커뮤니케이션 통계방법론

읽기 인티 인티

원서명 Statistical Methods for Communication Science
지은이 앤드루 F. 헤이스 (Andrew F. Hayes)
옮긴이 류성진

책소개

책의 특징
● 분명하고 호감 가는 말투
● 완전하면서도 균형 잡힌 주제
● 고전적 방법과 추론에 대한 현대적 ‘재표본추출(resampling)’ 접근의 통합
● 실제 세계의 문제들에 대한 실용적인 고려
● 커뮤니케이션 연구에서 추출한 수많은 예와 적용
● 다양한 기법 사용의 타당함을 보여 주는 예와 최신 정보
● 표본 데이터 세트와 SPSS 매크로 명령어가 수록된 부록

200자평

커뮤니케이션 연구자만을 위한 통계 교재, 드디어 등장. 헤이스 교수는 커뮤니케이션과 직접 연관되는 통계 교재가 없다는 것을 알았다. 즉시 이 책을 쓰기 시작했다. 설명에 필요한 사례를 커뮤니케이션 분야에서 찾았다. 그 결과 학생과 교수와 전문가들은 통계가 커뮤니케이션 연구와 얼마나 깊이 직접 연관되어 있는가를 확인하게 된다.

지은이

앤드루 F. 헤이스
코넬대학교(Cornell University)에서 심리학 박사학위를 받은 후 오하이오주립대학교(The Ohio State University) 커뮤니케이션학과에 부임해 부교수로 재직 중이다. 학부생과 대학원생에게 연구 설계, 심리 측정, 데이터 분석 등 주로 커뮤니케이션에 관련된 연구방법론을 강의하고 있다. 통계적 연구방법에 관한 주제로 수십 편의 연구 논문을 썼고, 기존 연구방법의 효용성에 대한 평가뿐만 아니라 사회과학 연구에 필요한 새로운 통계기법을 개발하고 있다. 현재 전미 언론 유관 학과 연구방법론 학자 중 가장 우수한 학자로 평가할 수 있을 정도로 활발한 저술 활동을 펼치고 있다. 최근에는 코네티컷대학교(Connecticut University) 스나이더(Leslie B. Snyder) 교수와 함께 『커뮤니케이션 연구를 위한 고급 데이터 분석 방법에 대한 세이지 자료집(The Sage Sourcebook of Advanced Data Analysis Methods for Communication Research)』을 출간하기도 했다.

옮긴이

류성진
고려대학교 신문방송학과 졸업. 미국 오하이오주립대학교 커뮤니케이션 석·박사. 현재 대구대학교 신문방송학과 조교수.

주요 논저: 『커뮤니케이션 통계방법론』(역서), 『커뮤니케이션 통계방법』, “인터넷 뉴스 무료 이용과 종이신문 콘텐츠 (불)만족도가 종이신문 정기구독 이탈 의향에 미치는 영향”, “부모와 자녀 간의 의사소통행위가 자녀의 감정조절능력 및 인지적 의사소통능력에 미치는 영향: 초등학생을 중심으로” 등.

차례

추천사 v
역자 서문 vii
서문 x

1장 통계학과 커뮤니케이션 과학
1.1 환영사 1
1.2 왜 과학을 하는가? 3
1.3 과학적 연구의 가정과 철학 7
1.4 통계적 단어의 형성 11
1.5 과학적 연구에서 통계학의 역할 16
1.6 요약 20

2장 측정의 본질
2.1 측정 개념 21
2.1.1 측정 방법 22
2.1.2 조작화 24
2.1.3 측정 수준 27
2.1.4 측정 정밀도 30
2.1.5 질적 데이터 vs. 양적 측정 32
2.2 측정의 질 32
2.2.1 측정 신뢰도 33
2.2.2 측정 타당도 34
2.3 요약 40

3장 표본추출
3.1 모집단 추론 42
3.1.1 『리터러리 다이제스트』 여론조사: 모집단 추론에 실패하다 44
3.1.2 대표화를 통한 모집단 추론 47
3.2 표본추출 방법 48
3.2.1 비확률 표본추출 49
3.2.2 확률 표본추출 51
3.3 비확률 표본추출은 정말로 그렇게 나쁜가? 55
3.4 요약 60

