경로 모형에서 단일 방향의 비대칭적 인과 관계(asymmetric causal relationship)를 가정하는 이유
경로 모형(Path Analysis)은 변수들 간의 인과적 관계를 그래프 형태로 시각화하고, 이를 통계적으로 분석하는 방법입니다.
이 모형은 변수들 간의 관계를 직접 효과(Direct Effect), 간접 효과(Indirect Effect), 총 효과(Total Effect)로 나누어 분석할 수 있도록 설계되었습니다.
경로 모형에서 중요한 가정 중 하나는 변수들 간의 관계가 단일 방향으로 흐르며, 비대칭적인 인과 관계를 가진다(asymmetric causal relationship)는 점입니다.
즉, 독립변수(원인)가 종속변수(결과)에 영향을 미치지만, 반대로 종속변수가 독립변수에 영향을 미치는 피드백(Feedback) 관계는 고려되지 않습니다.
이 글에서는 경로 모형이 단일 방향의 비대칭적 인과 관계를 가정하는 이유, 그 장점과 한계점, 그리고 현실에서 이 가정이 항상 타당한지에 대한 논의를 진행하겠습니다.
경로 모형에서 인과 관계는 왜 단일 방향으로 설정될까?
인과 관계란?
인과 관계(Causal Relationship)란 한 변수가 다른 변수에 영향을 미치는 관계를 의미합니다.
경로 모형에서는 이를 A → B와 같은 형태로 표현하며, 원인과 결과가 명확히 구분됩니다.
예를 들어,
- "교육 수준(A)이 소득 수준(B)에 영향을 미친다"는 인과 관계는 교육이 증가할수록 소득이 증가할 가능성이 높다는 의미입니다.
- 하지만 소득이 높다고 해서 반드시 교육 수준이 증가한다고 단정할 수는 없습니다.
이처럼 일반적으로 인과 관계는 한 방향으로 설정되며, 변수 간의 영향이 대칭적이지 않다고 가정합니다.
경로 모형에서 단일 방향의 비대칭성을 가정하는 이유
경로 모형에서는 변수들 간의 관계를 명확하게 하기 위해 다음과 같은 가정을 둡니다.
1️⃣ 변수 간의 인과 관계가 한 방향으로 흐름
- 경로 모형에서는 A가 B에 영향을 주지만, B가 다시 A에 영향을 주지는 않는다는 가정을 합니다.
- 예를 들어, "스트레스(A)가 건강(B)에 영향을 준다"는 관계는 논리적으로 타당하지만, "건강이 스트레스에 영향을 준다"는 관계는 다른 방식으로 연구되어야 합니다.
2️⃣ 피드백 루프(Feedback Loop)를 허용하지 않음
- 경로 모형에서는 순환 논리(Circular Logic)를 피하기 위해 피드백 루프를 허용하지 않습니다.
- 즉, A → B 관계가 존재할 경우, B → A라는 역방향 경로를 포함하지 않습니다.
3️⃣ 시간적 흐름(Time Flow)에 따른 인과 관계 반영
- 인과 관계는 시간적 선후 관계를 반영합니다.
- 예를 들어, "운동(A)이 체중(B)에 영향을 준다"는 관계는 성립할 수 있지만, 체중이 운동을 증가시키는 원인이라고 보기에는 논리적 타당성이 떨어질 수 있습니다.
단일 방향 인과 관계의 장점과 한계
장점: 분석이 단순하고 해석이 명확하다
경로 모형에서 단일 방향의 인과 관계를 가정하면, 분석이 훨씬 직관적이고 명확해집니다.
- 경로 계수(Path Coefficient)가 한 방향으로 설정되므로 해석이 용이합니다.
- 통계 모델이 단순해지며, 분석 과정에서 발생할 수 있는 논리적 오류를 줄일 수 있습니다.
- 연구자가 설정한 이론적 가설을 명확하게 검증할 수 있습니다.
한계: 현실에서는 변수 간의 상호작용이 존재할 수 있다
현실 세계에서는 변수 간의 관계가 단순한 단일 방향이 아닌 상호작용(Interaction)이나 피드백(Feedback)이 존재할 가능성이 높습니다.
예를 들어,
- "자기 효능감(A)이 학업 성취(B)에 영향을 준다"고 가정할 수 있지만, 반대로 학업 성취가 높아지면 자기 효능감이 증가할 가능성도 존재합니다.
- "소득(A)이 건강(B)에 영향을 미치지만, 건강이 나빠지면 소득이 감소할 가능성도 존재합니다."
즉, 단일 방향 인과 관계를 가정하면 현실의 복잡성을 완전히 반영하기 어렵다는 한계가 있습니다.
단일 방향 인과 관계의 대안: 구조 방정식 모형(SEM) 활용
위에서 설명한 한계를 보완하기 위해, 구조 방정식 모형(Structural Equation Modeling, SEM)이 활용될 수 있습니다.
SEM은 경로 모형을 확장한 형태이며, 양방향 인과 관계(Bidirectional Relationship)나 피드백 관계(Feedback Loop)를 포함할 수 있습니다.
✔ 예시: 자기 효능감(A)과 학업 성취(B)의 관계
- 일반적인 경로 모형에서는 A → B라는 단일 방향 관계만 설정합니다.
- 하지만 SEM에서는 A → B뿐만 아니라, B → A의 관계도 동시에 분석할 수 있습니다.
- 이를 통해 현실적인 피드백 관계를 반영한 보다 정교한 분석이 가능해집니다.
따라서, 변수 간의 관계가 단일 방향으로 설정하기 어려운 경우, SEM과 같은 보다 유연한 모델을 활용하는 것이 효과적입니다.
단일 방향 인과 관계 가정은 필요하지만, 현실적 제한도 고려해야 한다
✔ 경로 모형에서는 단일 방향의 비대칭적 인과 관계를 가정하는 이유는 다음과 같습니다.
- 인과 관계의 명확성을 유지하기 위해서
- 순환 논리를 방지하고 분석을 단순화하기 위해서
- 시간적 선후 관계를 고려하여 모델을 구성하기 위해서
✔ 하지만 현실에서는 변수들 간의 상호작용이 존재할 가능성이 높습니다.
- 단순한 경로 모형으로 설명하기 어려운 경우, 구조 방정식 모형(SEM)을 활용하여 양방향 관계를 분석하는 것이 유용할 수 있습니다.
- 연구자는 연구 주제에 따라 단일 방향 관계 가정을 유지할지, 또는 보다 복잡한 관계를 반영할지를 신중하게 결정해야 합니다.
결론적으로, 단일 방향의 비대칭적 인과 관계 가정은 경로 모형에서 중요한 원칙이지만, 연구자가 연구 목적과 데이터의 특성을 고려하여 적절한 모델을 선택하는 것이 중요합니다.