시리즈 12/13 · 책 미리보기 → 시리즈 허브
지난 열한 주 동안 이 시리즈에서는 우울과 불안이 왜 함께 오는지, 중심성이 말해 주는 것과 말해 주지 않는 것, EBICglasso가 왜 부분상관을 쓰는지, 네트워크를 어디까지 믿어도 되는지, 이 생각이 어디서 왔는지를 다뤘다. 이어서 한 사람의 네트워크는 무엇이 다른지, 사례개념화와는 어떻게 만나는지, 3차원이 더해 주는 것과 더해 주지 않는 것까지 살펴봤다.
그렇다면 이제 남는 건 실무적인 질문이다. 직접 해 보고 싶다면, 어디서부터 시작해야 할까?
이 글이 그 답이다. 방법론 연구자보다는 임상가와 상담가를 위해 썼고, 일부러 짧게 썼다. 이 분야에는 이미 훌륭한 튜토리얼과 결정판이라 할 교과서가 있다. 입문자에게 부족한 것은 자료가 아니라 무엇부터 읽을지에 대한 순서, 그리고 소프트웨어가 답해 줄 수 있는 질문과 그렇지 않은 질문을 구분하는 감각이다.
출발 경로. 단계마다 들어가는 길은 여러 갈래이고, 아래쪽 점검 항목은 모든 단계에 똑같이 적용된다.
1단계 — 먼저 세 편만 읽는다
마흔 편짜리 읽기 목록은 필요 없다. 세 편만 제대로 읽어도 꽤 멀리 갈 수 있다.
개념. Borsboom(2017), A network theory of mental disorders, World Psychiatry. 짧고 명료하며, 임상가를 염두에 두고 쓴 글이다. 좀 더 긴 논증을 원한다면 Borsboom과 Cramer(2013)의 Annual Review of Clinical Psychology 논문이 고전으로 꼽힌다.
방법. Epskamp와 Fried(2018), A tutorial on regularized partial correlation networks, Psychological Methods. 앞으로 접하게 될 횡단 증상 네트워크 대부분이 이 논문의 방법을 따른다. 3주차에 다룬 EBICglasso 접근도 여기서 나왔다.
점검. Epskamp, Borsboom, Fried(2018), Estimating psychological networks and their accuracy, Behavior Research Methods. 부트스트랩 신뢰구간과 CS-계수가 바로 이 논문에서 나왔다(4주차). 어떤 네트워크든 믿기 전에 먼저 읽어야 할 글이다. 내가 직접 추정한 네트워크도 예외가 아니다.
더 깊이 들어가고 싶다면 Network Psychometrics with R(Isvoranu, Epskamp, Waldorp, Borsboom, 2022)가 이 분야의 결정판 교과서다. 경험 연구 논문을 비판적으로 읽기 시작할 때는 Burger 등(2023)이 제안한 보고 기준이 좋은 잣대가 된다. 잘 보고된 네트워크 연구라면 독자가 무엇을 확인할 수 있어야 하는지 알려 주기 때문이다.
2단계 — 코드 없이 먼저 해 본다
R을 써 본 적이 없다면 무료 오픈소스 통계 프로그램인 JASP로 시작하자. JASP의 Network 모듈은 연구자들이 R에서 쓰는 것과 같은 추정 방법을 — EBICglasso와 부트스트랩까지 — 마우스 클릭만으로 쓸 수 있게 해 놓았다.
이 단계는 생각보다 중요하다. 내가 잘 아는 데이터로 작은 네트워크를 한 번이라도 직접 추정해 보면, 논문에 실린 그림을 보는 눈이 달라진다. 그림이 표본에 따라 얼마나 달라지는지, 정규화를 거치면서 엣지가 어떻게 걸러지는지, 표본이 작을 때 중심성 순위가 얼마나 쉽게 뒤바뀌는지가 눈에 들어온다.
