EduNow. 디지털마케팅 교육

1. IPA 분석의 필요성

기업은 사용할 수 있는 자원이 항상 부족합니다. 사업을 성공적으로 완수하여 이익을 창출할 수 있는 것이 기업의 가장 큰 사명중 하나이지만, 기업이 이를 위해서 사용할 수 있는 예산이나 인력은 제한되어 있습니다. 그 결과 주어진 자원들을 얼마나 잘 효율적으로 사용하는 가는 기업의 성과를 결정하는 중요 의사결정 사항입니다. 일예로 카메라의 신제품 개발을 위해서 1억원의 연구개발 비용을 사용할 수 있다고 가정합시다. 만일 이 회사의 카메라의 무게에 대하여 소비자들이 매우 만족하며 아무런 불만이 없지만, 회사가 가장 중요하다고 생각하고 있는 디자인에 대하여 매우 크게 불만족스러워하고 있다면 예산의 대부분을 어디에 사용해야 할까요? 당연히 디자인을 개선하기 위해서 대부분의 힘을 쏟아부어야 하지만, 정확한 정보 없이는 이런 문제점을 파악하기도 어려울 때가 많습니다. 이런 상황에서 IPA 분석은 각 경영 차원에서 중점적으로 개선해야 하는 요소들을 구분해 줌으로서 효과적인 의사결정을 가능하게 해줍니다.

2. IPA 분석의 이해

IPA 분석은 Importance-Performance Analysis을 의미합니다. IPA 분석은 소비자가 지각하는 특정 요소에 대한 만족도와 중요도를 각각 X와 Y축으로 하는 2차원상의 평면위에 좌표로 각 요소를 표현하는 분석방법으로서 개선이 시급한 분야와 불필요하게 과잉 투자가 이루어진 분야를 파악하는데 매우 유용한 방법입니다.

IPA 분석은 만족도와 중요도의 평균 값을 기준으로 기업의 전체 활동 영역을 크게 1. 유지관리 영역, 2. 과잉투자 영역, 3. 중점개선 영역, 4. 개선 대상영역의 4개 영역으로 나누어줍니다.

1. 유지관리 영역은 응답자, 즉 소비자들에게 중요한 의미가 있는 영역이면서, 동시에 해당 기업이 비교적 잘 만족시키고 있는 영역입니다. 기업 입장에서는 이미 충분히 잘 하고 있는 영역이고 고객들도 별다른 불만들이 없으므로, 현재 수준을 꾸준히 유지하는 것이 필요합니다.

2. 과잉 투자 영역은 기업의 입장에서 큰 문제 영역이라고 할 수 있습니다. 소비자들에게 중요하지 않음에도 불구하고 기업이 지나친 투자나 과잉 노력을 통해서 불필요할 정도로 만족도가 높은 경우입니다. 일예로, 만일 소비자들이 과자를 살 때 포장지의 색깔을 전혀 중요하게 여기지 않고 있는데도 불구하고 지나칠 정도로 포장지에 대한 만족도가 높다면 기업의 마케팅 활동들이 매우 비효율적이며 예산 낭비적인 방법으로 이루어졌다는 의미가 될 수 있습니다.

3. 중점 개선영역은 소비자들이 생각하는 중요도가 높음에도 불구하고 이에 대하여 해당 기업에 대하여 느끼는 만족도가 낮은 경우입니다. 일예로 과자를 구매할 때 가장 중요한 요인이 과자의 맛임에도 불구하고 해당 기업 제품의 맛이 형편없는 경우일 것입니다. 중점 개선 영역은 가장 시급하게 개선이 필요한 내용이며, 개선 활동에 대한 효과성도 가장 큰 영역입니다.

