메타분석을 위한 회귀 기울기 종합 방법론

본 논문은 메타분석에서 회귀 기울기를 종합하는 방법론적 문제를 체계적으로 탐구한다. 서론에서는 회귀 기울기 종합이 최근 사회과학·경제학·교육학 등에서 빈번히 요구되고 있으나, 기존 메타분석 연구가 평균 차이, 비율, 상관계수 등 단순 지표에 집중해 왔으며, 회귀 결과를 통합하는 통계적 틀은 충분히 정립되지 않았음을 지적한다. 2장에서는 회귀 기울기 종합에 내재된 주요 가정과 문제점을 네 가지 관점에서 상세히 논의한다. 첫째, 종속변수 Y가 연구마다 동일하게 측정되지 않을 경우, 원시 기울기 β̂는 스케일에 민감해 직접 비교가 불가능하다. 저자는 Y와 X의 표준편차와 신뢰도 차이가 기울기값에 미치는 영향을 수식으로 제시하고, 교육 분야에서 학생 성취 측정이 시험 종류·점수 체계에 따라 크게 달라지는 사례를 들어 설명한다. 둘째, 핵심 예측변수 X₁의 측정 방식 차이(연속형 vs. 범주형, 단위 차이 등) 역시 기울기 해석에 큰 영향을 미친다. 특히 의료 연구에서 용량(dose) 변수가 범주형으로 보고되는 경우, “그룹화된 용량 수준” 문제가 발생한다는 점을 강조한다. 셋째, 추가 공변량(X₂,…,X_P)의 포함 여부와 그 상관구조가 β₁의 추정치와 분산에 미치는 영향을 분석한다. 추가 변수가 X₁과 강하게 상관될 경우, β₁의 표준오차가 크게 증가하고 편향이 발생한다는 이론적 근거를 제시한다. 넷째, 각 연구가 사용하는 회귀 모델 자체가 다르다는 점이다. 실제 사례로 교사 경험, 급여, 학생·가족 특성 등을 포함한 12개의 서로 다른 모델이 65개 연구에서 사용된 것을 보여주며, 모델 차이가 기울기 추정에 미치는 영향을 공분산 행렬 Cov(β̂_i) 로 표현한다. 3장에서는 기존의 회귀 기울기 메타분석 방법을 검토한다. 가장 단순한 일변량 가중 평균법은 각 연구의 β̂₁에 역분산 가중치를 부여하지만, 공분산 정보를 무시한다. 메타 회귀는 연구 수준의 조절변수를 포함해 이질성을 설명하려 하지만, 여전히 β̂ 벡터 전체의 공분산 구조를 활용하지 못한다. 다변량 메타분석은 각 연구의 β̂ 벡터와 공분산 행렬 Σ_i 를 동시에 모델링하는 접근법으로, 이론적으로 최적이지만 실제 적용을 위해서는 원시 데이터 혹은 상세한 회귀 결과가 필요하다는 실무적 제약이 있다. 4장에서는 저자들이 제안하는 다변량 일반화 최소제곱(GLS) 접근법을 상세히 전개한다. 각 연구 i에 대해 회귀 계수 추정치 β̂_i와 그 공분산 행렬 Σ_i 를 확보한다면, 전체 메타분석 추정치는  β̂_GLS = (∑_{i=1}^k Σ_i⁻¹)⁻¹ ∑_{i=1}^k Σ_i⁻¹ β̂_i 로 정의된다. 이는 정보량이 큰 연구에 더 큰 가중치를 부여하는 가중 평균이며, 공분산 구조를 완전히 반영한다. 추정치의 표준오차는 (∑ Σ_i⁻¹)⁻¹ 의 대각 원소를 이용해 계산하고, 이를 바탕으로 Z‑검정, 신뢰구간, 이질성 통계(Q‑통계량) 등을 일관되게 수행한다. 저자는 시뮬레이션을 통해 Σ_i 가 정확히 알려졌을 때 GLS가 기존 일변량 평균보다 평균 제곱오차가 현저히 낮으며, 이질성 추정치도 더 정확함을 보여준다. 실증 적용으로는 교육 분야에서 교사 자격(학위, 강의 경력 등)과 학생 성취 간 관계를 조사한 65개의 연구를 사용한다. 각 연구마다 Y(학생 성취)와 X₁(교사 자격)의 측정척도가 다르고, 추가 공변량도 다양하게 포함되어 있다. 저자는 각 연구에서 보고된 β̂와 표준오차를 이용해 Σ_i 를 근사하고, GLS 합성을 수행한다. 결과는 기존 일변량 평균이 제공한 95% 신뢰구간(예: 0.12~0.34)보다 좁은 구간(0.15~0.28)을 제시하며, 이질성 통계도 감소한다. 이는 공분산 정보를 활용함으로써 추정 효율성이 향상된 사례이다. 5장에서는 GLS 방법의 한계와 실무적 권고사항을 논의한다. 가장 큰 제약은 각 연구가 공분산 행렬 Σ_i 를 보고하지 않는 경우이다. 이때는 표준오차만 이용해 대각 행렬로 근사하거나, 메타 회귀와 결합해 보완할 수 있다. 또한, 모델 지정 오류(중요 변수 누락, 비선형 관계)와 비정규성(이분산, 이상치) 역시 GLS 추정량을 왜곡시킬 수 있다. 따라서 메타분석 설계 단계에서 가능한 한 원시 데이터 확보, 혹은 최소한 회귀 계수와 그 공분산(또는 상관) 정보를 포함한 상세 보고를 요구하는 것이 바람직하다. 결론에서는 회귀 기울기 종합이 단순 평균을 넘어 다변량 GLS와 같은 정교한 통계적 접근이 필요함을 재확인하고, 향후 연구에서는 비선형 회귀, 구조 방정식 모델 등 보다 복잡한 모델에 대한 확장 가능성을 제시한다.