데이터를 통해 세상을 명확히 파악하고자 하는 모든 이들을 위한 실용적인 양적 연구 입문 가이드

https://note.com/reading_monkey/n/n2cfc3066ddd3?sub_rt=share_pb

2026.7.11
[大抵の人類は、量的研究をやったほうがいい]

이 자료는 추측과 막연한 인상에 의존하기보다 데이터를 통해 세상을 명확히 파악하고자 하는 모든 이들을 위한 실용적인 양적 연구 입문 가이드입니다. 필자는 전문 지식이 없더라도 누구나 작은 질문에서 시작해 데이터를 수집하고 분석하는 과정을 통해 자신의 편향을 점검하고 삶의 질을 개선할 수 있다고 역설합니다. 본문은 연구의 윤리부터 변수 설정, 그래프 작성 및 결과 해석에 이르는 구체적인 7단계 프로세스를 제시하며, 특히 상관관계와 인과관계를 엄격히 구분하는 성실하고 정직한 분석 태도를 강조합니다. 궁극적으로 이 텍스트는 숫자를 다루는 기술을 넘어 현상을 객관적으로 관찰하고 사고하는 방식을 체득함으로써 일상과 업무에서 더 나은 의사결정을 내리도록 돕는 데 목적이 있습니다.

 

 

출처: 

• p-값 처리: 미국 통계학회 “통계적 유의성과 p-값에 관한 성명”. Wasserstein & Lazar (2016) "The ASA's Statement on p-Values: Context, Process, and Purpose" https://www.tandfonline.com/doi/full/10.1080/00031305.2016.1154108
• 연속 변수의 이분이 가져오는 정보 손실: Altman & Royston (2006) "The cost of dichotomising continuous variables" (BMJ) https://pmc.ncbi.nlm.nih.gov/articles/PMC1458573/
• 신뢰 구간의 해석을 둘러싼 주의: Morey et al. (2016) "The fallacy of placing confidence in confidence intervals" https://pmc.ncbi.nlm.nih.gov/articles/PMC4742505/
• 호손 효과 정의의 다양성 : McCambridge, Witton & Elbourne (2014) "Systematic review of the Hawthorne effect" https://pmc.ncbi.nlm.nih.gov/articles/PMC3969247/
• 단일 사례의 효과 검증(N-of-1 시험) 설계 및 방법론: "N-of-1 Randomized Intervention Trials in Health Psychology: A Systematic Review and Methodology Critique" https://pmc.ncbi.nlm.nih.gov/articles/PMC6128372/