4장 데이터 설명과 시각화
4.1 데이터에 대한 그래프와 표식 설명 61
4.1.1 빈도표 62
4.1.2 히스토그램 65
4.1.3 분포의 형태 설명 66
4.2 중심경향성 측도 70
4.2.1 최빈값 70
4.2.2 중간값 70
4.2.3 산술적 평균 72
4.2.4 중심경향성 측도 선택하기 75
4.3 변화 측도 77
4.3.1 범위와 사분위 범위 78
4.3.2 표준편차 79
4.3.3 분산 81
4.4 왜도와 첨도 수량화하기 82
4.5 또 다른 그래픽 도구: 상자 도표 83
4.6 표준화 84
4.7 양적 변인 간 연관성 설명 86
4.7.1 피어슨 상관계수 88
4.7.2 연관성의 대안 측도 94
4.7.3 상관관계를 해석할 때 주의할 점 97
4.8 상관성의 시각화: 산포도 101
4.9 기술적인 집단 비교 104
4.10 데이터 선별과 결측 데이터 107
4.11 일반적인 상징적 기호법 소개하기 110
4.12 요약 112

5장 확률의 본질
5.1 확률 정의하기 115
5.2 확률의 법칙 118
5.2.1 확률의 덧셈 법칙 118
5.2.2 확률의 곱셈 법칙 120
5.3 확률분포 123
5.3.1 이항 확률분포 124
5.3.2 정규 확률분포 129
5.3.3 체비체프의 정리(Chebychev’s Theorem) 135
5.4 무작위 변인과 기댓값 136
5.5 요약 139

6장 신뢰도 평가와 수량화
6.1 고전적 검증 이론 144
6.1.1 요소들로 측정 분할하기 144
6.1.2 고전적 검증 이론에서 신뢰도 정의 149
6.2 양적 측정에 대한 신뢰도 추정하기 151
6.2.1 시간 경과에 따라 반복된 측정에서 신뢰도 추정하기 151
6.2.2 지표값의 내적 일관성에서 신뢰도 추정하기 153
6.2.3 방법의 또는 측정의 신뢰도? 160
6.3 주관적인 범주 판단의 신뢰도 161
6.3.1 홀스티 방법 165
6.3.2 우연 동의에 대한 수정: 스콧 (Scott’s )와 코헨 (Cohen’s ) 166
6.3.3 동의 지표 사용하기 172
6.4 얼마나 높아야 충분히 높은 것인가? 175
6.5 요약 176

7장 모수 추정
7.1 추정 이론 178
7.1.1 표본추출 분포 180
7.1.2 표본 평균의 표본추출 분포 속성 185
7.1.3 특정한 표본 평균을 얻을 확률 도출하기 193
7.2 구간 추정 195
7.2.1 신뢰구간 196
7.2.2 구간 추정으로의 더욱 현실적인 접근 199
7.2.3 신뢰도와 정밀도 간 관계 203
7.2.4 재방문한 표본 평균 확률 계산하기 205
7.2.5 편의 표본에서 도출한 구간 추정 206
7.3 모집단 비율 추정하기 206
7.4 신뢰구간 부트스트래핑 211
7.5 요약 215

8장 가설 검증 개념
8.1 가설 검증 단계 219
8.1.1 단계 1: 연구가설 또는 문제를 통계적인 가설로 치환하라 219
8.1.2 단계 2: 얻은 결과를 수량화하라 222
8.1.3 단계 3: -값을 도출하라 223
8.1.4 단계 4: 영가설과 대안가설 중 하나를 선택하라 226
8.1.5 단계 5: 실질적인 용어로 검증 결과를 해석하라 228
8.2 모집단 비율에 대한 가설 검증하기 230
8.2.1 비방향적 (‘양쪽-꼬리’) 가설 검증하기 230
8.2.2 방향적 (‘한쪽-꼬리’) 가설 검증하기 238
8.3 결정 오류, 검증력, 그리고 타당도 241
8.3.1 제1종 오류, 제2종 오류, 그리고 제3종 오류 241
8.3.2 통계적 검증의 타당도와 검증력 245
8.4 가설 검증 또는 신뢰구간 247
8.5 요약 251

9장 단일 평균에 대한 가설 검증하기
9.1 일-표본 검증 253
9.1.1 단일 평균에 대한 방향적 가설 검증하기 255
9.1.2 비방향적 가설 검증하기 263
9.1.3 컴퓨터를 이용한 일-표본 검증 실행하기 265
9.1.4 통계적 가정 267
9.1.5 큰 표본 vs. 작은 표본 268
9.1.6 신뢰구간 269
9.1.7 -값 부트스트래핑 270
9.2 대응 응답 평균 간 비교하기 271
9.2.1 대응-표본 검증 271
9.2.2 비무작위 표본에서 대응-표본 추론 278
9.3 요약 287

