📋 목차
SPSS 출력창에는 표가 수십 개씩 쌓이는데 논문 결과표에 필요한 값은 의외로 몇 칸뿐이에요. 문제는 그 몇 칸 가운데 하나만 잘못 옮겨도 표본 수, 검정통계량, 자유도와 결론이 서로 맞지 않게 된다는 점이죠. 실제 논문 표를 점검할 때는 5가지 확인 항목만 고정해도 흔한 전사 오류를 크게 줄일 수 있더라고요. 숫자를 복사하는 작업보다 어떤 숫자를 골라야 하는지 판단하는 일이 훨씬 어렵다고요!
논문에는 SPSS 화면을 그대로 붙이는 게 아니라 연구 질문에 필요한 통계량을 다시 배열해 제시해야 해요. APA Style 7판 통계 안내서는 검정통계량, 자유도, 정확한 p값, 효과크기와 신뢰구간을 함께 보고하도록 권하고 있거든요. IBM SPSS Statistics 공식 문서도 절차별로 표본 수와 계수, 신뢰구간, 가정검정 결과가 서로 다른 출력표에 나타난다고 설명해요. 결국 논문으로 옮기기 전에는 표본, 행 선택, 통계값, 효과크기, 표기 형식이라는 다섯 축을 한 번에 맞춰야 하는 셈이에요.
SPSS 표를 그대로 붙이면 왜 자꾸 틀릴까
SPSS 결과표는 연구자의 논문 표가 아니라 프로그램이 계산 과정을 보여주는 출력물이에요. 같은 독립표본 t 검정만 실행해도 집단통계량 표와 Levene 등분산 검정, 두 종류의 t 검정 행이 함께 나타나죠. 화면에 먼저 보이는 숫자를 옮겼다가 다른 가정에 해당하는 행을 고른 적 있어요? 표가 반듯하게 정렬돼 있다는 이유만으로 논리까지 맞는 건 아니어서 놀랐어요!
논문 결과표는 연구 가설에 답하는 값만 남기고 출력 과정에서 생긴 정보는 걷어내야 해요. 예를 들어 회귀모형에서는 Model Summary의 R²와 ANOVA 표의 F값, Coefficients 표의 B와 표준오차가 따로 놓여 있거든요. 한 화면만 복사하면 모형 설명력은 있는데 개별 계수가 빠지거나 계수는 있는데 전체 모형 검정이 사라져요. 아, 그래서 SPSS 표 하나와 논문 표 하나가 일대일로 대응한다고 보면 곤란한 거예요.
출력표의 제목보다 연구 질문을 먼저 적어두면 필요한 칸이 선명해져요. 집단 차이를 묻는다면 각 집단의 n, 평균, 표준편차와 t, 자유도, p값, 효과크기가 한 묶음이 되죠. 예측 관계를 묻는다면 B, 표준오차, β, t, p값, 신뢰구간과 모형의 R²가 연결돼야 해요. 근데 가설 문장과 표 열이 서로 대응하는지 확인해 본 적 있어요?
⚠️
SPSS 출력표에서 유의확률만 골라 옮기지 않는 편이 좋아요. p값은 어떤 검정통계량과 자유도에서 나온 값인지 함께 확인해야 의미가 생기거든요. 가설에 유리한 행만 선택하거나 유의한 결과만 남기면 선택적 보고로 보일 수 있어요.
검토 비용도 숫자로 생각하면 체감이 빨라요. 통계 재확인 비용을 1시간에 4만원만 잡아도 지도교수 피드백 뒤 5시간을 다시 쓰면 20만원에 해당하는 시간이 사라지죠. 표를 처음 만들 때 열 이름과 출처 표를 함께 기록하면 같은 출력을 반복해서 뒤지는 일을 줄이게 돼요. 소름 돋게도 숫자 한 칸을 찾는 시간보다 그 숫자의 출처를 다시 확인하는 시간이 더 길어요!