실무에서 주의할 점이 하나 있다. 임상 척도 문항은 대부분 연속형이 아니라 순서형(03점, 15점)이다. 순서형 문항 사이의 상관을 어떤 방식으로 계산하느냐 — 피어슨 상관, 다분상관(polychoric), 순위 기반 상관 — 에 따라 결과가 달라진다. 내가 어떤 방식을 썼는지는 반드시 알고 있어야 한다.
3단계 — R로 재현한다
분석을 세세한 부분까지 직접 다루고 싶다면 R로 넘어갈 차례다. 이 분야의 중심에는 몇 개의 R 패키지가 있는데, 대부분 해당 방법을 개발한 연구진이 직접 만들었다.
- qgraph — 네트워크를 그리는 패키지로,
EBICglasso함수도 여기에 들어 있다(Epskamp 등, 2012). - bootnet — 네트워크 추정과, 1단계에서 소개한 정확도·안정성 점검을 하나의 인터페이스로 묶었다.
- networktools — 브리지 중심성을 계산한다. 우울과 불안처럼 두 군집 사이에 걸쳐 있는 증상을 살펴볼 때 쓴다(Jones, Ma, McNally, 2021).
- NetworkComparisonTest — 두 집단의 네트워크가 실제로 다른지 검정한다. 그림이 달라 보인다는 이유만으로 다르다고 단정하지 않기 위해서다(van Borkulo 등, 2023).
- mgm — 연속형·범주형처럼 서로 다른 유형의 변수가 섞여 있을 때 쓰는 혼합 그래프 모형이다(Haslbeck & Waldorp, 2020).
- EGAnet — 탐색적 그래프 분석. 한 묶음의 문항에 차원이 몇 개 있는지 알아볼 때 쓴다(Golino & Epskamp, 2017).
여러 사람을 한 번씩 측정하는 대신 한 사람을 여러 번 측정하는 데 관심이 있다면 — 9주차에서 다룬 idiographic 접근 — graphicalVAR나 mlVAR 같은 도구가 필요하다. 다만 이는 연구 설계 자체가 다른 영역이어서, 첫걸음이 아니라 그다음 단계의 일이다.
4단계 — 해석하기 전에 점검한다
어떤 도구든 그림은 얼마든지 그려 준다. 하지만 그 그림을 어디까지 해석해도 되는지는 어떤 도구도 알려 주지 않는다. 그 판단은 읽는 사람의 몫이고, 잘못된 해석은 대부분 바로 여기서 생긴다. 증상 네트워크를 해석하기 전에는 — 논문에 실린 것이든, 직접 추정한 것이든, 내담자와 함께 화면으로 보고 있는 것이든 — 다음 다섯 가지를 스스로 물어보자.
- 안정적인가? 부트스트랩 구간과 CS-계수를 확인한다. Epskamp 등은 CS-계수가 .25 미만이면 중심성을 해석하기 어렵고, 가급적 .5 이상이어야 한다고 제안한다.
- 누구의 구조인가? 여러 사람에게서 추정한 네트워크는 그 집단을 기술한다. 그것만으로는 한 사람 안에서 작동하는 기제를 보여 주지 못한다(9주차).
- ’중심’을 ’표적’으로 읽고 있지 않은가? 중심성은 추정된 연결을 요약한 값일 뿐이다. 어떤 증상부터 다뤄야 하는지를 정해 주지는 않는다(Bringmann 등, 2019; 2주차).
- 거리를 측정값으로 읽고 있지 않은가? 노드가 지면이나 화면의 어디에 놓였는지는 레이아웃 알고리즘이 만들어 낸 부산물이다. 2D든 3D든 마찬가지다(11주차).
- 부분상관을 인과로 읽고 있지 않은가? 엣지는 다른 증상들을 통제한 뒤에도 두 증상이 여전히 관련되어 있다는 뜻이다. 어느 쪽이 어느 쪽을 일으키는지는 말해 주지 않는다.
다섯 질문을 모두 통과한 그림이라면 함께 논의할 가치가 있다. 통과하지 못했더라도 들여다볼 가치는 있다. 다만 한발 물러서서 조심스럽게 보면 된다.
