다중회귀를 APA 7판으로 쓰는 법

문장에 반드시 들어갈 것

**두 층**입니다. **모형 층** — R², 수정 R², 자유도 둘을 붙인 F, p. **변수 층** — 예측변수마다 비표준화계수 B, 표준오차 SE, 표준화계수 β, t, p. 무엇을 무엇으로 예측했는지 먼저 말합니다. 「회귀분석을 실시하였다」는 아무것도 말하지 않습니다.

자유도는 **두 개**입니다 — F(예측변수 수, N − 예측변수 수 − 1). 앞이 모형, 뒤가 잔차입니다.

틀

만족도와 근속연수로 성과를 예측하는 회귀모형은 유의했다, R² = .34, 수정 R² = .32, F(2, 97) = 24.85, p < .001. 만족도가 성과를 유의하게 예측했다, B = 0.41, SE = 0.09, β = .45, t(97) = 4.55, p < .001. 근속연수는 유의하지 않았다, β = .08, p = .37.

틀의 수는 형식 예시입니다.

β와 R²는 앞의 0을 뺍니다 — 둘 다 1을 넘을 수 없습니다. **B와 SE는 앞의 0을 뺴지 않습니다** — 경계가 없는 값이기 때문입니다. 한 문장 안에서 이 둘이 갈립니다.

표가 나은 때

예측변수가 셋을 넘으면 본문에 다 적을 수 없습니다. 계수표로 냅니다 — 변수를 세로로, 칸에 B·SE·β·t·p, 표 아래에 R²·수정 R²·F와 자유도. **모형이 둘 이상이면**(단계 투입) 모형마다 열을 두고 ΔR²를 함께 적습니다. 본문은 표를 가리키고 **가장 큰 효과 하나만** 말로 적습니다.

실제 예

지어낸 표본 60명에서 예측변수 둘이 함께 score 분산의 대부분을 설명했다, R² = .77, 수정 R² = .76, F(2, 57) = 93.64, p < .001. 모형을 끌고 간 것은 satisfaction이었고(B = 0.72, SE = 0.06, β = .85, t(57) = 13.05, p < .001), age는 유의하지 않았다(β = .11, p = .083). 분산팽창계수는 최대 1.03(satisfaction)로 다중공선성 문제는 없었다. 이 표본은 만족도와 점수가 함께 움직이도록 지어낸 것이라 설명력이 이렇게 큽니다 — 큰 R²는 발견이 아니라 자료가 만들어진 방식일 수 있습니다.

이 수는 계수표를 계산한 엔진이 낸 것입니다. 같은 표본이 여섯 마디 따라 하기에 있습니다.

모형을 믿기 전에

넷을 봅니다. **선형성**(잔차 산점도가 나팔이나 곡선이면 모형이 틀린 모양입니다) · **잔차 정규성**(작은 표본에서만 문제가 됩니다) · **등분산성** · **다중공선성**. 다중공선성은 예측변수끼리 너무 닮았을 때 생기고, 그때 B는 요동치면서 R²는 멀쩡합니다 — 그래서 R²만 보면 안 됩니다.

다중공선성은 **분산팽창계수(VIF)를 값으로 적고, 어느 기준을 썼는지 함께** 적습니다(분야마다 5 또는 10을 씁니다). 「문제 없었다」만 적으면 심사자가 다시 묻습니다. 표본이 작을 때는 예측변수를 줄이는 것이 먼저입니다 — 예측변수 하나에 최소 10~20 사례가 흔한 권고입니다.

심사자가 짚는 실수 여섯

1. β만 적고 B를 빼기 — β는 단위가 없어 「1점 오르면 얼마」를 말할 수 없습니다. 둘 다 적습니다.
2. 자유도 하나만 적기 — F(2, 97)의 두 수가 다 필요합니다.
3. 수정 R²를 빼기 — 예측변수를 늘리면 R²는 저절로 오릅니다. 수정 R²가 그것을 덜어 냅니다.
4. 인과 동사 — 「만족도가 성과를 높인다」. 회귀는 「예측했다·관련이 있었다」까지입니다.
5. 유의하지 않은 예측변수를 조용히 빼기 — 넣고 돌렸으면 결과에 남깁니다.
6. 표준화계수로 「가장 중요한 변수」를 단정하기 — β 크기는 표본과 척도에 따라 흔들립니다.

수는 어디서 오나

Statory에서는 계수표를 낸 계산이 문장까지 만듭니다 — 둘이 어긋날 수 없습니다. 엔진마다 기존 통계 소프트웨어와 항목별로 맞춰 보고 그 대조표를 공개합니다 — 정확도 페이지를 보세요.

ChatGPT·Claude에 표를 붙여 넣어도 같은 엔진이 돕니다.