가장 안전한 방식은 SPSS 표를 임시 저장소로 보고 논문용 표를 별도로 만드는 거예요. 논문 표의 각 셀 옆 작업 메모에는 출력표 이름과 행 이름을 적어두면 되죠. 예컨대 B값 옆에 Coefficients, 95% CI 옆에 Lower와 Upper라고 표시하면 수정할 때 출처가 남아요. 이렇게 한 번 연결해 두면 데이터가 바뀌어 재실행해도 어느 값을 교체해야 하는지 금방 보이게 돼요.
표 한 줄을 잘못 고르면 결론도 바뀌어요
출력표의 역할부터 공식 문서에서 확인해 보세요
표본 수와 결측치는 어디서 어긋날까
논문의 연구대상 수와 SPSS 결과표의 유효 사례 수가 다르면 가장 먼저 결측치와 필터를 확인해야 해요. 원자료가 220명이라고 해서 회귀분석도 항상 220명으로 계산되는 건 아니거든요. 종속변수나 독립변수 중 한 칸이 비어 있으면 목록별 제외 설정에 따라 해당 사례 전체가 빠질 수 있어요. 표마다 N이 달라져 당황한 적 있어요?
IBM SPSS Missing Values 문서는 결측 사례가 완전 사례와 체계적으로 다르면 결과가 왜곡될 수 있다고 설명해요. 목록별 제외는 투입 변수 가운데 하나라도 결측이면 사례를 빼고, 쌍별 제외는 계산하는 변수 조합마다 사용 사례가 달라져요. 그래서 상관표의 각 계수 N과 회귀모형의 N이 서로 다를 수 있죠. 솔직히 이 차이를 확인하지 않고 표본 수를 원자료 기준으로 적으면 표 안에서 숫자가 충돌하게 돼요.
분석 사례 수가 줄어드는 가상 점검표
| 점검 단계 | 사례 수 | 감소 사례 | 확인할 곳 |
|---|---|---|---|
| 원자료 | 220 | 0 | Data View |
| 동의 철회 제외 | 216 | 4 | 사례 제외 기록 |
| 필터 적용 | 210 | 6 | Select Cases |
| 결측 사례 제외 | 200 | 10 | Case Processing Summary |
표본 수는 결과표를 만들기 전에 흐름도로 고정하는 게 편해요. 모집 인원, 응답 완료 인원, 제외 인원, 실제 분석 인원을 나누면 어느 단계에서 줄었는지 바로 드러나죠. 분석마다 N이 다르다면 표 주석에 결측 처리 방식과 유효 사례 수를 밝혀야 해요. 와, 원자료 수만 믿고 넘어갔다면 심사 과정에서 설명하기 정말 난감하겠죠!
Filter, Split File, Weight Cases가 켜져 있는지도 꼭 봐야 해요. 이전 분석에서 켜둔 설정이 남으면 같은 데이터 파일인데도 집단별 결과만 나오거나 가중치가 적용될 수 있거든요. SPSS 상태 표시줄과 Data 메뉴를 확인하고 실행 전 구문으로 설정을 초기화하면 재현성이 높아져요. 좀 번거로워 보여도 분석 시작 전 FILTER OFF와 SPLIT FILE OFF 상태를 기록하는 이유가 여기에 있어요.
표본 불일치 수정에 1시간당 3만원만 잡아도 본문과 표, 초록의 N을 고치는 데 6시간이면 18만원에 해당해요. 더 큰 문제는 숫자를 고친 뒤 평균과 표준편차, 자유도까지 다시 확인해야 한다는 점이죠. 분석 사례 수가 바뀌면 검정 결과도 함께 달라질 수 있으니 N만 수정하고 끝낼 수 없어요. 연구대상 흐름과 결과표 N을 한 번에 대조하면 이런 연쇄 수정이 줄어들게 돼요.
