉, 1989). 즉, 
인간을 대상으로 하는 실험설계에서 피험자 집단을 어떤 특성별로 몇 개의 구획 
을 만들어 구획내에서 무선화에 의한 실험처치를 한다. 그러므로 한 구획 내에서 
처치수준의 수에 해당하는 피험자를 포함하도록 한다. 일례로, 세 가지 트레이닝 
방법이 오래달리기에 미치는 효과분석 연구에 15명의 피험자를 사전의 오래달리 
기 점수의 순서로 다섯 구획을 만들어 무선화로 각 구획의 3명에게 트레이닝 처 
치를 하는 경우이다. 
무선구획설계에서는 구획을 하나의 독립변인으로 간주하여 보다 구체적인 분산 
분석이 가능하기 때문에 일원완전무선설계에 의한 실험에서보다 더 자세한 정보 
를 얻을 수 있다. 실제로 경기상황의 행동분석과 체육교육 연구에서 경험이 서로 
다른 피험자를 구획으로 구분하여 구획내의 동질적인 피험자에게 무선화에 의한 
처치를 하기 때문에 실험의 정확성을 높일 수 있다. 
 

(4) 라틴방격형설계 
라틴방격형설계(latin square)는 라틴 문자들이 정방행열의 각 행과 열에 한 번 
씩 나타나도록 배열될 수 있는 방식의 수에 관한 고대 수수께끼에서 연유한다 
(Kirk, 1982). 이 설계에는 3×3, 4×4, 5×5 등의 종류가 있으며 실험에서 각 행과 
열에 각 처치가 한 번씩 나타난다. 일례로, 3×3 라틴방격형 첫 번째 열의 A B C 
에서 행 또는 열의 순서를 바꾸어주면 12가지 형태의 3×3 라틴방격형의 설계가 
가능하다. 이 중 4가지를 제시하면 다음과 같다. 
  
[그림Ⅱ-9] 4가지 유형의 3×3 라틴방격형

(5) 계층설계 
계층설계(hierarchical experiment)는 최소한 한 독립변인이 다른 독립변인의 수 
준별로 종속되어 처치를 받는 경우이다. 예를 들어 두 가지 교수방법(a1, a2)에 4학 
급(b1, b2, b3, b4)이라는 독립변인이 종속될 때 교수방법 a1에 두 학급을 무선할당 
하거나 연구상황에 따라서 연구자가 두 반을 선정하고 교수방법 a2에도 같은 요령 
으로 두 반을 선정하는 경우이다. 이를 도식화하면 다음과 같다. 
  
[그림Ⅱ-10] 계층설계의 예

계층설계에서는 상호작용효과(a×b)는 파악되지 않고 가외변인으로 간주되는 학 
급(b)변인을 독립변인으로 간주하여 통제하기 때문에 보다 명확한 교수방법의 효 
과를 알 수 있는 설계이다. 계층설계와 완전무선설계나 무선구획설계를 혼합하여 
완전무선부분계층설계(completely randomized partial hierarchical design)와 같은 
다양한 형태의 실험설계를 계획할 수 있다. 
 

4. 유사실험설계의 개념

체육이나 스포츠 현장에서는 조사나 현장실험(field experiment)에 의한 현장연 
구가 많이 이루어지고 있다. 즉, 스포츠교육학이나 스포츠사회학 등의 분야의 연구 
는 조사에 의한 어떤 사건이나 현상의 기술과 현장실험을 통한 인과관계를 규명 
하고자 한다. 그러므로 현장연구를 위해서는 조사연구의 방법이나 현장실험을 통 
한 유사실험연구에 대한 이해가 선행되어야 한다. 
類似實驗設計(quasi-experimentation 또는 quasi-experimental design)은 준실험 
설계라고도 하며 현장실험으로 이해되나 무선할당의 여부에 따라서 실험설계와 
구분된다. 그러므로 유사실험설계는 현장에서 인과관계를 규명하기 위한 실험설계 
이나 실제 상황에서 실험이 이루어지기 때문에, 실험실에서의 무선할당이나 여러 
가지 가외변인의 통제가 어렵다. 그리고 유사실험설계는 실험 이전에 처치가 이루 
어지는 현장연구의 한 유형인 사후연구(ex post facto research)와 구분되며 단일 
피험자설계와 유사점이 많다. 
유사실험연구에 의한 장점은 실험연구를 수행할 수 없는 체육이나 스포츠 현장 
에서 인과관계를 규명할 수 있는 효과적인 연구방법이라는 점이다. 그러므로 체육 
학에서 복잡한 인간의 행동을 규명하기 위한 현장연구의 중요한 연구방법으로 활 
용되고 있다. 그리고 일상생활 또는 실제 상황에서 피험자의 무작위 선택과 독립 
변인의 조작이 가능하기 때문에 현장에서의 과학적인 연구가 가능하고 실험연구 
에 비해 외적타당도나 연구결과의 현장 활용성이 높다. 그러나 실제상황에서 무선 
할당이 곤란하고 무선화에 의한 실험처치나 측정순서 등의 가외변인 통제가 어려 
워 연구의 내적타당도가 낮다는 문제점이 있다. 
  
 

5. 유사실험설계의 유형 
  
유사실험설계에서는 실험연구에서처럼 무선할당이나 무선화에 의한 제반 실험 
절차의 순서를 정하지 못하는 어려움으로 인하여 통제집단과 처치집단간의 실험 
처치 이전의 동질성에 대한 문제점이 발생한다. 유사실험설계는 연구상황에 따라 
다양하게 구분되나 여기서는 몇 가지 유형별 기본적인 실험설계만 살펴본다.

1) 정적집단비교설계 
靜的集團比較設計(static group comparison design)는 한 집단에 실험처치를 하 
고 다른 집단은 통제집단으로 하여 처치집단과 비교집단으로 구분하는 방법이다. 
정적집단비교설계를 도식화하면 다음과 같다. 
  
 [그림Ⅱ-11] 정적집단비교설계

이 설계는 처치집단과 통제집단으로 구분하여 사후검사를 하는 기본적인 실험 
연구와 유사하나 무선할당이 이루어지지 않는다는 차이가 있다. 그러므로 처치 이 
전의 두 집단 간의 동질성 보장이 어려워 처치 후의 평균차이를 처치효과로만 해 
석할 수 없는 문제점이 있으며, 이 문제는 다음에 설명되는 이질통제집단설계로 
해결이 가능하다. 그리고 피험자 선정, 선정과 성숙의 상호작용 등이 내적타당도의 
또 다른 저해요인으로 지적된다.

2) 이질통제집단설계 
異質統制集團設計(nonequivalent control group design)는 2 집단 사전사후측정 
설계로 실험설계의 사전사후무선집단설계(pretest-posttest randomized group 
design)와 같으나 무선할당이 이루어지지 않는 차이점이 있다. 이질통제집단설계 
는 집단구분, 측정, 독립변인 특성 등에 따라서 다음의 몇 가지 유형으로 구분된 
다.

(1) 사전사후실험설계 
이 설계는 정적집단비교설계에 사점검사를 추가한 실험설계로 유사실험설계의 
가장 기본적인 유형이며 실험설계의 사전사후집단설계와 동일하나 무선할당이 이 
루어지지 않는 실험설계이다. 조사연구나 현장연구 등에서 연구자가 연구대상을 
통제집단과 처치집단으로 무선할당을 할 수 없는 경우에 사용하는 실험설계로 도 
식화하면 다음과 같다. 
  
[그림Ⅱ-12] 사전사후실험설계

집단의 구분이 무선할당으로 이루어졌고 종속변인의 값이 연속자료라고 가정하 
면, 처치효과는 독립t검정에 의해 O2와 O4의 차이로서 검증(독립 t검증)될 수 있으 
나, 처치 이전의 동질성 보장이 어렵기 때문에 자료분석의 방법이 복잡해진다. 이 
의 해결을 위하여 사전점수의 통계적 차이(O1-O3) 유무를 독립t검정으로 규명하여 
차이가 없다고 판명될 때 사후검사의 점수차이로 독립t검정을 실시한다. 또한 사 
전점수의 차이 유무에 관계없이 수정평균(adjusted mean)를 이용하여 공분산분석 
(ANCOVA; analysis of covariance)으로 처치효과를 규명할 수도 있다. 공분산분 
석을 사용할 때는 종속변인과 상관이 높으면서 선형관계가 있는 제 3의 변인(관계 
변인 혹은 공변인)을 측정하고, 종속변인이 실기검사로 측정되는 경우 사전검사 
실험처치 후의 검사는 동일하다. 
이 설계는 정적집단비교설계보다는 내적타당도가 높으나 무선할당의 문제로 실 
험연구에 비해 내적타당도가 낮다. 내적타당도 저해요인으로는 선정과 성숙의 상 
호작용, 우발적 사건, 교차영향, 통계적 회귀 등이 있다(Christensen, 1988). 
선정과 성숙의 상호작용은 특정 집단 피험자의 발육이나 발달이 다른 집단에 
비해 월등할 때 유발될 수 있는 문제이고, 우발적 사건은 통제나 처치집단 중 한 
집단에 어떤 일들이 생겨서 종속변인에 영향을 미치는 경우이다. 그리고 교차영향 
은 선정과 성숙의 상호작용과 통계적 회귀 등이 동시에 일어나는 경우를 뜻하고, 
통계적 회귀는 사전검사에서 잘한 사람은 사후검사에서 능력을 제대로 발휘하지 
않고 사전검사에서 못한 사람은 능력 이상을 발휘하여 평균점수로 회귀하는 경향 
을 뜻한다. 
이질통제집단설계의 사전사후실험설계에서의 연구결과는 일반적으로 다음의 4 
가지 유형으로 구분된다. 
  
