Table 12. Hierarchical logistic regression analyses: Predicting pass rates for advanced 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	0.03	.03	0.78	.378	1	1.027	0.04	.03	1.14	.286	1	1.037
K-PAT	인지영역
	도형회전							0.25	.31	0.67	.414	1	1.285
	도형전개도							0.43	.3	1.98	.159	1	1.534
	척도판독							0.6	.31	3.83	.051	1	1.829
	계기판독							0.27	.34	0.62	.430	1	1.307
	배관미로							-0.36	.32	1.3	.254	1	0.695
	기계원리							-0.11	.32	0.12	.729	1	0.894
	의사결정							0.39	.29	1.82	.177	1	1.479
	시각변별							-0.25	.26	0.97	.325	1	0.778
	기억							-0.48	.35	1.94	.164	1	0.618
	정보처리영역
	수표해독							0.45**	.16	8.21	.004	1	1.562
	속도추정							0.16	.53	0.09	.768	1	1.168
	추적/회피							-0.61	.33	3.45	.063	1	0.544
	멀티태스킹(이동)							-0.45	.27	2.73	.098	1	0.639
	멀티태스킹(기억)							-0.51	.4	1.66	.198	1	0.598
	멀티태스킹(청각)							0.06	.26	0.05	.816	1	1.062
Model χ2		.764 (df = 1, p = .382)						34.811 (df = 16, p = .004)
Nagelkerke R2(Δ)		.005						.235(.230)
분류정확도		96.0%						96.2%

주: p<.05,
p<.01,
p<.001.