논문에 옮길 때는 전체 표본과 실제 분석 표본을 구분해 문장을 쓰는 게 자연스러워요. 예를 들어 설문에는 220명이 참여했고 결측 사례를 제외한 200명이 회귀분석에 포함됐다고 적으면 되죠. 결측 비율과 처리 방법을 함께 밝히면 독자는 결과가 어떤 데이터에서 나왔는지 판단할 수 있어요. 결측값을 평균으로 대체했다면 그 선택 근거와 민감도도 설명하는 편이 낫지 않을까요?
N 하나가 다르면 심사자가 가장 먼저 멈춰요
결측치와 제외 사례의 흐름을 먼저 맞춰 보세요
검정값과 유의확률은 어떻게 적어야 할까
논문 결과 문장은 p값 하나가 아니라 검정통계량과 자유도, p값이 한 묶음으로 들어가야 해요. t 검정이라면 t와 df, 분산분석이라면 F와 두 자유도, 카이제곱 검정이라면 χ²와 df가 필요하죠. 상관분석에서는 r과 표본 수 또는 자유도를 함께 제시하고 회귀계수에는 B나 β와 t값을 붙여요. 유의확률만 적힌 문장을 본 적 있어요?
APA Style의 2024년 숫자·통계 안내서는 p값이 .001 이상이면 정확한 값을 두 자리나 세 자리 소수로 보고하라고 제시해요. SPSS의 .000 표시는 확률이 0이라는 뜻이 아니라 표시 범위보다 작다는 의미라서 p<.001로 옮겨야 하죠. p=.047을 p<.05로 바꾸면 독자가 실제 값을 잃게 되니 그대로 적는 편이 좋아요. 사실 .049와 .001을 같은 유의 결과로만 처리하면 증거의 정도를 지나치게 단순화하는 거예요.
💡
논문 문장을 쓰기 전에 검정별 보고 틀을 한 줄로 만들어 두세요. t(df)=값, p=값, d=값처럼 빈칸을 고정하면 자유도나 효과크기를 빼먹는 일이 줄어요. 통계 기호의 이탤릭체와 소수점 자리수는 투고 학술지 양식을 우선해 맞추면 돼요.
독립표본 t 검정 가상 결과를 옮기는 방식
| 항목 | SPSS 값 | 논문 표기 | 확인 이유 |
|---|---|---|---|
| 집단 A | n=52, M=3.82, SD=.61 | 3.82 (.61) | 방향 확인 |
| 집단 B | n=49, M=3.41, SD=.70 | 3.41 (.70) | 차이 크기 확인 |
| Levene 검정 | p=.284 | 등분산 가정 행 사용 | 행 선택 |
| t 검정 | t=3.16, df=99 | t(99)=3.16 | 검정과 자유도 연결 |
| 유의확률 | .002 | p=.002 | 정확한 값 보고 |
검정 결과와 기술통계의 방향도 일치해야 해요. 집단 A 평균이 B보다 높은데 본문에서 B가 높았다고 쓰면 t값이 맞더라도 해석은 틀린 거죠. 회귀계수 부호가 음수인데 정적 관계라고 표현하는 실수도 자주 생겨요. 평균 차이와 계수 부호를 문장 바로 옆에서 확인하면 충격적인 방향 오류를 막을 수 있다고요!
양측검정인지 단측검정인지도 연구계획과 맞아야 해요. SPSS의 주요 t 검정 및 회귀계수 출력은 기본적으로 양측 유의확률을 제공하므로 연구자가 단측가설을 세웠다고 자동으로 단측값이 나오는 건 아니거든요. 자료를 본 뒤 양측값을 절반으로 나누는 선택은 연구계획과 정당화가 없으면 신뢰를 떨어뜨려요. 글쎄, 가설 방향만 보고 단측검정으로 바꾸는 게 과연 타당할까요?
