님, 안녕하세요. 국내외 심리학 관련 학술 논문을 알기 쉽게 요약, 전달하는 심터의 4월 첫째 주 뉴스레터가 도착했습니다! 오늘 전달해드릴 소식은 다음과 같습니다.

1️⃣ 알쏭달쏭 지능에 대하여

2️⃣ 회귀분석, 대체 왜 하는 걸까?

그럼 오늘의 심터 시작하겠습니다!

   

  지능이란 무엇일까요? 여러분에게 누군가 지능의 정의를 말해달라고 한다면, 어떻게 말할 것 같나요? 아마 여러분이 뭐라고 대답하든, 거의 대부분 지능에 대한 설명이라고 볼 수 있을 것입니다. 왜냐하면, 지능은 절대적인 기준이 없는, 여러 특징을 포함하고 있는 두루뭉술한 개념이기 때문이죠.

  그렇다고 해서, 지능에 대한 정의가 아무것도 없는 것은 아닙니다. 널리 받아들여지고 있는 지능의 정의는 크게 세 가지가 있습니다. 첫 번째 정의는, 사람의 환경에 적응하고 순응하는 능력을 강조합니다. 새로운 상황에 적응하고, 다양한 상황을 다루는 능력을 지능이라고 보는 것이죠. 두 번째는 특히 대한민국에서 쉽게 받아들여질 수 있는 정의로, 배우는 능력을 강조하는 관점입니다. 빠르게 습득하고, 잘 이해하는 사람의 지능이 높다고 보는 것이죠. 마지막 세 번째로, 추상적 사고를 강조하는 관점이 있습니다. “언어적, 수리적 상징과 개념을 얼마나 잘 이용하는가”라는 기준이 지능의 척도가 되는 것입니다. 이렇듯 지능은 공통적으로 받아들여지는 단 하나의 절대적인 기준이 없고, 여러 가지 관점에서 정의할 수 있기 때문에 명확하지만은 않은, 하지만 모두가 감은 잡고 있는 “무언가”입니다.

  이러한 지능을 측정하기 위해 한 심리학자가 최초로 지능평가를 개발했는데, 그의 이름은 Alfred Binet입니다. 그는 19세기 후반 최초의 지능평가를 개발했으며, 여러 검사를 통해 아동의 지능을 측정하고, 그 결과를 정규분포 형태의 그래프로 표현해 지능을 수치화했습니다. 그렇게 수치화 된 지능지수가 바로, 우리가 익히 아는 IQ랍니다. IQ가 개발될 당시에는, 아동들의 IQ를 측정함으로써 성공할 가능성이 있는 아동들을 미리 선별할 수 있을 거라 믿었답니다.

  하지만 앞서 말했듯, 지능은 어느 한 측면에서만 볼 수 있는 게 아닙니다. 누군가는 수학 문제를 잘 풀지만 사람들을 대하는 걸 어려워할 수도 있고, 또 다른 누군가는 글을 읽고 이해하는 데 어려움을 갖고 있더라도 어떤 상황에서든 사람들과 잘 어울릴 수 있는 능력을 가졌을 수 있습니다. 그리고 그러한 각각의 모든 특성들은 지능의 한 부분으로 설명될 수 있죠. 지능 이론 중 하나인 Gardner의 다중지능 이론에서는 지능을 언어적·음악적·논리수학적·공간적·신체 운동적·자연주의적·대인관계적·개인내적와 같이 무려 8가지로 분류하기도 하거든요.

  따라서, IQ로만 어떤 사람이 성공할 수 있는지 아는 것은 매우 어려운 일입니다. 측정하는 능력의 종류가 한정되어 있기 때문이죠. 그렇기 때문에 최초의 지능평가 이후로도 다양한 지능요소를 종합적으로 고려하는 지능검사들과 새로운 지능에 관한 이론들이 발전해왔습니다. 우리들은 모두 어떤 건 잘하고, 어떤 건 잘 못합니다. 그러니 지능검사에서 점수가 낮게 나오더라도 낙담하지 마세요. 그 검사가 여러분의 좋은 능력을 품지 못한 검사일 뿐이니까요!