PsyNexa는 어디에 자리하는가
모든 임상가가 R을 쓰는 것도 아니고, 모든 질문에 새로운 추정이 필요한 것도 아니다. 내가 PsyNexa를 만들면서 겨냥하는 곳이 바로 그 틈이다. PsyNexa는 공개 데이터로 추정한 참조 네트워크를 한 사람의 점수, 그리고 회기에 따른 변화와 나란히 보여 주는 심리측정 네트워크 분석 플랫폼이다. 임상가와 상담가가 사례개념화와 심리교육에 참고할 수 있는 기초 정보를 제공한다. 자가체크 점수는 브라우저 밖으로 나가지 않고, 해석은 읽는 사람의 몫으로 남는다.
PsyNexa가 1~4단계를 대신하지는 않는다. 오히려 그 단계들을 전제로 한다. PsyNexa는 2027년 2월 1일 무료 베타 이용기간으로 문을 열며, 국가별로 어떤 기능을 이용할 수 있는지는 법률 검토 결과에 따라 정해진다.
작게 시작하자
가장 좋은 첫 프로젝트는 소박한 것이다. 꼼꼼히 읽은 논문 한 편, 내가 잘 아는 작은 데이터셋 하나, 그리고 동료에게 설명할 수 있는 안정성 그래프 하나. 심리측정 네트워크 분석에서는 어떤 소프트웨어를 쓰느냐보다 얼마나 인내심을 갖고 들여다보느냐가 더 큰 차이를 만든다. 도구는 무료다. 신중하게 읽는 태도는 각자가 갖춰야 할 몫이다.
참고문헌
- Borsboom, D. (2017). A network theory of mental disorders. World Psychiatry, 16(1), 5–13.
- Borsboom, D., & Cramer, A. O. J. (2013). Network analysis: An integrative approach to the structure of psychopathology. Annual Review of Clinical Psychology, 9, 91–121.
- Bringmann, L. F., Elmer, T., Epskamp, S., Krause, R. W., Schoch, D., Wichers, M., Wigman, J. T. W., & Snippe, E. (2019). What do centrality measures measure in psychological networks? Journal of Abnormal Psychology, 128(8), 892–903.
- Burger, J., Isvoranu, A.-M., Lunansky, G., Haslbeck, J. M. B., Epskamp, S., Hoekstra, R. H. A., Fried, E. I., Borsboom, D., & Blanken, T. F. (2023). Reporting standards for psychological network analyses in cross-sectional data. Psychological Methods, 28(4), 806–824.
- Epskamp, S., Borsboom, D., & Fried, E. I. (2018). Estimating psychological networks and their accuracy: A tutorial paper. Behavior Research Methods, 50(1), 195–212.
- Epskamp, S., Cramer, A. O. J., Waldorp, L. J., Schmittmann, V. D., & Borsboom, D. (2012). qgraph: Network visualizations of relationships in psychometric data. Journal of Statistical Software, 48(4), 1–18.
- Epskamp, S., & Fried, E. I. (2018). A tutorial on regularized partial correlation networks. Psychological Methods, 23(4), 617–634.
- Golino, H. F., & Epskamp, S. (2017). Exploratory graph analysis: A new approach for estimating the number of dimensions in psychological research. PLoS ONE, 12(6), e0174035.
- Haslbeck, J. M. B., & Waldorp, L. J. (2020). mgm: Estimating time-varying mixed graphical models in high-dimensional data. Journal of Statistical Software, 93(8), 1–46.
- Isvoranu, A.-M., Epskamp, S., Waldorp, L. J., & Borsboom, D. (Eds.). (2022). Network psychometrics with R: A guide for behavioral and social scientists. Routledge.
- Jones, P. J., Ma, R., & McNally, R. J. (2021). Bridge centrality: A network approach to understanding comorbidity. Multivariate Behavioral Research, 56(2), 353–367.
- van Borkulo, C. D., van Bork, R., Boschloo, L., Kossakowski, J. J., Tio, P., Schoevers, R. A., Borsboom, D., & Waldorp, L. J. (2023). Comparing network structures on three aspects: A permutation test. Psychological Methods, 28(6), 1273–1285.