10장 두 독립 집단 비교하기
10.1 독립 집단 검증 290
10.1.1 합동분산 접근 293
10.1.2 웰치-사털드와이트 접근(The Welch-Satterthwaite Approach) 298
10.1.3 조건적인 결정 규칙 300
10.1.4 베렌스-피셔 문제(The Behrens-Fisher Problem) 301
10.1.5 정규성 가정 위배 302
10.1.6 평균 차이에 대한 신뢰구간 304
10.1.7 신뢰구간과 -값 부트스트래핑 305
10.1.8 효과 크기 307
10.2 변화량에서 집단 차이 검증하기 309
10.2.1 레빈 검증(Levene’s Test) 311
10.2.2 브라운-포사이드 검증(The Brown-Forsythe Test) 312
10.2.3 -비율 검증: 피해야 할 검증 314
10.3 비무작위 표본에서 두 집단 비교하기 314
10.3.1 우연의 무작위 지정 모델 320
10.3.2 무작위 표본추출 또는 무작위 지정 없는 추론 325
10.4 추론에 대한 명확한 사고하기 331
10.5 두 독립 비율 비교하기 332
10.6 요약 333

11장 범주 변인에 대한 일부 검증
11.1 빈도 분포에 대한 가설 검증하기 334
11.1.1 동일한 상대 빈도에 대한 가설 검증하기 336
11.1.2 관찰 빈도의 기대에 대한 적합도 검증하기 342
11.1.3 통계적 가정 344
11.1.4 경우에 대한 대안 검증 345
11.1.5 과정 추론에 대한 적합도 검증하기 348
11.2 2개의 범주 변인 간 연관성 350
11.2.1 교차표에서 독립성 검증하기 351
11.2.2 교차표에서 연관성 강도 수량화하기 359
11.2.3 대안 검증: 독립적 비율에 대한 검증 361
11.2.4 교차표를 갖는 또 다른 예 363
11.2.5 큰 표에서 독립성 검증하기 368
11.2.6 어떤 크기의 표에서 연관성 수량화하기 368
11.3 요약 369

12장 단순 선형 회귀분석
12.1 단순 선형 회귀모델 375
12.1.1 단순 회귀선 376
12.1.2 최소 자승 기준 382
12.1.3 추정의 표준오차 386
12.1.4 표준화 회귀 방정식 388
12.1.5 회귀모델에 의해 설명된 분산 391
12.1.6 잔차에 대한 부가적인 것 394
12.1.7 데이터로부터 떨어진 외삽의 위험 396
12.2 선형 회귀에서 모집단 추론 397
12.2.1 모집단 회귀계수에 대한 가설 검증하기 397
12.2.2 에 대한 신뢰구간 402
12.2.3 모집단 상관관계 관점에서 추론을 재구성하기 402
12.2.4 통계적 가정 406
12.3 비무작위 표본에서 추론: 순열 검증 413
12.4 영향력이 있는 케이스 탐지하기 419
12.4.1 거리, 레버리지, 그리고 영향력 419
12.4.2 케이스 하나를 제외했을 때 모델 변화로서의 영향 420
12.5 요약 424

13장 다중 선형 회귀분석
13.1 다중 회귀분석 모델 428
13.2 다변량 연관성에 대한 수량화와 검증하기 430
13.2.1 다변량 연관성 지표로서 431
13.2.2 평균 추정 오차 437
13.2.3 다변량 연관성에 대한 모집단 추론 437
13.2.4 수정 442
13.3 부분 연관성 443
13.3.1 실험적 통제 vs. 통계적 통제 443
13.3.2 두 변인 간 연관성을 생산할 수 있는 메커니즘 446
13.3.3 부분 연관성 측도 449
13.3.4 편 vs. 준편 상관관계 457
13.3.5 표준화 부분 회귀계수 461
13.3.6 부분 연관성 측도에 대한 추론 462
13.3.7 부분 연관성에 대한 측정의 신뢰구간 464
13.3.8 통계적 추론에 대한 가정과 영향력 있는 케이스 탐지하기 465
13.4 세트형 부분 연계성과 위계적 회귀분석 468
13.4.1 세트형 편 그리고 준편 상관관계 469
13.4.2 과 계산하기 471
13.4.3 세트형 부분 연관성 측도에 대한 추론 473
13.4.4 예측변인에 대한 회귀 통계량 해석하기 475
13.5 모델링과 비선형성 검증하기 478
13.5.1 제2차 회귀모델 479
13.5.2 제2차 회귀모델에서 회귀계수 해석하기 482
13.6 다중 회귀분석에서 다양한 사안 483
13.6.1 인과성에 대한 재고찰 484
13.6.2 회귀분석에 필요한 케이스 숫자 484
13.6.3 다중공선성(Multicollinearity) 485
13.6.4 회귀모델에 포함될 예측변인 선택하기 490
13.6.5 예측변인의 ‘상대적 중요성’ 492
13.6.6 측정 오차의 영향 495
13.6.7 범주, 서열, 그리고 한계가 있는 결과변인 497
13.7 요약 501

