사회과학 데이터 분석

가설을 데이터에 비추어 검증하고 결과를 정직하게 보고한다. 산출물은 _workspace/03b_data_analysis.md. 핵심 원칙은 데이터가 지지하는 범위 안에서만 말한다.

0. 데이터 무결성 점검 (분석 전 먼저)

• 구조 — 표본 크기, 변수 수, 측정 수준(명목/서열/등간/비율).
• 결측·이상치 — 결측 패턴·비율, 이상치 탐지와 처리 방침(명시).
• 분포 — 정규성·왜도·첨도(양적 분석 전제 점검용).
• 신뢰도·타당도 — 척도 신뢰도(Cronbach's α 등), 구성타당도. 문제는 분석 전에 드러낸다.

양적 분석

1. 기술통계 — 평균·표준편차·빈도, 변수 분포 요약.
2. 추론통계(가설별 기법 선택):

3. 보고 — 검정통계량·자유도·p값·효과크기를 함께 제시한다. 전제가정(정규성·등분산·독립성 등)을 점검하고, 위배 시 비모수 대안이나 보정을 적용·명시한다.
4. 금지 — 원하는 결과가 나올 때까지 분석을 바꾸거나(p-hacking), 유의한 결과만 선택 보고하지 않는다.

질적 분석

1. 코딩 — 개방코딩 → 축코딩 → 선택코딩. 코드북을 정리한다.
2. 주제분석 — 코드를 범주·주제로 묶고, 대표 인용(원자료 발췌)으로 뒷받침한다.
3. 엄밀성 — 코더 간 일치도, 삼각검증(자료·연구자·이론), 포화 도달 여부, 부정 사례(negative case) 검토를 보고한다.

혼합 분석

양적·질적 결과를 RQ를 중심으로 통합한다 — 수렴(두 결과가 일치하는가), 보완(서로 다른 측면을 채우는가), 확장(한쪽이 다른쪽을 설명하는가). 통합 표(joint display)를 활용한다.

결과 표현

• 표·그림 — 번호·제목·출처/주를 갖춘다. 본문에서 반드시 언급·해석된다.
• 해석 범위 — 상관을 인과로, 표본을 모집단으로 비약하지 않는다. 통계적 유의성과 실질적 중요성을 구분한다.

한계 기술

표본·측정·설계·분석의 한계를 정직하게 적는다. 결과의 일반화 가능 범위를 명시한다.

출력 구조 (03b_data_analysis.md)

1. 데이터·무결성 점검 (표본·결측·신뢰도)
2. 분석 절차 (사용 변수·기법·도구/코드)
3. 결과 (표·그림 + 수치)
4. 가설 지지여부 (가설별 지지/기각 + 근거)
5. 해석
6. 가정·한계
7. 수치 출처표 — 본문에 들어갈 주요 수치(계수·표준오차·p값·효과크기·표본 수·비율)마다 한 줄: N3 | 수치 | 의미(무엇의 값인가) | 산출 파일·출력 위치(스크립트·결과표·로그의 경로와 줄/셀) | 실행 기록 유무 검토관이 본문 수치를 이 표로 역추적한다. 산출 파일 없이 적은 수치는 실행 기록 없음으로 정직하게 표시한다.

주의

• 데이터를 위조·임의 생성하지 않는다. 수치가 필요하나 데이터가 없으면 "[데이터 필요]"로 남긴다(READ-ONLY 무결성).
• 분석 절차를 재현 가능하게 기록한다.
• 예상 밖 결과는 먼저 의심한다. 선행연구와 반대 방향이거나 효과가 지나치게 크면, 새 발견으로 해석하기 전에 코딩 오류·변수 역코딩·결측 처리·표본 필터를 다시 확인하고 그 확인 결과를 적는다.
• 연구방법 절에 들어갈 표본 수·변수 정의·모형 사양은 실제 실행한 설정에서 그대로 옮긴다. 계획과 실행이 달라졌으면 달라진 내용과 이유를 적는다.
• 데이터 없는 이론·문헌 연구에는 이 단계가 적용되지 않는다(오케스트레이터가 건너뜀).