통계 표기 수정 비용을 한 문장에 2천원만 잡아도 결과 절 80문장을 손보면 16만원에 해당해요. 숫자뿐 아니라 괄호, 이탤릭체, 등호와 부등호를 함께 고쳐야 해서 생각보다 오래 걸리죠. 결과 작성 전에 소수점 자릿수와 p값 규칙을 정하면 표 전체가 같은 기준으로 움직여요. 표와 본문의 값이 동일한지 교차 확인하는 과정도 훨씬 짧아지게 돼요.
좋은 결과 문장은 유의 여부를 선언하는 데서 멈추지 않아요. 어느 집단이 높았는지, 관계의 방향은 무엇인지, 검정값은 얼마였는지까지 한 호흡에 담아야 하죠. 예시 수치라면 집단 A의 점수가 B보다 높았으며 그 차이가 통계적으로 뚜렷했다고 쓰고 t(99)=3.16, p=.002를 붙일 수 있어요. 이때 실질적인 차이가 얼마나 큰지는 효과크기에서 이어지는 거예요.
p값만 옮기면 결과 문장이 반쪽이에요
검정값과 자유도까지 한 묶음으로 확인하세요
효과크기와 신뢰구간까지 넣으면 뭐가 달라질까
p값은 관찰한 데이터가 설정한 통계모형과 얼마나 양립하기 어려운지를 보여주지만 효과의 크기를 직접 말해주지는 않아요. 미국통계학회가 2016년에 발표한 p값 성명도 p값만으로 결과의 크기나 과학적 의미를 판단할 수 없다고 강조했죠. 표본이 커지면 작은 차이도 낮은 p값을 얻을 수 있어요. 유의하다는 말만 보고 차이가 크다고 생각한 적 있어요?
효과크기는 연구 질문에 맞춰 골라야 해요. 두 집단 평균 차이에는 Cohen의 d나 Hedges의 g를 쓸 수 있고 분산분석에는 η² 또는 부분 η²가 자주 쓰이죠. 상관분석에서는 r 자체가 크기와 방향을 함께 보여주며 회귀에서는 B와 β, R²가 서로 다른 정보를 줘요. 와, 같은 p=.002라도 d=.20과 d=.80은 실제 해석이 전혀 다르게 느껴져요!
검정별 효과크기와 신뢰구간 가상 예시
| 검정 | 점추정치 | 95% 신뢰구간 | 읽는 핵심 |
|---|---|---|---|
| 독립표본 t 검정 | d=.63 | [.22, 1.03] | 표준화 평균 차이 |
| 일원분산분석 | η²=.08 | [.02, .15] | 설명된 분산 비율 |
| 상관분석 | r=.34 | [.15, .50] | 관계의 방향과 크기 |
| 선형회귀 | B=.42, β=.31 | B [.18, .66] | 원단위 변화와 표준화 관계 |
| 회귀모형 | R²=.27 | 조정 R²=.25 | 모형 설명력 |
신뢰구간은 점추정치가 얼마나 정밀한지 보여줘요. 같은 d=.50이라도 95% 신뢰구간이 [.42, .58]이면 범위가 좁고 [-.10, 1.10]이면 가능한 값의 폭이 매우 넓죠. 회귀계수의 신뢰구간에 0이 포함되면 해당 유의수준에서 영가설 값과 양립할 가능성을 함께 고려해야 해요. 근데 신뢰구간이 95% 확률로 참값을 포함한다는 뜻으로 쓰면 정확하지 않아요.
효과크기는 관행적인 소·중·대 기준만으로 결론 내리지 않는 편이 좋아요. 같은 d=.30이라도 교육 개입, 의료 위험, 조직 성과처럼 연구 맥락에 따라 실질적 의미가 달라지거든요. 측정도구의 단위로 해석할 수 있는 B와 집단 평균 차이를 함께 제시하면 독자가 현실적인 변화를 이해하기 쉬워요. 효과가 어느 정도여야 실제로 의미가 있다고 볼 수 있을까요?