A: 처치집단  B: 통제집단

[그림Ⅱ-13] 사전사후측정설계의 4가지 연구결과

결과 ①에서는 시각적으로 처치효과가 명확하지만 선정과 성숙의 상호작용과 
우발적 사건 등의 가외변인을 배제할 수 없다. 결과 ②에서는 통제와 실험집단간 
의 사전사후 검사의 증가비율 차이로서 효과판정이 이루어지나, 사전에 처치집단 
이 통제집단보다 우수하다는 점에서 사후검사에서 차이가 처치효과가 아닌 성숙 
에 의한 영향으로 해석될 수도 있다. 결과 ③에서는 처치집단의 점수가 통제집단 
보다 낮은 경우 처치효과가 명확한 경우이며, 통계적 회귀나 우발적 사건이 내적 
타당도 저해요인으로 지적될 수 있다. 결과 ④는 4가지 결과 중에서 가장 확실한 
처치효과를 보여주는 것이며, 이 경우는 교차영향이라는 가외변인의 영향을 감안 
해야 한다.

(2) 유사사전측정설계 
통제집단과 실험집단을 무선할당으로 구분하지 못했을 때 처치이전의 동질성 
문제를 해결하기 위한 방법이 앞서 소개한 사전사후측정설계이다. 만약 사전에 종 
속변인을 측정할 수 없는 경우에 종속변인과 높은 선형관계를 갖는 변인을 측정 
하여 사전사후측정설계와 같은 논리로 처치효과를 규명할 수 있는데, 이 방법이 
유사사전측정설계이고 도식화하면 다음과 같다. 
  
[그림Ⅱ-14] 유사사전측정설계

일례로, 두 학급을 대상으로 1학기 동안 서로 다른 방법으로 실내수업을 실시한 
후 교수법의 차이를 규명하기 위해서는 유사사전측정설계가 적절하다. 이는 교육 
여건상 두 학급을 무선적으로 구분하여 통제와 실험집단으로 구분할 수 없고, 처 
치(수업)이전에 학습된 내용이 없어서 체육이론의 정도를 평가할 수 없으므로, 체 
육점수와 높은 직선적 상관이 가정되는 지능지수(IQ)를 사전에 검사하여 교수법의 
효과를 규명할 수 있기 때문이다. 
유사사전측정설계에서 자료분석은 사전검사로 얻은 A 변인의 점수를 공변인 혹 
은 관계변인(covariate 또는 concomitant variable)으로 이용하여 공분산분석을 한 
다. 유사사전측정설계는 사전사후측정설계와 같은 내적타당도의 문제를 가지는데, 
관계변인이 종속변인과 얼마나 높은 직선적 상관을 갖느냐가 처치효과나 방법간 
의 차이를 평가하는 중요한 관건이 된다.

(3) 기타 설계 
연구상황에 따라서 다양한 이질통제집단설계를 가정할 수 있다. 체육학 연구에 
서는 자주 사용되지 않으나 스포츠교육학 등 현장연구에서 가능한 두 가지 유사 
실험설계를 살펴본다. 
첫째, 사전검사가 사후검사에 영향을 미치는 경우에는 앞서 설명한 두 가지 실 
험설계로 연구문제를 해결할 수 없고, 통제집단과 처치집단을 무선할당으로 각각 
사전검사집단과 사후검사집단으로 구분하는 설계를 해야 하는데, 이를 도식화하면 
다음과 같다. 
  
[그림Ⅱ-15]

통제집단과 처치집단을 무선할당으로 구분한 이질통제집단설계 
O1과 O2는 처치집단에서 O3와 O4는 통제집단에서 무선할당으로 구분된 별개의 
집단으로 두 집단의 동질성 여부가 내적타당도를 결정하는 중요한 요인이다. 이 
설계에서도 앞서 설명한 사전사후측정설계와 같은 문제점이 있으므로 통제집단과 
실험집단에서 두 집단의 동질성이 보장될 수 있도록 표본과 자료수집이 이루어져 
야 한다. 
두 번째는 사전검사를 두 번 실시하는 사전사후측정설계로 다음과 같이 도식화 
된다.

[그림Ⅱ-16] 두 번의 사전검사에 의한 사전사후측정설계

이 설계는 O1와 O2, 그리고 O4와 O5 차이를 밝힘으로써 선정과 성숙의 상호작 
용이나 통제가 가능한 장점이 있다. 그러나 검사의 증가로 인한 시간, 경비, 그리 
고 연습효과 등의 문제가 있다.

3) 동류집단설계

同類集團設計(chort design)는 유사한 집단간의 처치와 통제를 통하여 처치효과 
를 판정하는 유사실험연구의 한 방법이다. 동류집단은 여러 가지 특성이 유사하여 
집단 간의 차이가 없다고 가정할 수 있는 집단을 뜻하며, 통제집단으로서 간주되 
는 사전동류집단과 처치집단으로서 간주되는 사후동류집단으로 구분된다. 일례로, 
S대학교 체육과의 93학년도 남자 신입생과 94학년도 남자 신입생은 학력, 체력, 
운동기능, 연령 등이 유사하여 두 집단 간에 차이가 없다고 가정할 수 있다면, 두 
집단은 동류집단이라 할 수 있다. 
동류집단설계는 현장에서 이질통제집단설계 등으로 해결이 어려운 문제를 풀기 
위한 실험적인 연구방법이다. 왜냐하면 두 동류집단 간에는 차이가 없다는 전제조 
건에서 통제집단으로서 사전동류집단과 처치집단으로서의 사후동류집단 간의 차 
이로서 처치효과를 판정하기 때문이다. 그리고 실험 전 후 실험변인의 노출 유무 
에 따른 공식적인 기록(archival record)을 이용하여 처치효과를 규명할 수도 있다. 
만약 S대 체육과 입학고사의 100m 달리기에서 93년도에는 스파이크 착용을 금하였 
고 94년도에는 허락하여 모두 착용하였다면, 스파이크 착용이 100m 기록에 미치는 
영향을 알아보는 동류집단설계를 생각할 수 있으며, 이를 도식화하면 다음과 같다. 
  
[그림Ⅱ-17] 동류집단설계

도식에서 (=)는 동류집단을 구분하는 것이며 O1과 O2의 차이로서 처치효과를 판 
정한다. 그러나 동류집단설계에서는 피험자 선정에 의한 오차나 역사 등의 가외변 
인 통제가 어렵다. 즉, 스파이크 착용이 100m에 미치는 영향의 규명도 실제로 한 
집단의 피험자에게 동일 조건에서 스파이크 착용 유무에 따라서 두 번 달리기를 
실시하여 종속t검정을 실시하는 실험연구가 피험자 선정이나 역사 등에 의한 가외 
변인 통제의 측면에서 보다 논리적인 해결방법이다. 그러나 입시규정이 94년도에 
스파이크 착용으로 바뀌었고 모든 수험생이 스파이크를 착용했다면 동류집단설계 
에 의한 연구도 가능하다. 이 경우 93년도 지원자와 94년도 지원자의 100m달리기 
능력이 같고, 날씨나 운동장 조건 등 100m 검사의 제반 여건이 같다는 가정이 전 
제되어야 한다. 
동류집단설계의 내적타당도 문제점을 보완하기 위한 여러 가지 변형된 설계가 
사용되고 있다. 실험변인에 의한 집단분리의 가능성 여부에 따라서 두 가지 형태 
의 동류집단설계를 살펴본다.

(1) 실험변인에 의한 집단분리가 가능한 경우 
처치수준별 집단의 구분이 가능한 경우에는 보다 구체적인 처치효과의 평가가 
가능하다. 일례로, 금연프로그램에 참가한 S대학교의 남학생을 참가시간 정도에 
따라서 구분할 수 있다면, 집단내 금연정도의 차이보다는 집단 간 차이가 클 것으 
로 기대되어 내적타당도를 높일 수 있는 다음과 같은 동류집단설계가 가능하다. 
 

  
   * T1과 T2는 프로그램 참가 시간의 정도로 구분 
(예, T1은 3일 이내 T2는 1주일이상) 
[그림Ⅱ-18] 집단분리가 가능한 동류집단설계

[그림Ⅱ-18]에서 T1과 T2는 프로그램 참가 시간의 정도로서 구분한다. 예를 들 
어, T1은 참가시간이 3일 이내, 그리고 T2는 1주일 이상 등으로 구분할 수 있다. 
이 설계에서는 O1과 O2, O3와 O4의 차이에 의한 프로그램 참가 효과보다는 O2와 
O4의 차이로 인한 프로그램간의 효과차이가 더 중요하다.

