Table 10. Hierarchical logistic regression analyses: Predicting pass rates for screen courses based on K-PAT subset score & PARE score

요인	하위검사	1단계						2단계
		B	SE	Wald	p	df	OR	B	SE	Wald	p	df	OR
PARE	PARE	0.09***	.01	44.48	<.001	1	1.095	0.09***	.02	34.49	<.001	1	1.091
K-PAT	인지영역
	도형회전							-0.28	.17	2.85	.092	1	0.757
	도형전개도							0.1	.16	0.39	.531	1	1.104
	척도판독							-0.32	.17	3.72	.054	1	0.727
	계기판독							0.42*	.18	5.7	.017	1	1.521
	배관미로							0.36*	.16	5.00	.025	1	1.428
	기계원리							0.05	.17	0.09	.771	1	1.050
	의사결정							0.19	.15	1.56	.211	1	1.203
	시각변별							0.3	.16	3.57	.059	1	1.346
	기억							0.05	.19	0.06	.809	1	1.048
	정보처리영역
	수표해독							-0.09	.14	0.38	.536	1	0.919
	속도추정							-0.02	.17	0.01	.908	1	0.980
	추적/회피							-0.06	.19	0.10	.747	1	0.940
	멀티태스킹(이동)							0.08	.14	0.33	.567	1	1.085
	멀티태스킹(기억)							0.07	.13	0.29	.589	1	1.071
	멀티태스킹(청각)							0.09	.12	0.55	.458	1	1.096
Model χ2		45.988 (df = 1, p<.001)						72.803 (df = 16, p<.001)
Nagelkerke R2(Δ)		.125						.194(.069)
분류정확도		91.4%						92.2%

주: p<.05,
p<.01,
p<.001.