효과크기 재계산을 건당 5만원만 잡아도 검정 6개를 뒤늦게 보완하면 30만원에 해당하는 작업이 생겨요. 일부 SPSS 절차는 효과크기를 바로 제공하지만 버전과 메뉴에 따라 원하는 지표가 빠질 수 있죠. 분석 계획 단계에서 사용할 효과크기와 계산 방식을 정하면 결과표 열도 미리 설계할 수 있어요. 표본 수 산정에 사용한 효과크기와 결과에서 보고한 지표가 연결되는지도 확인하게 돼요.
APA의 양적 연구 보고 기준은 가능한 경우 각 추론검정에 대응하는 효과크기와 신뢰구간을 제시하도록 요구해요. 이는 p값을 버리자는 뜻이 아니라 추정치의 크기와 불확실성을 함께 보여주자는 취지예요. 결과표에 p열만 가득하고 효과크기 열이 비어 있다면 독자는 연구의 실질적 의미를 판단하기 어렵죠. 그러니까 유의성, 크기, 정밀도라는 세 정보를 한 표에서 연결하는 게 핵심인 셈이에요.
유의성보다 크기와 범위가 더 오래 남아요
효과크기와 신뢰구간 열을 결과표에 더해 보세요
가정검정과 결과 행은 어떻게 골라야 할까
SPSS 결과표에는 같은 검정처럼 보이는 행이 둘 이상 나오는 경우가 많아요. 독립표본 t 검정에서는 등분산을 가정한 행과 가정하지 않은 행이 나란히 제시되고 반복측정 분산분석에서는 구형성 가정 여부에 따른 보정 행이 여러 개 나타나죠. 어떤 행을 선택했는지 설명하지 않으면 자유도가 왜 달라졌는지 독자가 알기 어려워요. 비슷한 숫자라 아무 행이나 골랐다가 놀란 적 있어요?
IBM SPSS 독립표본 t 검정 문서를 보면 Levene 등분산 검정과 등분산 가정 및 비가정 결과가 함께 제공돼요. Levene 검정의 p값이 설정한 유의수준보다 충분히 크면 등분산 가정 행을 쓰는 관행이 널리 사용되죠. 가정이 맞지 않거나 집단별 분산과 표본 수가 크게 다르면 Welch 방식에 해당하는 비가정 행이 더 알맞을 수 있어요. 아, Levene 검정 자체가 두 집단 평균 차이를 검정하는 값은 아니라는 점도 기억해야 해요.
가정과 결과 행을 연결하는 가상 점검표
| 확인 대상 | 가상 결과 | 판단 예시 | 함께 볼 자료 |
|---|---|---|---|
| 등분산성 | Levene p=.284 | 등분산 가정 행 검토 | 집단별 SD와 n |
| 잔차 독립성 | Durbin-Watson=1.91 | 강한 자기상관 징후가 적음 | 자료 수집 구조 |
| 다중공선성 | VIF=1.24~2.18 | 심한 공선성 징후가 적음 | Tolerance와 상관행렬 |
| 잔차 분포 | 표준화 잔차 -2.41~2.67 | 극단 사례 추가 점검 | 히스토그램과 Q-Q 도표 |
| 영향 사례 | Cook 거리 최대 .18 | 개별 사례 영향 확인 | 레버리지와 사례번호 |
가정검정은 p값 하나로 통과와 탈락을 선언하는 절차가 아니에요. 표본이 크면 사소한 일탈도 정규성 검정에서 유의해질 수 있고 표본이 작으면 큰 일탈을 찾아내지 못할 수 있거든요. 히스토그램, Q-Q 도표, 잔차도와 연구설계를 함께 봐야 판단이 안정돼요. 그래프는 보지 않고 Shapiro-Wilk 값만 적는 방식이 과연 충분할까요?