(2) 실험변인에 의한 집단분리가 불가능한 경우 
처치수준별 구분이 불가능한 경우 내적타당도를 제고하기 위한 동류집단설계로 
사전동류집단과 사후동류집단에서 반복측정을 한다. 
  
[그림Ⅱ-19] 반복측정에 의한 동류집단설계

이 설계의 예로 A중학교에서 처음으로 여름방학 동안 운동프로그램을 개설하여 
참가경험이 체육의 의식에 미치는 영향을 규명하는 연구를 가정할 수 있다. 이 경 
우에는 운동 프로그램이 없었던 작년도 1학년의 체육 인식검사를 1, 2학년의 학기 
초에 두 번 실시하고, 금년 신입생도 1학년의 학기초와 운동프로그램 참가 후 2학 
년의 학기초에 체육에 대한 인식정도를 조사한다. 그러면, (O4-O3)와 (O2-O1)의 차 
이로 운동프로그램 참가가 체육인식에 미치는 영향을 분석할 수 있다. 
 

6. 영향의 규명을 위한 통계기법

1) 모수통계 
  t검정(독립t검정, 종속t검정) 
  F검정(ANOVA) 
  공분산분석(ANCOVA) 
  다변인분산분석(MANOVA) 
  기타

2) 비모수통계 
  검정: 독립성의 검증 혹은 상관 정도 규명 
  McNemar검정: 관찰결과가 두 유목으로 분류되는검정의 특수한 형태 
  Mann-Whitney검정: 서열자료. cf. 독립t검정 
  Wilcoxon검정: 서열자료. cf. 종속t검정 
  Kruskal-Wallis검정: 서열자료. cf. 일원급간분산분석 
  Friedman검정: 서열자료. cf. 일원급내분산분석 
  기타 
  
  
  
  
  
Ⅲ. 양적연구(2) : 인과관계의 규명

체육학 혹은 운동학은 신체활동 또는 인간 움직임을 탐구의 대상으로 하는 학 
문으로서 많은 연구를 토대로 양적, 질적 발전을 이루어 왔다. 오늘날에는 운동학 
의 학문적 正體性(identity)이 강조되면서 과학적 연구방법과 함께 운동과학 또는 
스포츠과학에 관심이 증대되는 경향이다. 
운동학연구에서 주요 주제는 운동이나 스포츠 상황에서 어떤 사건이나 현상 그 
리고 인간의 행위에 대한 기술과 설명이며 이를 위한 변인간의 관계 특히, 인과관 
계 규명이 중요하다. 일반적으로, 실험연구에서 인과관계는 실험연구에서 평균차이 
의 검증으로 독립변인이 종속변인에 미치는 영향을 명확하게 규명할 수 있으나, 
조사나 관찰자료에서 변인간의 인과관계의 해석은 통계적 분석과 전공지식에 근 
거해야 한다. 
체육이나 스포츠 현장에서는 운동생리학이나 운동역학 실험실의 통제된 상황에 
서 종속변인에 대한 독립변인의 효과를 찾거나 변인간의 관계를 규명하는 실험설 
계에 의한 연구도 가능하다. 그러나 체육교육학이나 스포츠사회학 또는 스포츠심 
리학, 체육행정 등 비실험실적 상황에서 변인들의 관계성이나 인과관계를 분석하 
고자 하는 연구가 대부분이다. 그러므로 본 장에서는 운동학의 인문사회 분야에서 
주요 연구 주제로 다루어지는 인간행동의 필수적인 인과관계의 개념과 분석을 위 
한 통계기법을 개관한다. 
 

1. 인과관계의 의미

과학적인 연구방법을 통해 얻는 대부분의 지식은 사물의 현상 그 자체에 대한 
지식이라기보다는 현상간의 관계에 대한 지식이다(Kerlinger, 1986). 과학에서의 
관계성(association)은 현상내에 있는 특정한 대상들 사이에 존재하며, 대상들이 가 
지고 있는 특성간의 관계를 통하여 현상을 이해하게 된다. 
변인간의 관계란 변인들이 서로 共變하는 경향을 의미한다. 이들 변인간의 관계 
성은 그림이나 도표 등 여러 가지 방식으로 표현될 수 있으며 관계성의 방향과 
정도를 보다 정확하게 추정하기 위해서 상관계수와 같은 관계성 측정치(measures 
of association)가 이용된다. 관계성 측정치에 의하여 두 변인이 맺고 있는 관계의 
정도가 파악되었다고 하더라도 이러한 관계는 표집할 때마다 달라질 수 있다. 즉, 
우연에 의해서 두 변인간의 관계가 밀접한 것으로 나타날 수도 있으므로 확률적 
으로 두 변인의 관계가 통계적으로 의미있는 것인지를 유의성검정을 통하여 검정 
해야 한다. 
 일반적으로 두 변인간의 관계는 다음의 세 가지 유형으로 구분할 수 있다(이종 
승, 1984). 
 첫째, 비대칭적인 관계로 X가 Y에 혹은 Y가 X에 영향을 미치는 경우로[Y→ 
X] 혹은 [X→Y]로 표시한다. 이러한 인과관계는 흡연과 폐암 또는 불안수준과 운 
동수행능력간의 관계에서 찾을 수 있다. 둘째, 호혜적 관계로서 두 변인이 서로 영 
향을 주고받는 관계로 [X↔Y]로 표시되며 대체로 자아개념과 운동수행능력간의 
관계에서 호혜적 상관을 예로 들 수 있다. 셋째, 대칭적 관계로서 두 변인이 서로 
영향을 주고받지는 않지만 다른 요인에 의한 상관이 있는 것으로 나타나는 경우 
이다. 일례로, 초등학생의 체력과 발의 크기간에 높은 상관이 발견되었을 때, 이는 
단지 대칭적 상관이고 두 변인간의 관계는 연령 혹은 학년이라는 제 3변인에 의 
한 영향 때문으로 해석할 수 있는 경우이다. 
사건의 발생 가능성이나 원인과 결과를 밝히는 인과관계(causality)는 일상생활 
뿐만 아니라 연구에서 자주 사용되는 개념이다. A라는 야구 선수의 투구 속도가 
왜 다른 선수에 비해 빠르며 운동선수의 탈선이나 비행의 원인이 무엇인가 등의 
의문은 운동학 연구의 주요한 주제이다. 그러므로 연구는 두 변인간의 인과관계 
혹은 관계의 규명이라고 하는 Kerlinger(1986)의 설명에서 연구의 목적으로서 인 
과관계의 중요성이 강조된다. 
인과관계는 과학철학 분야의 주요한 논제로 과학의 역사는 인과관계를 규명하 
려는 역사로 간주된다. 인과관계는 존재론적 필연성으로 인해서 나타나는 발생적 
계열이며 발생하는 모든 현상이 원인과 결과의 連鎖라는 가정을 만족할 수 있는 
연속성으로 해석될 때 비로소 인과관계가 보장된다(김재은, 1992; 채서일, 1992). 
특히, 사회과학에서 인과관계는 결정적 법칙(deterministic law)이 아니라 확률적 
법칙(probablilitic law)이다. 확률적 법칙은 어떤 원인이 있으면 항상 같은 결과가 
발생한다는 결정적 관계가 아니라 확률에 근거한 사건의 발생가능성을 뜻한다. 그 
러므로 규칙적인 운동이 40대 중년 남성의 삶의 질 혹은 결혼 만족도를 높이는 
원인이라는 연구결과는 규칙적인 운동을 하는 사람이 운동을 하지 않은 사람에 
비해 삶의 만족도가 확률적으로 높다고 해석할 수 있다. 즉, 통제가 불가능한 많은 
외생변인(exogenous variable)이 존재하는 기술연구나 현장연구에서 인과관계는 
실험연구보다 더욱 확률적인 법칙에서 설명된다. 그러므로 실험연구에서 "A가 B 
에 미치는 영향"이라는 제목이  흔하지만 기술연구에서는 확실한 이론적인 배경이 
있는 경우를 제외하고는 "A와 B의 관계"로 기술하고 연구결과의 해석에서 선행연 
구의 결과나 전공지식을 근거로 인과관계를 해석한다.