14장 분산의 단일 요인분석
14.1 분산분석 504
14.1.1 결과변인을 변화량 출처로 분할하기 505
14.1.2 의 전체, 집단-간, 그리고 집단-내 변화량 508
14.1.3 비율 510
14.1.4 근본적인 통계 이론 513
14.1.5 분산분석의 통계적 가정 515
14.1.6 합동분산 검증 재방문 517
14.1.7 효과 크기 수량화하기 517
14.1.8 왜 다중 검증은 안 되는가? 520
14.1.9 비무작위 표본에 대한 추론 522
14.2 쌍벌 평균 비교 528
14.2.1 다중 검증 문제의 재등장 529
14.2.2 본페로니 수정(The Bonferroni Correction) 531
14.2.3 홈의 순차 거절 방법(Holm’s Sequential Rejection Method) 533
14.2.4 게임스-호웰 방법(The Games-Howell Method) 534
14.2.5 합동 오차 용어 사용하기 535
14.3 초점화 대조 537
14.3.1 초점화 검증 538
14.3.2 대조 계수 538
14.3.3 쉬페 검증(Scheffe’s Test) 546
14.4 다중 회귀의 특별한 케이스인 분산분석 548
14.4.1 회귀분석을 위한 범주변인 코딩하기 549
14.4.2 회귀분석을 사용한 총괄 영가설 검증하기 550
14.4.3 회귀모델 해석하기 551
14.5 다중 집단 비교에 대한 일부 논쟁 553
14.5.1 계획 vs. 비계획 비교: 수정하거나 하지 않는 것? 553
14.5.2 다중 검증 문제에 대해 우리는 다소 변덕스러운가? 556
14.5.3 우리는 정말로 분산분석을 필요로 하는가? 557
14.6 요약 558

15장 공분산 분석: 통계적 통제를 하는 분산분석
15.1 다중 회귀분석으로서의 공분산 분석 562
15.1.1 회귀분석을 이용한 공분산 분석 실행하기 562
15.1.2 공분산 분석에서 변인 변화량 분할하기 564
15.1.3 효과 크기 측도 569
15.1.4 수정 평균 572
15.1.5 수정 평균 간 초점화 대조 574
15.1.6 통계적 가정 575
15.1.7 다중 공변량 576
15.2 실험 설계에서 공분산 분석 579
15.2.1 실험처치에 의해 영향을 받지 않는 변인 통제하기 580
15.2.2 실험처치에 의해 영향을 받는 변인 통제하기 583
15.2.3 매개(Mediation) 584
15.3 요약 586

16장 상호작용
16.1 커뮤니케이션 연구와 이론에서 상호작용 590
16.2 분산의 요인분석 594
16.2.1 균형요인설계에서 변화량 분할하기 597
16.2.2 주 효과와 상호작용 효과 601
16.2.3 요인 분산분석과 동등한 회귀분석 605
16.2.4 요인 분산분석과 불균형 설계 606
16.2.5 요인 분산분석에서 상호작용 탐색하기 612
16.2.6 효과 크기 수량화하기 615
16.3 중재된(Moderated) 다중 회귀분석 619
16.3.1 이항변인과 양적변인 간 상호작용 620
16.3.2 2개의 양적변인 간 상호작용 629
16.3.3 양적변인과 다중 범주변인 간 상호작용 633
16.3.4 예측변인의 평균 중심화 638
16.3.5 회귀계수 차이 vs. 상관관계 차이 641
16.3.6 공변량의 통계적 통제 643
16.3.7 중재된 다중 회귀분석 모델에서 필요한 용어 644
16.3.8 중재를 검증하는 하위집단 분석의 위험 645
16.4 상호작용 수색 간소화하기 646
16.5 상호작용 검증 이전에 범주화는 왜 안 되는가? 649
16.5.1 범주화 오류 650
16.5.2 더 작은 표본 크기와 감소한 통계 검증력 652
16.5.3 거짓인 통계 유의도 654
16.5.4 연구결과를 반복하는 데 인위적 실패 655
16.5.5 범주화는 합리적일 때가 있는가? 657
16.6 요약 658