회귀분석에서는 전체 모형과 개별 계수를 구분해야 해요. ANOVA 표의 F와 p값은 예측변수 묶음이 종속변수를 설명하는지 보여주고 Coefficients 표는 각 변수의 고유한 관계를 보여주죠. 모형이 유의해도 모든 예측변수가 유의한 건 아니며 특정 계수가 유의해도 R²가 충분히 크다는 뜻은 아니에요. 두 결과를 섞어 쓰면 해석이 순식간에 꼬여서 충격적이에요!
가정 위반으로 재검정을 맡기는 비용을 건당 8만원만 잡아도 모형 4개면 32만원에 해당해요. 더구나 대체 검정을 사용하면 표와 본문, 연구방법의 통계 절차까지 함께 바꿔야 하죠. 분석 전에 가정 점검표를 만들고 사용한 보정법이나 강건한 검정을 기록해 두면 수정 범위가 줄어요. 결과가 기대와 다르다는 이유로 검정을 바꾸지 않았다는 흔적도 남길 수 있거든요.
임계값은 절대 규칙보다 경고 신호로 다루는 게 낫죠. VIF 5나 10, Durbin-Watson 2 근처 같은 기준은 맥락을 돕는 경험적 기준이지 자동 판정 장치가 아니에요. 표본 크기, 변수 특성, 연구설계와 잔차 모양을 함께 고려해야 해요. 그래서 논문에는 기준값만 나열하기보다 어떤 진단을 보고 어떤 결정을 내렸는지 짧게 적는 편이 설득력 있어요.
다섯 칸 체크리스트로 옮겨보니 실수가 줄더라
논문 표를 만들 때는 빈 문서부터 시작하지 않고 다섯 칸짜리 확인표를 먼저 열어두는 게 좋아요. 확인 1은 원자료 N, 제외 사례, 결측 처리와 실제 분석 N을 맞추는 칸이에요. 확인 2는 가정검정 결과에 따라 사용한 행과 보정법을 기록하는 자리죠. 이 두 칸만 채워도 자유도와 표본 수가 어긋나는 오류가 눈에 띄게 줄어 놀랐어요!
확인 3에는 검정통계량, 자유도, 정확한 p값과 결과 방향을 적어요. 확인 4에는 효과크기, 95% 신뢰구간, B와 β처럼 해석 단위가 다른 계수를 구분해 넣으면 돼요. 확인 5는 소수점 자릿수, 기호, 표 주석, 본문과 표의 숫자 일치 여부를 보는 칸이에요. 이 순서로 점검해 본다면 어디서 막힐 것 같나요?
직접 해본 경험
처음 결과표를 옮겼을 때 Levene 검정의 p값을 집단 차이의 p값으로 착각한 적이 있어요. 표에는 p=.612를 넣었는데 본문에는 t 검정의 p=.018을 적어 두어 두 결과가 서로 충돌했죠. 지도 과정에서 지적을 받은 순간 얼굴이 화끈거리고 이미 작성한 결과 절을 전부 다시 봐야 한다는 생각에 가슴이 철렁했어요. 그 뒤 출력표 이름, 선택 행, 논문 셀을 연결하는 확인표를 만들었고 같은 유형의 실수는 눈에 띄게 줄었어요.
내가 생각했을 때 체크리스트의 장점은 기억력에 의존하지 않는다는 점이에요. 분석을 끝낸 날에는 숫자의 위치를 잘 알지만 며칠만 지나도 어떤 행을 골랐는지 흐릿해지거든요. 구문 파일과 출력 파일, 논문 표의 버전을 같은 날짜로 묶으면 수정 이력까지 추적할 수 있어요. 뭐, 파일 이름을 result_final처럼 붙이기보다 20260722_regression_v03처럼 날짜와 버전을 넣는 편이 훨씬 낫죠.
검토 시간을 10분에 1만원만 잡아도 표 12개를 다시 대조하면 12만원에 해당해요. 처음부터 다섯 칸을 표마다 채우면 수정된 데이터로 재실행할 때 바뀐 셀만 찾아 교체할 수 있죠. 표 작성자와 본문 작성자가 다를 때도 같은 확인 기준을 공유하게 돼요. 짧은 기록 하나가 며칠 뒤의 나를 살려주는 셈이에요!