2. 인과관계 분석을 위한 통계기법

1) 상관분석

상관연구는 변인간의 상관분석을 통하여 특정 현상을 기술하거나 설명하는 기 
술연구의 한 유형이다. 그리고 상관연구는 단순히 두 변인간의 관계 규명뿐만 아 
니라 여러 변인간의 상관분석을 통하여 체육과 스포츠 현장에서 복합적인 상황을 
보다 의미있게 해석하고 궁극적으로는 상관을 통한 예측과 변인간의 인과관계를 
규명하는 것이다(김종택, 1997). 
관찰이나 조사에 의한 상관분석에서 인과관계의 해석은 확실한 이론적인 근거 
를 제시할 수 있을 때만 가능하다. A와 B의 관계가 우연한 관계인지, 제 3의 변인 
에 의해서 설명되는 관계인지, 실제로 A가 원인이 되어서 B라는 결과를 얻게 되 
는 인과관계인지, 혹은 반대로 B가 A의 원인이든지 하는 것은 상관분석의 결과만 
으로는 해석할 수 없다. 
 상관은 기능적 상관(functional relationship)과 통계적 상관(statistical 
relationship)으로 구분된다. 기능적 상관은 두 변인간의 인과관계가 존재하는 경우 
이고 통계적 상관은 단순한 통계적 관점에서 상관만이 존재하는 경우이다. 실험연 
구에서는 처치변인 이외의 모든 변인을 연구자가 의도적으로 통제하고 조작하기 
때문에 종속변인의 차이를 처치효과 혹은 독립변인이 종속변인에 미치는 영향으 
로 해석하여 독립변인과 종속변인간의 인과관계를 검증한다. 그러나 조사연구에서 
와 같이 자연적인 상황에서 얻어진 자료를 토대로 통계적 분석에 의한 상관만으 
로는 직접적인 인과관계의 해석이 어렵기 때문에 선행연구나 전문 지식 등 이론 
적 배경에 근거하여 간접적인 인과관계의 추정이 이루어진다. 
상관은 두 변인간의 직선관계, 곡선관계 등으로 구분되고 직선관계 혹은 선형관 
계는 정적인 관계와 부적인 관계로 세분된다. 또한 선형관계도 변인의 수와 통계 
기법에 따라 구분된다. 두 변인간의 선형관계는 단순상관(), 한 변인과 두 변인 
이상간의 선형관계는 중다회귀식에서 구할 수 있는 중다상관(multiple ), 그리고 
두 집단 변인간의 상관을 뜻하는 정준상관(; canonical correlation)으로 구분된 
다. 이와 함께 부분상관이나 준부분상관에 대한 개념도 단계적 회귀분석이나 경로 
분석을 이해하기 위한 중요한 개념이다.

(1) 단순상관

상관계수(correlation coefficient)는 두  변인간의 관련성 정도를 나타내는 지수 
이며 상관정도를 상관계수와 같은 표준화된 방법을 통하여 수리적으로 나타낼 수 
있기 때문에 구체적인 두  변인간의 비교나 설명을 용이하게 해준다. 통계적인 관 
점에서 단순상관은 두 변인간에 중복 설명되는 분산의 정도(proportion of 
accountable variance)혹은 한 변인의 변동(variation)이 다른 변인에 의해서 설명 
되어지는 정도를 뜻한다. 또는 총분산()에서 회귀식에 의해서 설명되는 분산 
()이 차지하는 비율이 체육학에서 가장 많이 사용되는 단순상관계수, 즉 피어 
슨의 적률상관(; Pearson's product- moment correlation coefficient)이다. 이 외 
에 상관의 특성과 자료의 측정수준에 따라서 스피어만의 등위상관계수 
(Spearman's ordinary correlation coefficient), 유관계수(contingency coefficient) 
등 다양한 상관계수가 사용된다. 
피어슨의 적률상관계수를 사용하기 위한 중요한 통계적 가정은 두 변인간의 직 
선관계(linearity), 연속자료(continuous data) 그리고 두 변인의 정규분포(normal 
distribution) 즉, 이분산정규분포(bivariate normal distribution)이다. 완전한 이분 
산정규분포란 수리적이고 이론적으로만 가능한 분포이다. 그러나 실제 연구에서 
표본수가 어느 정도 이상이면 정규분포를 가정할 수 있는 것처럼 이분산정규분포 
를 가정하고 통계기법을 사용한다. 또한 이산자료도 연구자의 주관에 따라 연속자 
료로 가정할 수 있듯이 피어슨 을 사용하기 위한 통계적 가정을 만족하지 못할 
때 이를 제한점으로 명시하고 피어슨 을 사용하기도 한다. 
상관계수를 통하여 두 변인의 상관이 음의 관계인지 양의 관계인지를 알 수 있 
으며 상관계수의 크기로써 상관의 정도를 평가할 수 있다. 그러나 상관계수만으로 
는 상관 정도를 구체적으로 설명할 수 없고 두 변인간에 중복 설명되어지는 분산 
의 정도를 나타내는 결정계수(; coefficient of determination)로써 보다 명확한 
해석이 가능하다. 실제로 어느 정도 이상의 상관을 높은 상관이라 할 것인가는 쉬 
운 문제가 아니다. 이는 상관계수의 사용 목적이나 두 변인의 속성 그리고 연구자 
의 주관 등에 따라 상관계수의 크기에 대한 평가가 달라질 수 있기 때문이다. 그 
러므로 상관계수의 해석은 결정계수 그리고 의 크기에 영향을 미치는 두 변인의 
분산정도, 연구대상의 수 등과 관련 연구에서의 상관계수 등 여러 요인을 고려해 
야 한다.

(2) 중다상관

대부분의 스포츠나 사회 현장에서 인간행동을 연구할 때 인과관계는 여러 요인 
들이 복잡하게 얽혀 있기 때문에 하나의 독립변인만으로는 종속변인에 대한 설명 
이 충분하게 이루어지지 못하는 경우가 많다. 그러므로 독립변인이 둘 이상인 경 
우 단순상관분석보다는 중다상관분석이 더욱 효과적이다. 
중다상관계수(; multiple correlation coefficient)는 중다회귀분석에서의 결정계 
수(; coefficient of determination)의 제곱근이다. 회귀분석에서 결정계수는 독립 
변인의 종속변인에 대한 설명력을 나타내는 척도로서 예측의 표준오차나 회귀식 
의 적합도(goodness of fit)를 평가하는 지수로 사용된다. 즉, 총분산 혹은 전체분 
산( ; sum of squares for total)에서 회귀식에 의해서 설명되는 분산(; 
sum of squares for regression)의 비율이 결정계수이고 결정계수가 높을수록 회 
귀식의 적합도가 높다는 것을 의미한다. 
은 0과 1사이의 값을 가지며 이 0이라는 의미는 독립변인과 종속변인간에 
아무런 관계가 없다는 뜻이 아니고 단지 변인들 간에 직선의 관계가 존재하지 않 
는다는 뜻으로 해석된다(1997, 김종택). 그러므로 의 범위도 0과 1사이의 값을 
갖으며 이는 여러 개의 독립변인들과 하나의 종속변인간의 관계성 측정치로서, 이 
는 독립변인들로 예측한 예측값()과 실제 관측값()간의 단순상관을 의미한다.

(3) 정준상관

정준상관은 둘 이상의 변인으로 구성된 두 변인군 간의 관계를 뜻하며 단순상 
관(pearson )이나 중다상관()보다 발전된 통계기법으로 정준분석(canonical 
analysis)또는 정준상관분석(canonical correlation analysis)으로 불린다. 정준분석 
을 통하여 두 변인군 간의 관계를 구체적으로 분석할 수 있으며, 변인군 내에서 
그리고 다른 변인군에서 변인들의 기여도를 비교할 수 있다. 또한 변인군 간에 중 
복 설명되는 분산의 정도를 추정할 수 있다. 
즉, 정준상관을 통해서 두 집단 간의 관련성을 알 수 있고, 두 집단 간의 관계를 
인과관계 혹은 독립변인 집단과 종속변인 집단으로 해석할 수 있다면, 한 집단의 
점수로 다른 집단의 능력 정도를 예측할 수 있다(Hair 등, 1979; Levine, 1977). 
예를 들어, 운동관련 변인 a1, a2, a3를 A 변인군이라 하고 체력관련 변인 b1, b2, 
b3,를 B 변인군이라고 가정할 때 A와 B의 선형관계를 단순상관, 중다상관 그리고 
정준상관으로 각각 분석할 수 있다. 단순상관에서는 a1, a2, a3를 합한 운동점수와 
b1, b2, b3를 합한 체력점수를 구하여 운동점수와 체력점수간의 Pearson 적률상관 
을 계산한다. 중다상관은 a1, a2, a3를 기준변인으로 체력점수를 예측하거나, 반대로 
b1, b2, b3를 근거로 운동점수를 예측하는 중다회귀식(multiple regression)을 구해 
결정계수의 제곱근인 중다상관계수를 구하게 된다. 
그러나 이처럼 단순상관이나 중다상관에 의한 상관분석에서는 원래의 측정치가 
아니라 운동점수나 체력점수와 같은 종합점수를 사용하기 때문에 실제보다 높은 
상관이 나타날 가능성이 높고, 종합점수의 의미가 명확하지 않을 수 있다(1997, 김 
종택). 그리고 중다상관에서 기준변인들 간의 독립성이라는 통계적 가정의 위반을 
뜻하는 다중공선성(multicolinearity)의 문제가 유발될 수도 있다. 하지만 정준상관 
은 원점수를 이용하여  A 변인군과 B 변인군 간의 직접적인 관계로 단순상관과 
중다상관보다 구체적인 관계의 분석을 가능하게 한다.

