SPSS 사용법 완전 가이드: 논문 통계 분석 6단계 (2026)

SPSS 사용법을 처음 접하는 대학원생이라면 데이터를 열었을 때 어디서부터 시작해야 할지 막막할 수 있습니다. 설문지 응답 결과를 손에 쥐고 있지만 어떤 분석을 선택해야 하는지, 결과 표를 어떻게 논문에 기술해야 하는지 모르는 상태에서 제출 마감은 다가옵니다. 이 가이드는 그 막막함을 해소하기 위해 작성되었습니다. 데이터 입력부터 결과 해석까지 SPSS 사용법을 6단계로 나누어 논문 통계 분석의 흐름을 처음부터 끝까지 안내합니다.

각 단계는 실제 논문 작성 순서에 맞게 배치되어 있습니다. 순서대로 따라가면 SPSS를 처음 다루는 연구자도 지도교수 검토에 통과할 수 있는 분석 결과를 산출할 수 있습니다.

1단계: 데이터 입력 — 엑셀에서 SPSS로

SPSS 사용법의 첫 관문은 데이터를 올바르게 불러오는 것입니다. 설문지 응답 결과를 엑셀(.xlsx)로 정리했다면, SPSS에서 파일 → 데이터 가져오기 → Excel 순서로 파일을 열면 됩니다. 가장 중요한 원칙은 한 행(row)이 반드시 한 응답자(케이스)를 나타내야 한다는 점입니다. 변수는 열(column) 단위로 배치해야 SPSS가 정상적으로 읽습니다.

데이터 입력 시 자주 발생하는 오류는 결측값 처리입니다. 응답하지 않은 문항을 빈칸으로 두면 SPSS가 자동으로 시스템 결측(.)으로 처리합니다. 그러나 “모름·해당없음”을 별도 코드(예: 99)로 지정했다면 나중에 변수 설정 단계에서 그 값을 결측으로 지정해야 합니다. 이 작업을 건너뛰면 평균이나 빈도 계산이 왜곡됩니다.

논문 전체 작성 흐름에서 SPSS 분석이 어디에 위치하는지 파악하고 싶다면 논문 쓰는 순서 가이드를 먼저 읽으면 전체 맥락을 잡는 데 도움이 됩니다. 통계 분석은 방법론 장의 데이터 수집 이후, 결과 장의 작성 이전에 위치하는 단계입니다.

2단계: 변수 설정 — 변수 보기(Variable View) 완벽 정리

데이터를 불러온 후 반드시 해야 하는 작업이 변수 보기(Variable View) 설정입니다. 화면 하단의 “변수 보기” 탭을 클릭하면 각 열(변수)에 대한 속성을 설정할 수 있습니다. 이 단계를 제대로 마쳐야 이후의 모든 통계 분석 메뉴가 올바르게 작동합니다.

논문 통계 분석에서 중요한 설정 항목은 다음과 같습니다.

• 이름(Name): 영문 또는 한글로 변수명 지정(공백 불가). 예: age, gender, Q1_satisfaction
• 측도(Measure): 척도(Scale) → 연속형·비율척도 / 순서형(Ordinal) → 리커트 척도 / 명목형(Nominal) → 성별·집단 구분. 이 설정이 틀리면 SPSS가 잘못된 분석을 권고할 수 있습니다.
• 값 레이블(Values): 1=남성, 2=여성처럼 숫자에 의미를 부여합니다. 출력 결과에서 집단명이 표시되어 가독성이 높아집니다.
• 결측값(Missing): 99처럼 특수하게 코딩한 값을 결측으로 지정하여 분석에서 제외시킵니다.

이 단계는 연구방법론 설계와 직결됩니다. 어떤 척도로 데이터를 수집했는지에 따라 선택 가능한 통계 기법이 달라지기 때문입니다. 변수 측도와 연구 설계의 관계를 더 깊이 이해하려면 연구방법론 가이드에서 측정 수준별 적합한 통계 방법 선택 기준을 확인하십시오.

3단계: 기술통계 분석 — 데이터 현황 파악하기

본격적인 추론통계에 들어가기 전에 기술통계(Descriptive Statistics)로 데이터의 분포를 확인해야 합니다. SPSS에서 분석 → 기술통계 → 기술통계량을 클릭한 뒤 분석할 변수를 이동합니다. 옵션 창에서 평균, 표준편차, 최솟값·최댓값, 왜도, 첨도를 선택합니다.

논문에서 반드시 보고해야 하는 기술통계 항목을 정리하면 다음과 같습니다.

기술통계 이후에는 정규성 검정(Kolmogorov-Smirnov, Shapiro-Wilk)을 실시합니다. 표본 크기가 30 미만인 소표본에서는 Shapiro-Wilk 검정 결과를 우선 보고하고, 30 이상인 경우에는 Kolmogorov-Smirnov 검정을 활용합니다. 유의확률 p < .05이면 정규분포를 따르지 않으므로 비모수 검정으로 전환해야 합니다.

4단계: t검정과 ANOVA — 집단 간 차이 검증하는 SPSS 사용법

두 집단(예: 남성 vs. 여성) 간의 평균 차이를 검증할 때는 독립표본 t검정을, 세 집단 이상을 비교할 때는 일원분산분석(One-way ANOVA)을 사용합니다. 각각의 실행 방법을 단계별로 정리합니다.

