Jamovi 로그 선형 회귀분석 (Log-Linear Regression) : 다원 교차표의 복잡한 상호작용 해석하기
"얼굴 문신과 폭력 범죄가 만나면 유죄 평결은 어떻게 폭증하는가?"
법정에서 피고인의 외모(문신)는 배심원의 판결에 무의식적인 편견을 제공할 수 있습니다. 하지만 현실의 편견은 "문신이 있으면 무조건 유죄를 더 받는다"처럼 단순하게 작동하지 않습니다. 범죄의 유형(사기 vs 폭력)과 문신의 위치(팔 vs 얼굴) 등 여러 가지 조건이 복합적으로 얽혀 특정한 상황에서만 폭발적으로 발동하는 경우가 많습니다.
"단순한 2차원 교차분석(카이제곱 검정)으로는 3개 이상의 범주형 변수가 얽힌 복잡한 현실의 상호작용을 분석하기 어렵습니다."
이 글에서는 jamovi의 로그 선형 회귀분석(Log-Linear Regression)을 활용하여 다원 교차표의 복잡한 데이터를 해석하는 방법을 학습합니다. 이 분석은 일반적인 선형 회귀분석과 달리, 종속변수가 연속형 점수가 아니라 특정 범주 조합(Cell)에 속하는 '사람의 수(빈도수, Counts)'일 때 사용하는 강력한 통계 기법입니다.
이번 PRO Exclusive 튜토리얼에서는 258명의 모의 배심원 데이터를 통해, 특정 조건(폭력 범죄 + 얼굴 문신)이 결합했을 때 유죄 평결 빈도가 어떻게 비정상적으로 치솟는지 그 '다원 상호작용(Multi-way Interaction)' 효과를 통계적 수치와 그래프로 증명하는 과정을 완벽하게 마스터하실 수 있습니다.
💡 이 튜토리얼에서 배울 수 있는 핵심 내용
분석 목표: 3개 이상의 범주형 변수들로 구성된 다원 교차표에서, 각 범주 조합(Cell)의 '빈도수(Counts)'가 상호작용을 통해 어떻게 증감하는지 예측하고 모델링합니다.
핵심 원리 (다원 상호작용): 변수들이 독립적으로 작용하는 것을 넘어, 특정 조건이 결합했을 때 만들어내는 복잡한 시너지 패턴을 통계적으로 입증해 내는 법을 다룹니다.
jamovi 스킬:
변수 설정: 종속/독립 변수의 올바른 척도 지정 및 Counts 칸 활용 주의점
참조 수준(Reference Levels): 해석이 꼬이지 않도록 비교의 '기준점'을 명확히 설정하는 실무 필수 팁
비율 비(Rate Ratio) 해석: 로그 수치를 지수 변환하여 "특정 조건에서 빈도 비율이 몇 배나 증감했는지" 직관적으로 파악하는 방법
📚 목 차 (Full Version 구성)
논문 사례: 법정 심리학과 외모 편견
Log-Linear Regression 이란? (핵심 개념)
분석 수행 전 필수 확인 사항 (Assumption Checks)
jamovi로 분석/해석하기 (다원 상호작용의 유의성과 파괴력 확인)
퀴즈
참고문헌
📂 실습용 데이터(CSV) 및 jamovi 원본 파일 다운로드 제공
자세한 통계량 해석과 실제 분석 세팅 화면은 아래 유료 콘텐츠에서 확인하실 수 있습니다. ⬇⬇
Log-Linear Regression
[Factors] ...
Reference Levels...
Model Coefficients...
🔒
이 내용은 Pro 회원 전용입니다
📌 열람 방법
1. 우측 상단 [회원가입] 후 [Pro 멤버십] 구매 2. 구매 후 아래 [전체 내용 보기] 버튼을 통해 모든 내용을 즉시 확인하실 수 있습니다.
Jamovi 로그 선형 회귀분석
(Log-Linear Regression) : 다원 교차표의 복잡한 상호작용 해석하기
"얼굴 문신과 폭력 범죄가 만나면 유죄 평결은 어떻게 폭증하는가?"
법정에서 피고인의 외모(문신)는 배심원의 판결에 무의식적인 편견을 제공할 수 있습니다. 하지만 현실의 편견은 "문신이 있으면 무조건 유죄를 더 받는다"처럼 단순하게 작동하지 않습니다. 범죄의 유형(사기 vs 폭력)과 문신의 위치(팔 vs 얼굴) 등 여러 가지 조건이 복합적으로 얽혀 특정한 상황에서만 폭발적으로 발동하는 경우가 많습니다.
이 글에서는 jamovi의 로그 선형 회귀분석(Log-Linear Regression)을 활용하여 다원 교차표의 복잡한 데이터를 해석하는 방법을 학습합니다. 이 분석은 일반적인 선형 회귀분석과 달리, 종속변수가 연속형 점수가 아니라 특정 범주 조합(Cell)에 속하는 '사람의 수(빈도수, Counts)'일 때 사용하는 강력한 통계 기법입니다.
이번 PRO Exclusive 튜토리얼에서는 258명의 모의 배심원 데이터를 통해, 특정 조건(폭력 범죄 + 얼굴 문신)이 결합했을 때 유죄 평결 빈도가 어떻게 비정상적으로 치솟는지 그 '다원 상호작용(Multi-way Interaction)' 효과를 통계적 수치와 그래프로 증명하는 과정을 완벽하게 마스터하실 수 있습니다.
📚 목 차 (Full Version 구성)
자세한 통계량 해석과 실제 분석 세팅 화면은 아래 유료 콘텐츠에서 확인하실 수 있습니다. ⬇⬇
Log-Linear Regression
[Factors] ...
이 내용은 Pro 회원 전용입니다
2. 구매 후 아래 [전체 내용 보기] 버튼을 통해 모든 내용을 즉시 확인하실 수 있습니다.