(4) 부분상관과 준부분상관

부분상관(partial correlation)과 준부분상관(semi-partial correlation)은 변인간의 
관계 분석에서 두 변인간의 관계에 영향을 미칠 수 있는 변인들을 통제하거나 단 
계별 회귀분석 및 경로분석 등에서 추가된 독립변인과  종속변인의 관계 분석 등 
에 활용되는 특수한 상관계수이다. 
부분상관계수 혹은 편상관계수(partial correlation coefficient)는 통제변인의 영 
향을 배제한 후의 X와 Y간의 상관정도를 나타낸다. 즉 통제변인을 K라 가정할 
때 X로부터 K의  선형효과(linear effect)를 제거하고 남은 잔차(residual)와 Y로부 
터 K의 선형효과를 제거시키고 남은 잔차 간의 상관을 뜻한다.   부분상관계수는 
통제변인의 수에 따라서 제 1차, 제 2차, ···, 제 n차 부분상관계수로 구분한 
다. 통제변인이 K인 경우 X와 Y의 제 1차 부분상관계수(first order partial 
correlation coefficient)를 로 표기한다. 그리고 준부분상관은 로 표기하 
며 이는 X1을 X2로 단순회귀하고 얻은 잔차와 y간의 단순상관계수를 의미한다. 제 
2차, 제 3차 등의 부분상관계수의 계산과 가설검정 그리고 준부분상관의 계산은 
김종택(1997)을 참고 바란다.

(5) 상관 규명을 위한 비모수 통계

  유관계수: 비연속적인 두 유목(2개 이상의 범주)변인 
  등위상관계수: 서열척도로 표시된 두 변인 
  사류상관계수: 비 연속적인 두 유목(2개의 범주)변인 
  등위양분상관계수: 서열척도변인과 비연속적인 유목(2개의 범주)변인 
  사분상관계수: 연속적인 두 유목(2개의 범주)변인 
  양류상관게수: 연속변인과 비연속적인 유목(3개의 범주)변인 
  양분상관계수: 연속변인과 연속적인 유목(2개의 범주)변인 
  
2) 회귀분석

전통적으로 회귀분석은 독립변인으로 종속변인을 예측할 목적에 사용되어온 통 
계기법으로 상관분석과 무관하지 않다. 특히, 여러 가지 복잡한 원인에 따르는 인 
간의 행동을 예측하기 위해서는 여러 개의 독립변인들이 예측변인으로 투입된 중 
다회귀분석이 주로 이용되어 왔다. 하지만 중다회귀분석이 여러 변인들의 관계에 
대한 이론구조(theory structure)를 설명하기 위한 목적으로 사용될 때에는, 하나 
의 회귀식만이 구성되는 것이 아니라 이론구조에 따른 독립변인간의 관계도 고려 
하여 제 2, 제 3의 중다회귀식을 구성하여 이론구조를 검증한다. 이러한 통계기법 
을 경로분석(path analysis)이라 한다. 따라서 체육 및 스포츠 현상의 인과적 추론 
에 경로분석을 활용하기 위해서는 회귀분석에 대한 이해가 선행되어야 한다. 
일반적으로 중다회귀분석에서 결정계수를 높이기 위해 여러 개의 독립변인을 
하나의 방정식에 동시에 넣고 분석한다. 이러한 동시적 회귀분석(simultaneous 
regression analysis)의 경우 구성된 회귀식이 독립변인들 간의 관계를 설명하는 
이론구조를 나타내지 못한다. 일반적으로 중다회귀식에서 독립변인의 종속변인의 
분산을 설명하는 정도를 비교하는 데는 표준화 회귀계수의 제곱값을 이용한다. 그 
러나 표준회귀계수를 이용하여 독립변인간의 상대적인 기여도를 비교하는 경우 
많은 제한이 따른다. 즉, 이러한 방식에서 계산된 회귀계수는 유의성검증 결과에 
의해 존재 및 방향만이 유의하게 해석되고 회귀계수의 크기를 종속변인의 분산의 
설명 정도로 해석할 수 없다(Cohen 과 Cohen, 1983). 이러한 해석은 독립변인들이 
상호독립적일 때만 가능하다. 
독립변인과 종속변인과의 관계는 직접효과뿐만 아니라 간접효과와 제 3변인효 
과(spurious effect)로 나타난다(Kenny, 1979). 그러나 동시적 회귀분석에서의 회귀 
계수들은 독립변인들과 종속변인과의 직접효과만을 나타낼 뿐이다. 따라서 두 개 
이상의 독립변인이 상관되어 있을 경우 간접효과 및 제 3변인의 효과를 해석하지 
못하게 된다. 이와 같은 한계를 극복하기 위하여 사용되는 통계기법이 경로분석이 
다(Pedhazur, 1982).

3) 경로분석

(1) 경로분석의 의미

경로분석(path analysis)은 여러 변인들 간의 인과적 관계를 설명하기 위하여 사 
용하는 기법이다. 통계적인 관점에서 경로분석은 일련의 중다회귀분석의 결과를 
기초로하여 변인들 간의 인과적 관계를 특정화하여 변인들 간의 관계를 논리적으 
로 명확하게 설명하는 것이다. 
일반적으로 두 변인의 관계가 제 3의 변인을 통제할 경우 사라진다면 두 변인 
의 비인과성(noncausality)은 쉽게 증명된다. 그러나 두 변인의 관계가 존재한다 
하더라도 인과성(causality)을 단적으로 증명하지는 못한다. 왜냐하면 우리가 알지 
못하는 다른 어떤 변인이 통제될 때 그 관계가 사라질 가능성이 있기 때문이다. 
그러나 선행연구나 전공지식에 의하여 적절하다고 간주되는 변인들을 통제할 때 
도 그 관계가 존재한다면 인과관계에 대한 가설은 지지된다. 
경로분석은 회귀분석에 기초하여 인과관계를 규명하기 위해 사용되는 통계적 
기법으로서 구조방정식모형과 함께 관계구조모형(causal modeling)의 형태를 이룬 
다. 관계구조모형에서는 인과관계에 대한 설명의 목적을 위해서 가급적 간명한 경 
로도(parsimonious path diagram)가 요구된다. 
경로분석에서는 변인들 간의 관계에 대해서 직접효과뿐만 아니라 간접효과와 
제 3변인의 효과에 대한 가설도 경로도에 표시해야 한다. 이를 위해서는 독립변인 
들 간의 관계를 나타내는 제 2, 제 3의 회귀방정식이 필요하다. 이와 같이 경로분 
석에서는 다수의 회귀식들이 서로 연결된 상태로 변인들 간의 관계를 설명하고자 
하며 이러한 이유로 계량경제학(econometrics)에서는 이를 동시방정식모형(simul 
taneous equation model)이라고도 부른다(이순묵, 1990). 
경로분석에서는 모든 변인들 간의 이론적으로 가정되는 경로들을 모두 고려한 
다. 각 변인들 간의 경로표시 하나 하나가 이론적 가설들을 나타내고, 이들의 집합 
체인 경로도는 개념적으로 제시되는 이론구조로서 전공지식에 따라 간명하게 구 
성된 후 경험적으로 수집된 자료에 의해 통계적인 유의성을 검증함으로써 그 타 
당성이 평가된다. 
경로분석에 의한 인과관계의 유추가 타당성을 지니기 위해서는 경로분석이 적 
용될 수 있는 기본적 가정이 만족되어야 한다. Pedhazur(1982)는 경로분석을 적용 
하기 위한 기본적 가정을 다음과 같이 제시하였다. 
첫째, 변인들 간의 구조관계는 직선적이고 합산적이다. 둘째, 각각의 잔여변인은 
경로도형내에서 자신보다 먼저 발생하는 변인들과 상관이 없다. 셋째,  경로도형내 
관계의 방향은 일방적이므로 두 변인이 동시에 설명변인이 되는 경우는 없다.  넷 
째, 이론변인의 측정에서 측정의 오차는 0이다. 다섯째, 변인의 측정치는 연속자료 
이다. 
그러나 위와 같은 가정가운데 현실적으로 충족될 수 있는 가정은 변인들 간의 
구조관계가 직선적이라는 것과 변인의 측정수준에 대한 가정뿐이다. 이러한 이유 
로 경로분석이 설명을 위한 유용한 방법이긴 하나 이용과 해석에 많은 제한이 따 
르며 대안적인 방법으로 다음절에 설명되는 구조방정식 모형이 사용된다.

(2) 경로분석의 절차

경로분석에서는 이론적 설명에 모든 가능한 관계를 포함한다. 따라서 여러 개의 
회귀모형이 동시에 이용된다. 예를 들어 운동선수의 일탈이 팀에 대한 소속감과 
권위에 대한 순응도에 영향을 받는다고 가정해보자. 이와 함께 순응도는 부모의 
사회경제적 지위, 선수의 운동능력, 그리고 소속감에 의해 결정되며, 소속감은 부 
모의 사회경제적 지위와 운동선수의 운동능력에 의해 영향을 받고, 동시에 일탈은 
부모의 사회경제적 지위와 선수의 운동능력과 직접 연관된다는 가설도 생각할 수 
있을 것이다.