 

 

  회귀분석의 회귀는 어떤 의미를 가질까요? 통계학을 처음 공부하는 입장이라면 이름부터 겁이 나는 회귀분석의 유래를 알아볼게요. 회귀분석은 프란시스 골턴이 세대를 거쳐 나타나는 키의 유전이 갈수록 평균에 가까워진다는 개념을 설명하기 위해 처음 회귀분석이라는 방법을 사용한 것에서 출발했어요. 다시 말해, 키가 큰 부모의 자녀와 키가 작은 부모의 자녀의 키는 세대를 거칠수록 극단값이 나타나는 경우가 줄어들고 평균값으로 수렴한다는 사실을 관찰하며 산점도에 선형식을 포함시키는 방식으로 회귀분석을 처음 사용한 것이죠. 그러나 현대에는 이러한 의미가 많이 퇴색되었다고 합니다. 우리가 사회과학에서 사용하는 회귀분석은, 주로 변수 간의 함수적인 관련성을 가장 잘 설명하는 직선을 통해 하나의 변수로 다른 변수의 예측값을 추정하겠다는 목적으로 활용되고 있어요.

 

그렇다면 회귀분석에서 중요한 두 가지 개념에 대해 더 이야기해 볼까요? 회귀분석에서 유의성을 검증하기 위해 중요한 두 가지 개념은 회귀계수와 상관계수입니다. 우선, 회귀계수의 공식을 뜯어보면 ‘독립변수 X와 Y의 공분산/독립변수 X의 분산’으로 구성되어 있기 때문에, X가 한 단위 변화할 때 X와 Y가 함께 따라 변하는 정도는 얼마인지를 비율로써 확인할 수 있습니다. 그렇다면, 이러한 회귀계수 값이 크면 두 변수 간의 관계가 더 강력하다는 주장이 가능할까요? 그랬다면 정말 편했겠지만, 실은 그렇지 않습니다! 회귀계수의 공식에는 변수 Y에 대한 표준화가 되어있지 않아, 변수의 측정 단위에 따라 값이 큰 폭으로 변화할 수 있다는 한계점을 가지기 때문입니다. 이를 보완하기 위해 나온 개념이 피어슨 상관계수 r입니다. 상관계수의 공식을 뜯어보면 ‘X와 Y의 공분산/X의 표준편차*Y의 표준편차’로 이루어져 있어, 회귀계수와는 달리 분모에서 변수 Y에 대한 표준화를 하고 있음을 확인할 수 있죠. 즉, 상관계수는 절대적인 값으로 두 변수 간의 관계의 크기를 단순히 비교할 수 있다는 특징을 가집니다. 

 

마지막으로, 상관계수와 관련 있는 결정 계수에 대해서도 간단하게 보고 갈게요. 학문적 정의 상으로는 같은 값을 의미하지 않지만 보통 상관계수를 제곱한 값을 결정계수 r2로 여기고 사용합니다. 만약 회귀분석 결과로 r2값이 0.127이 산출되었다면, 이는 종속변수의 총 변화량 1000중에 독립변수와의 관계로 설명되는 변화량이 127이라는 의미이므로 독립변수가 종속변수의 12.7%를 설명한다고 해석할 수 있습니다.

 

지금까지 간단하게 회귀분석의 기초를 알아보았습니다. 심리학에 뜻이 있는 사람이라면 통계분석은 필수적으로 알아야 할 분야이지만, 각종 어려운 수식들과 낯선 프로그래밍 언어에 시작할 마음을 내기가 쉽지 않기도 합니다. 그래도 같은 목표를 가진 주변인들과 함께 시작한다면, 큰 산처럼 느껴지는 통계에 대한 부담을 여럿이 쪼개고 나눌 수 있어 포기하지 않고 공부를 이어 나가기 수월할 거예요!

 

재미있게 읽어주셨나요? 이번주 뉴스레터를 읽고 남기고 싶은 의견이 있다면 위 링크를 통해 남겨주세요💙