독립표본 t검정 실행 순서

1. 분석 → 평균 비교 → 독립표본 T 검정 클릭
2. 검정 변수 칸: 종속변수(연속형)를 이동
3. 집단변수 칸: 독립변수(명목형)를 지정하고 집단 정의에서 두 집단 코드 입력 (예: 1, 2)
4. 결과 창에서 Levene의 등분산 검정 확인. p ≥ .05이면 등분산 가정 행, p < .05이면 등분산 미가정 행의 결과 사용
5. t값, 자유도(df), 유의확률(p), 효과크기(Cohen’s d)를 논문 표에 기재

일원분산분석(ANOVA) 실행 순서

1. 분석 → 평균 비교 → 일원배치 분산분석 클릭
2. 종속변수와 요인(집단 변수)을 각각 지정
3. 사후 검정(Post Hoc): Scheffé 또는 Tukey 선택(어느 집단 간 차이인지 파악하기 위해)
4. 옵션에서 평균·표준편차, 동분산 검정(Levene) 체크
5. F값, 자유도, 유의확률, 부분 에타제곱(η²)을 결과 표에 보고

연구 설계 단계에서 어떤 독립변수와 종속변수를 설정해야 하는지 고민된다면 연구계획서 작성법을 통해 연구 목적과 가설 설정 방법을 먼저 정리하는 것이 효과적입니다. 가설이 명확해야 t검정과 ANOVA 중 어떤 분석이 적합한지 자연스럽게 결정됩니다.

5단계: 상관분석과 회귀분석 — 변수 간 관계 탐색

두 변수가 어느 방향으로 얼마나 강하게 연관되어 있는지 파악하는 분석이 피어슨 상관분석입니다. 나아가 한 변수가 다른 변수에 미치는 영향력을 수치로 표현할 때는 회귀분석을 사용합니다. 두 분석은 순서대로 수행하는 것이 일반적입니다.

피어슨 상관분석 실행 순서

1. 분석 → 상관분석 → 이변량 상관분석 클릭
2. 분석할 연속형 변수들을 오른쪽으로 이동
3. Pearson 체크, 유의수준 .05(양측) 선택
4. 결과 해석 기준: r = .1 미만 미미한 상관, .1~.3 약한 상관, .3~.5 중간 상관, .5 이상 강한 상관

다중 선형 회귀분석 실행 순서

1. 분석 → 회귀분석 → 선형 클릭
2. 종속변수(결과변수) 1개 지정
3. 독립변수(예측변수) 지정: 입력 방식(Enter) 또는 단계적 투입(Stepwise)
4. 통계량 옵션에서 R², 수정된 R², F 변화량, 공선성 통계량(VIF) 체크
5. 결과 보고 항목: B(비표준화 계수), β(표준화 계수), t값, p값, R², VIF

회귀분석에 앞서 어떤 변수들이 선행연구에서 유의미한 예측변수로 확인되었는지를 파악해야 이론적 근거 있는 모델을 설계할 수 있습니다. 문헌고찰 작성법을 통해 이론적 근거를 탄탄히 정리해두면 회귀 모델의 변수 선정 과정에서 지도교수 지적을 최소화할 수 있습니다.

양적 연구 방법과 질적 연구 방법 중 어떤 것을 선택해야 하는지, 또는 혼합 연구 설계가 적합한지 판단이 서지 않는다면 논문 통계 분석 방법 가이드에서 연구 목적에 맞는 통계 방법 선택 기준을 먼저 확인하십시오.

6단계: 결과 해석과 논문 기술 — APA 형식으로 보고하기

SPSS 출력 결과를 캡처하여 그대로 논문에 붙여넣는 방식은 학술 논문에서 허용되지 않습니다. APA 7판 형식에 따라 통계 결과를 문장으로 기술하고, 표는 별도로 작성해야 합니다.

통계 결과 기술 예시

t검정 기술 예시: “두 집단 간 직무만족도 평균 차이를 검증한 결과, 실험집단(M = 4.12, SD = 0.53)이 통제집단(M = 3.78, SD = 0.61)보다 유의미하게 높은 것으로 나타났다, t(148) = 3.47, p = .001, d = 0.59.”

ANOVA 기술 예시: “학력 수준에 따른 세 집단 간 자기효능감 차이를 분석한 결과, 집단 간 유의미한 차이가 확인되었다, F(2, 197) = 8.23, p < .001, η² = .077. Tukey 사후 검정 결과 대졸 이상 집단이 고졸 이하 집단보다 유의미하게 높았다(p = .002).”

회귀분석 기술 예시: “다중 선형 회귀분석 결과, 자기효능감(β = .38, p < .001)과 사회적 지지(β = .24, p = .003)가 학업성취도를 유의미하게 예측하는 것으로 나타났으며, 모형 전체의 설명력은 R² = .29, F(2, 197) = 40.21, p < .001이었다.”

Tesify로 통계 결과를 논문 문장으로 자동 변환하기

자주 묻는 질문 (FAQ)