[그림Ⅲ-1] 경로모형

위와 같은 생각은 [그림Ⅲ-1]과 같은 경로모형으로 나타낼 수 있다. 인과관계는 
독립변인에서 종속변인으로 향하는 직선의 화살표로 나타낸다. 따라서 [그림Ⅲ-1] 
에서 운동선수의 일탈은 부모의 사회경제적 지위, 운동능력, 팀에 대한 소속감, 권 
위에 대한 순응도에 의해 영향을 받는다. 그리고 순응도는 부모의 사회경제적 지 
위, 운동능력, 소속감에 의해 영향을 받고, 소속감은 부모의 사회경제적 지위와 운 
동능력에 의해 영향을 받는다. 부모의 사회경제적 지위와 선수의 운동능력 사이에 
양쪽 화살표로 표현된 곡선은 두 변인이 상관관계를 갖기는 하나 이들간에 어떠 
한 인과적 관계를 가정하지 않음을 의미한다. 이렇게 상호 인과적 관계를 가정하 
지 않고 경로모형에서 이미 주어진 것으로 간주하는 변인들을 외생변인 
(exogenous variables)이라 하고, 소속감, 순응도, 일탈과 같이 다른 변인들에 의해 
설명되는 변인들을 내생변인(endogenous variables)이라 한다. 
각 경로의 화살표 위에 쓰는 경로계수(path coefficient)는 중다회귀식에서 독립 
변인의 표준화회귀계수와 같은 값으로 종속변인에 영향을 미치는 각 독립변인들 
의 상대적인 크기를 나타낸다. [그림Ⅲ-1}에서는 세 개의 종속변인이 있으므로 세 
개의 중다회귀분석이 이루어진다. 즉, 소속감을 종속변인으로 하고 부모의 사회경 
제적 지위와 선수의 운동능력을 독립변인으로 하는 중다회귀분석, 순응도를 종속 
변인으로 하고 부모의 사회경제적 지위, 운동능력, 소속감을 독립변인으로 한 중다 
회귀분석, 그리고 일탈을 종속변인으로 하고 부모의 사회경제적 지위, 운동능력, 
소속감, 순응도를 독립변인으로 하는 중다회귀분석을 실시한 후 각 회귀식의 표준 
화회귀계수를 경로계수로 표시한다. 또한 각 종속변인에는 독립변인들로 설명되지 
못하는 잔여분산을 나타내는 잔여경로를 갖는다. 이 값은 으로 계산된다. 
은 각 중다회귀식에서 독립변인들이 종속변인의 분산을 얼마나 설명하는지를 
나타내는 중다결정계수이다. 
일단 각각의 중다회귀분석을 실시하여 각 경로계수를 구한 후 무의미한 경로 
즉, 독립변인의 회귀계수가 통계적으로 의미가 없는 경로를 모형에서 삭제하고, 새 
롭게 구성된 모형에 따라 다시 각각의 중다회귀분석을 실시한 후 새로운 모형의 
경로계수를 찾는다. 
두 변인의 상관계수는 두 변인 사이의 모든 경로계수로 분해된다. 예를 들어 운 
동능력과 일탈간의 상관계수는 총효과로서 인과적 효과와 비인과적 효과로 구분 
되며 구체적인 내용은 <표Ⅲ-1>과 같다. 
  
  
 

<표Ⅲ-1> 총효과의 분해 
 

4) 구조방정식모형

전통적으로 인과관계를 알아내는 주요 수단으로 간주되어온 실험적 접근은 독 
립변인이외에 종속변인에 영향을 미칠 수 있는 다른 변인들에 대한 철저한 통제 
가 보장될 때만 종속변인에서의 변화가 독립변인에서의 실험처치에 의한 것이라 
는 인과관계의 해석이 가능하다. 또한 일반적으로 사회현상의 설명과 같이 관련된 
변인이 많을수록 통제가 어렵고, 타당한 인과관계의 추론이 어렵다. 이에 비해 구 
조방정식모형은 인과관계를 밝힘에 있어 실험연구가 어렵거나 불가능한 비실험실 
적 상황에서 인과관계에 대한 추론을 가능하게 해주는 강력한 통계기법이다 
(Hatcher, 1994).

(1) 구조방정식모형의 개념

구조방정식모형(SEM; structural equation model)은 계량경제학(econometrics), 
계량생물학(biometrics), 심리측정학(psychometrics) 등의 분야에서 발전되었다. 경 
제현상을 설명하고 예언하는 수단으로 사용된 회귀분석(regression analysis)과 생 
물학적 변인간의 인과관계를 밝히는데 사용되어온 경로분석(path analysis), 그리 
고 심리검사의 제작에 활용되어온 요인분석(factor analysis)이 결합된 형태로서 
1970년대 초에 출현한 구조방정식모형은 비실험실적 상황에서의 인과관계 연구에 
효과적인 통계기법이다. 
구조방정식모형은 선형구조모형(linear structural model), 공분산구조분석 
(covariance structure analysis), 잠재변인분석(latent variable analysis), 확인적 요 
인분석(confirmatory factor analysis), LISREL(linear structural relation) 등 여러 
이름으로 불린다. 구조방정식모형의 두 가지 주요한 특징은 첫째, 전통적인 인과관 
계의 분석에 사용된 단순상관이나 중다상관 같은 통계기법은 독립변인과 종속변 
인의 관계만을 분석한 반면, 구조방정식모형은 독립변인과 종속변인뿐만 아니라 
상호 관련된 종속변인들 간의 관계를 추정한다는 점이다. 둘째, 이러한 관계에서 
관측되지 않은 개념을 규명할 수 있고 추정 과정에서의 측정오차를 설명할 수 있 
다는 점이다. 
구조방정식모형에서 측정 가능한 변인은 명시변인(manifest variable), 관측변인 
(observable variable), 측정변인(measured variable), 지시변인(indicator) 등으로 
표현된다. 엄밀한 의미에서 측정변인이나 관측변인은 측정된 모든 변인을 뜻하나 
지시변인은 확인적 요인분석의 과정을 통하여 하나의 이론적인 개념을 구체적으 
로  계량화하는 측정모형에서 사용되나 일반적으로 같은 의미로 사용되고 있다. 
추상적이고 이론적인 개념은 잠재변인(latent variable), 비관측개념(unobserved 
concept), 구인(construct) 등으로 표현된다. 구인은 잠재변인과 같이 각각의 개념 
을 뜻하기도 하나 이들 이론적인 개념들의 구성체로 이루어지는 더욱 커다란 개 
념구조로 사용되기도 한다. 이러한 변인들의 관계에 따라 구조방정식모형은 [그림 
Ⅲ-2]와 [그림Ⅲ-3]과 같이 구조모형과 측정모형으로 구분된다. 
  
[그림Ⅲ-2] 구조모형 
  
[그림Ⅲ-3] 측정모형

첫째, 구조모형(structural model)은 눈에 보이지 않는 이론적이고 잠재적인 종 
속변인들 간의 상호관계를 의미한다. 이는 변인들 간의 인과관계를 파악하고자 한 
전통적인 경로분석과 유사하다. 둘째, 측정모형(measurement model)이다. 이는 눈 
에 보이지 않는 이론적이고도 잠재적인 개념을 측정 가능한 측정치로 나타내주는 
과정으로 요인분석과 유사하다. 이러한 구조모형과 측정모형이 하나로 합쳐 구조 
방정식모형을 이루며 이러한 모형을 도식화한 것이 경로도(path diagram)이다. 따 
라서 구조방정식 모형에서는 요인분석과 경로분석의 개념이 적용된다. 
구조방정식모형은 전통적으로 인과관계의 분석에 사용되었던 경로분석에 내포 
된 몇 가지 비현실적인 가정상의 문제점을 해결함으로써, 변인들 간의 관계에 대 
한 가설 검증에 보다 폭넓게 활용될 수 있게 되었다(이순묵, 1990).

[그림Ⅲ-4] 구조방정식모형

 첫째, 경로분석에서 잠재변인이 오차 없이 측정되었음을 가정했던 점이다. 즉, 
구성타당도(construct validity)측면에서 측정하고자 하는 실제 개념(true concept) 
과 조작적 정의(operational definition)간의 관련정도가 분명해야 함에도 불구하고 
기존의 연구설계에서는 이를 간과하였기 때문에 인과관계에 대한 결과 해석 시 
그릇된 해석을 가져올 수 있다. 따라서 개념에 대한 측정오차를 모형에 포함시킬 
필요가 있으며 구조방정식모형에서는 모든 관찰변인과 잠재변인에서의 오차가 고 
려된다. 즉, 구조방정식에서는 측정오차를 체계적 오차(systematic error)와 비체계 
적 오차(random error)로 구분하고 그 성격과 크기 등을 명시할 수 있어 기존의 
경로분석 및 요인분석에 비해 모형의 타당성을 보다 명확하게 검증할 수 있다. 
또한, 인과관계란 이론상의 개념 및 변인간의 관계를 나타내는 것이지 측정된 
대상이나 사건의 관계를 나타내는 것이라고 보기 어렵다. 따라서 모형내 개념간의 
인과관계를 표시하고 이러한 개념들을 각각의 측정변인으로 표시하는 것이 보다 
바람직하다. 따라서 구조방정식모형에서는 변인을 이론적인 잠재변인과 이들 잠재 
변인을 측정하는 측정변인으로 나누고, 연구자의 이론구조는 잠재변인들 간의 관 
계에 의해 가설화되며, 측정구조는 조작적으로 정의된 잠재변인을 의미하는 측정 
변인간의 관계에 의해 가설화된다. 
둘째, 구조의 흐름이 일방적이라는 가정에서 벗어나 이론변인간의 상호적 관계 
(reciprocal relationship)를 허용한다. 경로분석에서의 모수(parameter)의 추정방법 
인 최소자승법(OLS; ordinary least square method)은 구조의 흐름이 상호적인 경 
우 모수의 계산이 어려웠으므로 모든 관계를 일방적으로 가정했었다. 그러나 구조 
방정식모형에서는 최대우도법(ML; maximum likelihood method) 등 통계적으로 
강력한 모수 추정방법이 적용됨으로 구조의 상호 흐름을 허용할 수 있게 되었다. 
셋째, 잔여변인간의 상관이 없다는 가정이 필요없다. 두 내생변인(endogenous 
variable)에 동시에 직접효과를 갖는 제 3변인이 모형상에 표시(specification)되지 
않았을 경우 두 내생변인의 잔여변인 간에는 0이 아닌 상관이 생기며, 구조방정식 
모형에서는 이를 모형에 표시하고 추정할 수 있다.

