Jamovi 튜토리얼 및 AI 입력 프롬프트

t검정, 회귀분석, 구조방정식모형, 다층모형 등 심리학 및 사회과학 연구에 사용되는 모든 통계분석 기법을 다룹니다. 

Regressionjamovi(자모비) 상관분석(Correlation Matrix) : 입력부터 결과 해석까지 - AI를 좋아하는 학생은 공부도 열심히 할까?

2026-01-09
조회수 173
Free Preview

Jamovi 상관분석(Correlation Matrix) : Pearson, Spearman, Kendall 차이와 해석

“대학생들의 AI에 대한 태도와 학습 몰입, 어떤 상관이 있을까?”

새로워진 디자인으로 만나는 심리통계의 정석

jamovi(자모비)에서 상관분석(Correlation Matrix)을 하려고 메뉴를 열었는데, Pearson, Spearman, Kendall's tau-b라는 세 가지 체크박스 앞에서 멈칫한 적이 있으신가요? “그냥 기본값인 Pearson만 체크하면 되는 거 아냐?”라고 생각하셨다면 데이터가 보내는 중요한 신호를 놓치고 계실지도 모릅니다.

이 튜토리얼(유료 콘텐츠)은 단순히 기능 설명만 하는 글이 아니라 '대학생들의 AI에 대한 태도와 학습 몰입'이라는 하나의 사례를 가지고, 데이터의 성격에 따라 어떤 상관계수를 선택해야 하는지 처음부터 끝까지 따라가는 방식으로 구성되어 있습니다. 연구 질문 설정 → 데이터 특성 파악(정규성/척도) → jamovi 입력 설정 → 결과표 및 그래프 해석까지 한 흐름으로 볼 수 있도록 정리했습니다.

💡 이 튜토리얼에서 배우는 핵심 내용
  • 상관분석 세 형제의 선택 기준: Pearson, Spearman, Kendall의 결정적 차이(정규분포 여부, 서열 척도, 동점자가 많은 소표본 등)를 완벽 정리합니다.
  • 필수 체크리스트: 산점도(Scatter plot)를 통해 직선 관계인지, 이상치(Outlier)가 데이터를 왜곡하고 있지는 않은지 확인하는 법을 다룹니다.
  • jamovi 설정과 결과 해석: 변수 유형 아이콘의 영향, 별표(*) 표시 옵션 활용법, 상관계수(r)의 부호와 크기가 갖는 의미를 상세히 풀이합니다.
  • 시각화와 인과관계의 함정: Correlation Matrix Plot 해석법과 “상관관계는 인과관계가 아니다”라는 명제를 보고서에 녹여내는 논리적 기술법을 제시합니다.
  • 상황별 실습 예제: 시나리오 A(Pearson), B(Spearman), C(Kendall)에 맞춘 3가지 데이터 파일을 모두 제공합니다.

또한 이 분석 기능은 별도로 제공되는 jamovi 입력 패널 사양서(analysis panel specification)와 함께 사용하면, ChatGPT, Claude, Gemini, Perplexity, Copilot 같은 인공지능(AI)에게 “내 데이터 상황에서는 어떤 옵션을 체크해야 해?”를 더 정확하게 물어보는 데도 활용하실 수 있습니다.

📚 목 차 (Full Version 구성)

  1. 연구 사례: AI 태도와 학습 몰입
  2. 상관분석(Pearson, Spearman, Kendall)의 기초
  3. 산점도 확인 및 이상치 점검
  4. jamovi로 분석/해석하기 (핵심 실습 파트)
  5. 결과 보고 및 인과관계 기술 유의점
  6. 참고문헌 및 데이터 다운로드

4. jamovi로 분석/해석하기

먼저 'Regression' 메뉴에서 'Correlation Matrix'를 선택합니다. 분석할 변수들을 오른쪽 칸으로 옮긴 뒤, 데이터의 척도에 따라...

Correlation Matrix Plot 해석

  • Density plot을 통한 분포 확인... (중략)
  • 상관계수 r값과 별표(*)의 통계적 유의성... (중략)
🔒

이 내용은 Basic 회원 전용입니다

📌 콘텐츠 열람 안내
1. 우측 상단 [회원가입][Basic 멤버십] 구매
2. 구매 후 아래 [전체 내용 보기] 버튼을 통해 모든 내용을 즉시 확인하실 수 있습니다.
전체 내용 보기 →


0