종속 변수 vs 결과 변수의 차이점 설명

대부분의 맥락에서 종속변수(dependent variable)와 결과변수(outcome variable)는 이름만 다를 뿐 같은 것을 의미합니다. 둘 다 측정하는 대상, 값이 변할 것으로 예상되는 대상, 방정식의 왼쪽에 있는 대상을 가리킵니다. 혹시 잘못된 용어를 사용하지 않았는지 걱정하고 있었다면, 아마 제대로 사용하셨을 것입니다.

중요한 것은 바로 '시그널링(signaling)'입니다. 어떤 단어를 선택하느냐에 따라 독자에게 자신이 어떤 연구 전통 속에서 글을 쓰고 있는지 알려주며, 구체적인 한 가지 사례에서는 연구 설계에 대한 정보를 전달하기도 합니다. 그 사례는 이해할 가치가 있습니다. 왜냐하면 잘못 사용했을 때 심사위원이 실제로 지적하고 넘어가는 몇 안 되는 용어 오류 중 하나이기 때문입니다.

<CTA title="분야의 어휘로 글쓰기" description="Jenni는 긴 문서 전체에서 일관된 용어를 유지할 수 있도록 도와줍니다" buttonLabel="Jenni 무료 체험하기" link="https://app.jenni.ai/register" />

요약

종속변수는 실험 연구 전통에서 유래했습니다. 조작한 독립변수에 따라 그 값이 결정될 것으로 예상되기 때문에 종속(dependent)이라고 부릅니다.

결과변수는 더 폭넓고 연구 설계에 중립적인 용어입니다. 분석에서 동일한 위치를 지칭하지만, 그것을 만들기 위해 무언가가 조작되었다는 점을 암시하지는 않습니다.

따라서 모든 종속변수는 결과변수입니다. 하지만 모든 결과변수를 종속변수라고 편하게 부를 수는 없으며, 그 이유는 다음 섹션에서 설명합니다.

왜 '종속변수'가 아닌 '독립변수'가 문제일까?

불편함은 다른 한쪽의 짝에서 발생합니다. 진정한 실험에서는 다른 모든 것과 독립적으로 독립변수를 설정하며, 이것이 바로 이름이 뜻하는 바입니다. 하지만 관찰 연구에서는 그렇게 하지 않습니다. 소득, 노출, 또는 이전 성적 등을 이미 존재하는 그대로 기록할 뿐입니다.

일부 방법론 학자들은 이러한 경우 실험 용어를 사용하는 것이 명백히 잘못되었다고 생각합니다. BCcampus 연구 방법론 교과서에서는 상관 설계에 대해 두 변수 중 어느 것도 상대 변수의 원인이 되지 않고 아무것도 조작되지 않는 경우, 독립변수와 종속변수라는 용어는 이러한 종류의 연구에 적용되지 않는다고 명시하고 있습니다. 내셔널 대학교(National University)의 통계 자료에서도 분석이 관계의 방향에 의존하지 않기 때문에 상관 연구는 독립변수와 종속변수를 식별하지 않는다는 점을 지적하며 동일한 주장을 하고 있습니다.

두 단어는 짝을 지어 다니기 때문에 '독립'을 생략하면 보통 '종속'도 함께 사라지게 됩니다. 이것이 바로 측정된 변수 자체의 특성 때문이 아니라, 관찰 연구에서 '결과변수'가 자연스러운 용어로 자리 잡게 된 이유입니다.

이것은 확립된 규칙이라기보다는 현재 통용되는 관례라는 점을 염두에 두시기 바랍니다. 유능한 분석가들 중에서도 관찰 데이터에 대해 거리낌 없이 '독립변수'를 사용하는 사람들이 많으며, 이 때문에 낙제 점수를 주는 사람은 없습니다. 실질적인 지침은 여러분의 학문 분야에 맞추는 것입니다.

<ProTip title="🧭 연구 설계에 따라 선택하세요:" description="무언가를 할당하거나 조작했다면 종속변수가 정확합니다. 이미 존재하는 것을 관찰하기만 했다면 결과변수가 더 안전하며, 방어할 수 없는 주장을 하지 않게 해줍니다" />

<ProTip title="🔤 정의하기:" description="공변량(covariate)이라는 단어를 사용할 경우, 그것이 무엇을 의미하는지 한 문장으로 설명하세요. 어떤 독자들은 이를 관심 있는 예측 변수로 받아들이는 반면, 다른 독자들은 통제되는 통제 불가능한 변수(통제변수)로 받아들일 것입니다" />

6가지 어휘로 보는 같은 개념

이 부분은 북마크해 둘 가치가 있습니다. 동의어 세트는 분야별로 다르며 아무도 따로 가르쳐주지 않기 때문입니다.