(2) 구조방정식모형의 장점

(가) 통계적 추정의 개선 
운동이나 스포츠 현장에서 다루어지는 인간의 행위나 행동에 관련된 특정 개념 
을 이론적이나 실제적으로 오차없이 완벽하게 측정할 수는 없다. 언제나 어느 정 
도의 측정오차가 존재하며 이 오차는 구조계수의 추정에 영향을 미친다. 구조방정 
식모형은 통계적 추정의 개선을 위해 측정의 신뢰도, 즉 측정오차를 고려하여 구 
조계수를 추정한다.

(나) 이론적 개념의 측정오차 고려 
측정오차는 부정확한 반응에서만 오는 것이 아니라 추상적이고 이론적인 개념 
을 측정할 때도 발생한다. 연구자는 그 개념을 잘 측정하는 최상의 질문을 고안하 
고자 하나 응답자가 연구자의 의도와는 다르게 질문에 응답하고 해석할  때 측정 
오차가 증가한다. 이러한 측정오차를 알면 통계적 추정시에 신뢰도를 통합시켜 구 
조방정식모형을 개선할 수 있다.

(다) 측정오차의 명시 
구조방정식모형은 관측변인과 잠재변인간의 관계를 규정하는 측정모형을 제공 
한다. 즉, 각 측정변인이 하나의 개념을 어느 정도 정확하게 측정하는지 나타내며 
이는 측정오차로서 측정변인의 신뢰도와 같다.

(3) 구조방정식모형에서 이론의 중요성 
종속변인간의 관계를 결정하거나 제안된 관계를 수정할 때에는 이론적 정당화 
가 필요하다. 선행연구나 전공지식에 근거한 이론적 뒷받침없이는 구조방정식모형 
의 타당성이나 정당성을 보장받을 수 없다. 즉 이론은 현상에 대한 지속적이고 설 
득력 있는 설명을 제공하는 관련성들의 체계적인 집합체로 정의될 수 있다. 
 

(4) 모형 개발 전략 
구조방정식모형의 산출 결과는 관계에 대한 평가로 구조방정식모형을 적용하기 
위한 세 가지 전략은 다음과 같다. 
 (가) 모형확인전략(confirmatory modeling strategy): 하나의 모형을 정하고 그 
것의 유의성을 평가한다. 
 (나) 모형비교전략(competing models strategy): 대안모형들을 비교하여 대안모 
형 중 이론에 가장 부합되는 모형을 찾는다. 
 (다) 모형개발전략(model development strategy): 구조모형이나 측정모형의 수 
정을 통하여 모형을 개발하며 반드시 이론적 지지가 이루어져야한다.

(5) 구조방정식모형의 단계 
(가) 1단계: 이론에 근거한 모형 구성 
선행연구에 근거하여 개념간의 인과관계를 가정하는 간결하고 압축된 이론적 
모형을 구성한다.

(나) 2단계: 경로도 구성 
외생구인(exogenous constructs) 및 내생구인(endogenous constructs)을 정의하 
고 인과관계를 경로도(path diagram)로 그린다.

(다) 3단계: 구조방정식 설정 및 측정모형 명시 
경로도를 구조방정식으로 전환하고 측정모형(measurement model)을 정한다. 즉, 
요인분석을 통하여 구인(construct)을 확인하고 각 구인의 지시변인(indicator)을 
결정한다. 또한 구인들 및 지시변인들 간의 상관을 확인한다. 이때 외생구인들간 
의 높은 상관은 부적절하다.

(라) 4단계: 모수 추정 
제안된 모형의 모수들을 추정하기 위해서는 표본의 크기를 결정해야 한다. 표본 
의 크기는 구조방정식모형의 추정과 결과의 해석에 중대한 역할을 한다. 최대우도 
추정법(MLE)에서는 표본의 크기가 이론적으로 최소 50이상이어야 타당한 결과를 
산출한다. 그러나 실제로 MLE를 적절하게 사용하기 위해서는 150-200 정도의 표 
본크기가 권장된다.

(마) 5단계: 구조모형의 확인 
구조방정식모형에서 추정되어야 할 구조모수치(unknown parameter)들이 관찰변 
인들의 공분산행렬의 함수(identified parameter)로 표현될 수 있다면, 구조모수치 
는 확인(identification)되었다고 한다. 만일 다음과 같은 원인이 있는 경우 확인상 
의 문제(identification problem)가 발생할 수 있다. 
① 하나 이상의 계수에서 극히 커다란 표준오차가 발견되는 경우 
② 프로그램의 한계 
③ 음의 오차분산같은 비합리적인 추정(Heywood cases, offending estimates) 
④ 추정된 계수들간의 높은 상관(±.90이상) 
또한, 확인을 위한 검사(test for identification) 방법은 다음의 절차를 따른다. 
① 다른 초기값으로 몇 번 재추정하여 결과가 같은 값에 수렴되는 지 확인한다. 
② 하나의 계수에 대한 확인효과를 평가한다. 
  ㉠ 모형 추정하여 계수 추정치 획득 
  ㉡ 추정된 값에 그 계수를 "고정"시키고 그 방정식을 재추정한다. 
  ㉢ 그 모형의 전체적인 적합성이 현저히 다르다면 확인상의 문제가 있음을 
의미한다. 
그리고 확인상의 문제가 지적되었을 때 살펴봐야 할  세 가지 측면은 다음과 
같다. 
① 적은 수의 자유도(degree of freedom): 즉, 관찰변인들의 공분산이나 분산의 
수에 비해 추정되어야할 모수가 많은 경우 
② 상호효과(reciprocal effects)의 사용: 두 구인간의 양방향 인과화살 
③ 구인의 척도를 고정하지 않음 
확인문제의 해결방법은 모형에 더 많은 제한을 하는 것이다. 즉, 문제가 치유될 
때까지 추정될 계수를 제거해 나간다. 좋은 추정을 하기 위해서는 간명모형 
(overidentified model)이 효과적이다. 즉, 간명모형은 표집의 양과 측정오차를 평 
가할 자유도를 더 가지고 있기 때문에 "진정한" 인과관계에 대한 더 좋은 추정치 
를 제공한다. 따라서 다음의 방법에 따라 확인상의 문제를 해결할 수 있다. 
① 정당화될 수 있는 미지의 계수를 최소한으로 갖는 이론적 모형을 설정한다. 
② 가능하다면 구인의 측정오차분산을 고정한다. 
③ 믿을 만하게 알려진 구조계수를 고정한다. 
④ 문제를 일으키는 변인을 제거한다. 
만일 확인문제가 지속되면 조사된 인과관계의 수보다 상대적으로 많은 구인을 제 
공해주는 이론적 모형로 재구성해야 한다.

(바) 6단계: 적합도 평가 
① 모형 추정치의 평가 
구조방정식모형의 가정은 독립된 측정, 무선표집, 모든 관계의 선형성, 다분산정 
규분포이다. 최소자승법(GLS)은 다변량정규분포라는 강한 가정을 필요로 하지 않 
지만 모형이 커지거나 복잡해지면 사용하기 어렵다. 만일 다변량정규분포성이 부 
족하면 카이제곱검정에서 검정통계치가 높아지고 임계치의 상향편기를 유발한다. 
구조방정식모형의 모수 추정 프로그램에서 이러한 가정을 검정하는 절차가 따로 
없으므로 전통적인 방법이나 LISREL의 사전 단계 프로그램으로 제공되는 
PRELIS를 이용한다. 
잘못된 추정치(offending estimates)의 확인은 음의 오차분산(Heywood cases) 
또는 어느 구인에서도 유의하지 않은 오차분산, 표준화된 계수가 1을 넘는 경우, 
그리고 어느 추정계수에서도 표준오차가 상당히 큰 경우를 들 수 있다. Heywood 
cases의 대책으로는 음의 분산을 아주 작은 양의 값으로(예를 들어 .005) 고정한 
다. 또한 표준화된 해법에서 상관이 1을 초과하거나 높게 상관되었을 경우에는 구 
인중의 하나를 제거하거나 구인을 구별할 수 있는 진정한 판별타당도를 확립해야 
만 한다. 대부분 이러한 경우는 충분한 이론적 정당화 없이 단지 경험에 의해서만 
설립된 비논리적인 모형의 결과이다.