제출 직전에는 SPSS 출력과 논문 표를 왼쪽과 오른쪽 화면에 나란히 띄워 보세요. N, 평균과 표준편차, 검정값과 자유도, p값, 효과크기와 신뢰구간 순서로 한 줄씩 읽으면 돼요. 표 확인을 마친 뒤 본문에서 같은 수치를 검색하면 숫자 불일치까지 찾을 수 있어요. 결과가 유의하지 않더라도 계획한 검정이라면 누락하지 않고 함께 보고하는 태도가 신뢰를 높여줘요.
제출 전 10분 검토가 재검토 며칠을 막아요
표본부터 신뢰구간까지 다섯 칸을 채워 보세요
자주 묻는 질문
Q1. SPSS 출력표를 논문에 그대로 붙여도 되나요?
A1. SPSS 출력표는 논문용 형식으로 다시 구성하는 편이 좋아요. 연구 질문에 필요한 통계량만 남기고 표 제목, 열 이름, 소수점, 주석을 투고 학술지 양식에 맞춰야 해요.
Q2. SPSS에 p=.000으로 나오면 그대로 적나요?
A2. p=.000이 아니라 p<.001로 적어야 해요. 실제 확률이 정확히 0이라는 뜻이 아니라 SPSS가 소수 셋째 자리까지 표시하면서 .000으로 보여준 결과예요.
Q3. 독립표본 t 검정에서 어느 행을 사용하나요?
A3. 등분산성 판단과 집단별 분산 및 표본 수를 확인해 행을 선택해요. 등분산 가정이 타당하면 위 행을 검토하고 타당하지 않다면 Welch 방식에 해당하는 비가정 행을 사용하는 경우가 많아요.
Q4. 회귀분석에서 B와 β 중 무엇을 적어야 하나요?
A4. 가능하면 B와 표준오차 또는 신뢰구간을 기본으로 제시하고 β를 함께 보고하면 좋아요. B는 원래 측정 단위의 변화를 보여주고 β는 변수 간 상대적인 관계 크기를 읽는 데 쓰여요.
Q5. 효과크기는 유의한 결과에만 넣으면 되나요?
A5. 효과크기는 유의 여부와 관계없이 계획한 주요 결과에 제시하는 편이 타당해요. 유의하지 않은 결과도 추정치와 신뢰구간을 제시하면 가능한 효과의 범위를 판단할 수 있어요.
Q6. 신뢰구간에 0이 포함되면 효과가 없다는 뜻인가요?
A6. 신뢰구간에 0이 포함되면 해당 신뢰수준에서 0과 양립할 수 있다는 뜻이에요. 효과가 정확히 없다고 확정하는 표현보다 추정치의 방향과 구간 폭, 표본 크기를 함께 해석해야 해요.
Q7. 표마다 표본 수가 달라도 괜찮나요?
A7. 결측 처리나 변수 구성 때문에 표마다 N이 달라질 수 있어요. 독자가 이유를 알 수 있도록 각 분석의 유효 표본 수와 제외 기준을 방법 절이나 표 주석에 밝혀야 해요.
Q8. 유의하지 않은 결과도 논문에 적어야 하나요?
A8. 사전에 계획한 가설검정 결과라면 유의하지 않아도 보고해야 해요. 유의한 값만 남기면 선택적 보고로 이어질 수 있으므로 검정값, p값, 효과크기와 신뢰구간을 함께 제시하는 편이 좋아요.
Q9. 소수점은 몇 자리까지 맞추면 되나요?
A9. 통계량은 보통 소수 둘째 자리, p값은 두 자리나 세 자리로 통일해요. 측정 단위와 학문 분야, 학술지 규정에 따라 달라질 수 있으니 투고 규정을 우선하고 같은 열에서는 자리수를 맞춰야 해요.