실험 심리학은 진정으로 무언가를 조작할 때 적합한 고전적인 짝인 독립변수와 종속변수를 사용합니다. 역학(Epidemiology)은 노출(exposure)과 결과(outcome)를 사용합니다. 왜냐하면 아무도 누군가에게 노출을 임의로 할당하지 않으며, 실험 용어가 도입된 적이 없기 때문입니다. 임상 시험에서는 평가지표(endpoint)를 말하며, ICH E9 가이드라인에서는 동일한 대상을 가리켜 주요 변수, 표적 변수, 또는 1차 평가지표라고 부릅니다. 회귀 분석 및 통계학에서는 예측 변수(predictor)와 반응 변수(response), 또는 설명 변수(regressor)와 피설명 변수(regressand)를 사용하며, 구어체로는 좌변 및 우변 변수라고 합니다. 상관 연구에서는 두 변수 중 어느 것도 상대의 원인이 된다고 주장하지 않기 위해 정밀하게 선택된 용어인 예측 변수(predictor)와 준거 변수(criterion)를 사용합니다. 머신러닝에서는 피처(features)와 타겟(target) 또는 레이블(label)을 사용하는데, 이는 완전히 다른 명명 전통 하에 있는 동일한 수학적 개념입니다.

한 가지 용어는 정말 모호하므로 정밀함이 필요할 때 피하는 것이 좋습니다. 바로 공변량(covariate)입니다. 일부 문헌에서는 이를 독립변수의 동의어로 취급합니다. 공변량 분석(ANCOVA)에서 이는 관습적으로 관심 변수가 아니라 통제 대상이 되는 연속형 혼란 변수를 의미합니다. 이 단어를 사용한다면 반드시 정의를 내리십시오.

<ProTip title="🏷️ 일관되게 명명하기:" description="문서 시작 부분에서 하나의 어휘 세트를 선택하고 절대 섞어 쓰지 마세요. 방법론 섹션에서 한 문단에는 종속변수를 쓰고 다음 문단에는 결과변수를 쓰면 두 사람이 쓴 글처럼 읽힙니다" />

실제로 어떤 용어를 써야 할까요?

세 가지 질문으로 결정할 수 있습니다.

무언가를 조작하거나 할당했습니까? 그렇다면 종속변수가 정확하고 예상되는 용어입니다. 아니라면 결과변수가 더 안전합니다.

해당 분야에서는 어떤 용어를 사용합니까? 이는 개인적인 선호도보다 우선합니다. 역학 논문에서 '종속변수'라고 쓰는 것은 그 어떤 문법적 오류보다 당신이 외부인이라는 것을 확실하게 보여줍니다.

보고 표준 가이드라인에서는 무엇이라고 합니까? 관찰 연구의 표준인 STROBE는 결과(outcomes), 노출(exposures), 예측 요인(predictors), 잠재적 혼란 변수(potential confounders), 효과 수정 변수(effect modifiers)를 정의하도록 요구합니다. 여기서는 종속변수라는 말을 전혀 쓰지 않습니다. 특정 가이드라인에 맞춰 글을 쓰고 있다면 그 표준 용어를 사용하십시오.

<ProTip title="🧾 표준 가이드라인 맞추기:" description="용어를 선택하기 전에 투고하려는 저널이 어떤 보고 표준을 사용하는지 확인하세요. STROBE, CONSORT, PRISMA는 각각 고유한 어휘를 가지고 있으며, 이에 맞추면 리뷰어의 뻔한 지적 사항을 피할 수 있습니다" />

같은 것은 같은 방식으로 말하기

그 차이는 미미하지만, 그것이 요구하는 규율은 결코 가볍지 않습니다. 자신이 속한 분야에서 사용하는 어휘를 선택하고, 초록부터 논의(discussion)까지 일관되게 적용하며, 선택한 용어가 실제로 무언가를 조작했는지 여부를 솔직하게 나타내도록 하십시오.

<CTA title="논문 전체에서 일관된 어휘 유지하기" description="일관된 용어로 각 섹션의 초안을 작성하고 모든 주장을 증거와 연결하세요" buttonLabel="Jenni 무료 체험하기" link="https://app.jenni.ai/register" />

애초에 어떤 변수가 어떤 변수인지 파악하는 중이라면, 독립변수와 종속변수를 구별하는 법에 대한 가이드에서 판별 테스트와 방법론 섹션에 들어가야 할 다른 네 가지 변수 유형에 대해 다루고 있으니 참고하시기 바랍니다.