② 모형적합도의 평가 
총체적인 모형적합도를 평가하기 위하여 다양한 적합도(goodness of fit) 측정치 
들을 평가한다. 여러 가지 적합도 지수중 하나 이상의 지수를 활용하는 것이 바람 
직하다. 적합도는 관측된 변인들 간의 공분산행렬과 제안된 모형으로 예측된 행렬 
간의 일치도로 평가된다. 여기서 자유도(degrees of freedom)는 공분산행렬에 포 
함되는 분산 및 공분산의 수와 모형에서 추정될 계수의 수와의 차이를 의미한다. 
모형의 적합도를 평가할 때 적합도 측정치를 사용하는 유형은 다음의 세 가지이 
다. 
첫째, 절대적합도(absolute fit measures): 구조모형과 측정모형을 동시에 집합적 
으로 평가하여 전체적인 구조방정식모형의 적합도를 평가한다. 
둘째, 증분적합도(incremental fit measures): 제안된 모형과 연구자가 정한 모형 
을 비교한다. 
셋째, 간결적합도(parsimonious fit measures): 추정될 계수의 수를 달리하면서 
최적의 적합도를 결정하기 위하여 각 모형들을 비교한다. 
전반적인 모형적합도를 평가한 후 각 구인의 측정이 제대로 되었는지 평가되어 
야 한다. 이를 측정모형의 적합도 평가라 하며 이는 단일차원성과 신뢰도로 평가 
한다. 먼저 단일차원성(unidimentionality)의 평가로서 한 구인의 지표들 
(indicators)이 하나의 구인모형(factor model)에 적합한지 평가하여야 한다. 
Cronbach's alpha는 단일차원성을 보장해주지는 않지만 단일차원성이 존재한다는 
것을 어느 정도 가정해준다. 다음 단계는 각 추정된 계수를 검토하고 통계적 유의 
성을 평가하는 것이다. 유의하지 않으면 제거하거나 구인과 더 잘 맞도록 변형한 
다. 
측정모형의 신뢰도 평가에 사용된 기본 접근법은 각 구인에 대한 혼합신뢰도 
(composite reliability)와 추출분산값(variance extracted measures)이다. 추출분산 
값은 그 잠재구인에 의해 설명된 지시변인들 내에서의 총분산의 양을 나타낸다. 
지시변인들이 잠재구인을 정확히 대변할 때 추출분산값은 높게 나타난다. 추출분 
산값은 구인신뢰도(construct reliability)값의 보완측정치로서 한 구인을 위한 추출 
분산값이 .5 이상이 되어야 한다. 신뢰도는 구인지표들간의 내적일관성에 대한 측 
정치로서 공통적인 잠재 구인을 지시하는 정도를 의미한다. 일반적으로 수락할 만 
한 신뢰도 기준은 .70이다. 그러나 신뢰도가 타당도를 보장하지 못한다. 타당도는 
지시변인이 측정하고자 하는 것을 "정확히" 측정하는 정도로 타당도 문제는 잠재 
구인의 지시변인에 대한 전문가의 견해나 전공지식에 근거한  내용타당도로 평가 
된다.

③ 구조모형의 적합도 평가 
가정된 인과관계의 통계적 유의성 검증을 뜻하는 추정된 계수의 유의성을 검증 
한다. MLE의 특성상 표본수가 작을수록 .05수준보다는 .025나 .01수준을 선택하는 
것이 좋다. 또한 제안된 관계에 대한 이론적 정당화에 의거하여 임계수준을 선택 
하여야 한다. 정적이거나 부적인 관계가 가정되었다면 유의도에 대한 일방검증을 
사용하나 관계의 방향을 미리 정할 수 없었다면 양방검증을 사용한다. 
또 다른 평가 방법은 표준화된 계수이다. 표준화된 계수들은 모두 동분산이고 
최대값은 1이므로 회귀분석에서 표준화회귀계수처럼 효과의 크기를 나타낸다. 그 
러므로 크기가 클수록  인과관계에서 중요성은 증가한다. 
전체적인 구조방정식의 측정치는 총결정계수(overall coefficient of 
determination: )로서 각 구조방정식에 대한 상대적인 적합도 측정치를 제공한 
다. 구조방정식모형의 결과는 다중공선성의 영향을 받는다. 그러므로 잠재구인들 
간의 상관이 크면 모형을 수정해야 한다. 즉 특정 구인을 제거하거나 인과관계를 
재구성해야한다. 구인간의 상관이 .90을 초과하면 모형을 재검토해야하고, .80이상 
이면 문제가 있음을 나타내는 것이다. 
④ 경쟁모형의 비교 
모형비교전략은 일련의 모형으로부터 최적의 모형을 결정하기 위하여 모형의 
결과를 비교하는 것이다. 절대적인 면에서 총체적 모형적합도(overall model fit)를 
사용하게 되면 모형적합도를 얻기 위하여 사용된 관계의 수를 고려하지 못한다는 
단점이 있다. 절대적인 적합도는 추정될 계수가 더해짐에 따라 항상 개선되므로 
계수별로 적합성을 측정하기 위하여 간결성적합도측정치(a series of parsimonious 
fit measures)를 사용하여야 한다. 또한, 모형개발전략은 초기모형에서 출발하여 
이론에 맞으면서 최상의 적합도가 산출될 때가지 계속 교정한다.

(사) 7단계: 모형의 수정 
일단 모형이 답변확정되면 이론적 설명이나 적합도를 증가시키기 위하여 가능한 모 
형 수정을 검토한다. 경험적으로 유의한 것으로 평가된 것에 대한 이론적 정당화 
를 획득한 후에 수정이 이루어져야 한다. 또한 모형이 수정되면 받아들이기 전에 
교차타당화되어야만 한다. 
모형 수정의 지표로는 표준화잔차와 수정지수가 이용된다. 표준화잔차 
(standardized residuals)가2.58보다 크면 .05수준에서 통계적으로 유의하다. 유 
의한 잔차는 실질적인 예측오차를 나타낸다. 즉, 차이가 존재한다는 것을 지시해주 
기는 하나 차이를 줄이는 방법을 알려주지 않는다. 그러므로 인과관계의 추가나 
수정을 통해 차이가 줄어드는지 확인해야 한다. 그리고 수정지수(modification 
index)는 각각의 추정되지 않은 관계를 계산해준다. 즉, 수정지수는 그 계수가 추 
정될 경우 발생할 의 감소분을 나타낸다. 3.84이상의 값은 그 계수가 추정될 경 
우에  의 감소가 통계적으로 유의하다. 수정지수가 이론에 근거한 수정의 효과 
를 평가할 때 유용하긴 하지만 단순히 수정지수만을 가지고 모형을 바꾸어서는 
안 된다. 모형을 수정하기 전에 반드시 이론적인 정당화를 확보해야만 한다. 모형 
이 수정되면 단계 4로 되돌아가서 수정된 모형을 재평가해야 한다. 만일 모형이 
수정되면 표본을 들로 나누어 한 집단은 모형추정과 수정에 다른 집단은 최종모 
형의 타당화에 이용되어야 한다.

(6) 구조방정식모형의 모수 추정을 위한 컴퓨터 프로그램 
1970년대 초에 Joreskog 등이 구조방정식모형을 이용하여 잠재적 변인들의 인 
과관계를 밝히는 방법을 연이어 발표함에 따라 많은 사람들이 구조방정식모형을 
Joreskog의 모형이라고 하였으며, 이 Joreskog모형의 컴퓨터 프로그램이 LISREL 
(Joreskog, 1974; Joreskog & Sorbom, 1984)이므로 LISREL(LInear Structural 
RELation)모형이라고도 한다. 이외에도 COSAN(McDonald, 1978), EQS(Bentler, 
1985) 등과 같은 구조방정식 모형을 다루는 독립적인 컴퓨터 소프트웨어들이 존재 
하지만 LISREL 프로그램이 초기 구조방정식모형의 분석프로그램으로 널리 알려 
짐으로써 LISREL에서 사용된 개념 및 용어들이 구조방정식모형을 연구하는 학자 
들간의 의사소통 수단으로 활용되었다. 
그러나 용어 및 개념이 지나치게 세분화되어 이해하기 어렵고 프로그램 사용도 
쉽지 않았기 때문에 운동학 연구자들에게 친근하지 못했던 것이 사실이다. 하지만 
SAS 6.0버전 이후의 하위프로그램인 CALIS나 SPSSWIN의 연계프로그램인 
AMOS는 보다 간단한 개념과 입력방법을 사용함으로써 구조방정식모형을 사용한 
인과관계의 분석을 한층 용이하게 해주고 있다. 이에 실험실 연구가 불가능한 체 
육 및 스포츠 현장에서 인간의 행동에 대한 인과관계의 규명이 연구주제의 상당 
부분을 차지하는 운동학의 인문사회과학 분야에서 구조방정식모형은 더욱 폭넓게 
활용될 수 있을 것이다.