3단계에서 할 일

• 원자료를 분석용 테이블로 정돈한다(변수명·코딩북).
• 분석 코드를 남겨 같은 결과를 다시 낼 수 있게 한다.
• 그림·표를 논문 버전으로 고정한다(해상도·범례·단위).

스프레드시트 vs 분석 전용

• Excel / Google Sheets: 코딩·탐색적 확인에는 편리하지만, 버전 관리가 어렵습니다. “최종분석용_20260413.xlsx”처럼 읽기 전용 사본을 남기는 습관이 좋습니다.
• R + RStudio, Python(Jupyter), Stata, SPSS, SAS: 논문용 표·그림을 스크립트로 재생산하기에 유리합니다.

재현성(Reproducibility)

• 한 프로젝트 폴더에 data/raw, data/clean, code, output, figures를 나누는 단순 구조만 있어도 협업이 쉬워집니다.
• R: renv로 패키지 버전 고정, Python: requirements.txt 또는 conda env export.
• 분석 일지(어떤 제외 기준으로 N이 줄었는지)를 코드 주석 또는 별도 로그에 남깁니다.

도표·시각화

• ggplot2(R), matplotlib/seaborn(Python), GraphPad 등: 저널이 요구하는 **벡터 형식(PDF/SVG)**과 최소 해상도를 미리 확인합니다.
• 색각 이상을 고려한 색상 팔레트(colorbrewer 등)는 점점 기본 요건으로 자리 잡고 있습니다.

협업·백업

• Git / GitHub·GitLab(비공개 저장소): 코드·스크립트 버전 관리. 식별 가능한 데이터는 원칙적으로 올리지 않습니다.
• 기관 정책이 허용하면 클라우드 백업과 로컬 암호화를 병행합니다.

AI를 이 단계에서

• 코드 생성(“이 검정 R로 짜 줘”)은 작은 조각으로 받고, 통계 교과서·패키지 공식 문서와 대조해 실행합니다.
• 결과 해석(“유의하니 치료 효과 있다”)은 AI에게 맡기지 말고, 효과크기·신뢰구간·임상적 의미를 사람이 씁니다.
• 원자료를 클라우드 AI에 업로드하지 않는 정책을 유지합니다.

체크리스트(③ 마무리)

• 코딩북(변수 정의)이 있는가
• 동일 스크립트로 주 표·그림을 다시 만들 수 있는가
• 제외·탈락 흐름이 CONSORT/STROBE 도표와 맞는가(해당 시)

다음 ④에서는 초고 작성·영문·인용·협업 툴을 다룹니다.

이전: ② 연구설계·방법·표본·등록 · 다음: ④ 초고 작성·영문·인용·협업

---

교육 목적이며 특정 통계 방법의 적합성을 보장하지 않습니다.