4. 개선 대상영역은 중요도와 만족도 모두 낮은 영역으로서 현재로서는 크게 신경 쓸 필요가 없는 중요하지 않은 영역들입니다. 향후 중요도가 올라간다면 만족도가 낮은 것이 문제가 될 수 있지만, 현재로서는 소비자들도 별로 신경을 쓰거나 중요하게 여기지 않은 부분들이므로, 만족도의 높고 낮음 자체가 큰 문제가 되지 않는 부분들입니다. 그 결과 개선 대상영역은 향우 장기적인 개선과제로 그 우선 순위가 밀려나는 부분들입니다.

이상의 내용을 정리하면, 결국 IPA 분석은 과잉투자영역에서 사용되는 불필요한 자원이나 노력들을 줄임으로서 중점 개선영역을 우선적으로 개선하게 하는 분석 도구라고 할 수 있으며, 이를 통하여 기업은 보다 효율적인 마케팅활동이나 신상품 개발등이 가능할 것입니다. 사용하는 데이타가 무엇에 관하여 수집된 데이타인가에 따라서 IPA 분석 대상은 기업의 활동이 될 수도 있고 신상품의 세부 기능이 될 수도 있으며, 그외 다양한 방식으로 활용가능합니다.

3. IPA 분석을 위한 설문과 데이타

우선 IPA 분석을 하기 위해서는 이에 적합한 데이타를 수집하기 위한 검토가 설문지 개발 단계 이전부터 이루어질 필요가 있습니다. 적합한 SPSS 데이타 파일없이는 분석 자체가 불가능하기 때문입니다. 필요한 데이타를 얻기 위하여 설문지를 구상하는 방법은 크게 두가지 방법이 있습니다.

1) 첫째 방법으로서, 소비자들에게 만족도와 중요도를 각각 따로 물어보는 방법입니다. 그러나 가장 간단하게 특정 상품 속성에 대한 만족도와 중요도 데이타를 동시에 획득할 수 있는 이 방법은 큰 단점이 있습니다. 만족도와 중요도를 각각 따로 물어봐야 하므로 설문 문항이 많아지고 복잡해지는 단점이 있습니다.

2) 둘째 방법으로서, 개별적인 각 속성의 만족도와 전반적인 만족도간의 상관관계를 구하고 이를 바탕으로 중요도를 추정하는 방법입니다. 이 방법의 경우 데이타 수집에 필요한 설문 문항의 수를 절반 수준으로 줄일 수 있다는 장점이 있습니다. 실제 설문조사를 수행할 때 긴 설문지로 인하여 설문을 회수하는 것이 어려운 경우들이 많음을 감안할때 필요한 문항의 갯수를 획기적으로 줄일 수 있는 두번째 방법이 보다 선호될 것입니다.

이 예에서는 IPA 분석을 위하여 총 10개의 제품 속성과 전반적인 만족도를 확인하는 또 하나의 추가적인 설문 문항이 제시되고 있습니다. 여러분도 만일 IPA 분석을 독자적으로 해야한다면, 이처럼 IPA 분석에 필요한 데이타를 획득할 수 있는 설문지를 먼저 설계하는 것이 분석의 시작이 될 것입니다.

4. IPA 분석 절차

이제부터는 위에서 제시된 설문지 문항들을 가지고 설문 조사가 완료된 후에 SPSS를 이용하여 IPA 분석을 하는 과정들을 차례로 같이 해보겠습니다.

1) 1단계: 전만적인 만족도와 개별적 만족도간의 상관관계 구하기 : 이미 앞서 다른 블로그 글에서 설명한 바와 같이 상관관계란 어느 한 변수와 다른 변수간의 관계를 잘 설명할 수 있습니다. 마찬가지로 10개의 제품 속성과 전반적인 만족도 각각의 상관관계 분석을 시행하면, 전반적인 만족도에 미치는 각 10개 제품 속성의 개별적인 영향력을 계산할 수 있으며, 이를 중요도를 대체할 수 있는 유사 개념으로 사용할 수 있습니다.

우선 상관관계 분석을 통하여 다음과 같은 상관관계 테이블을 구합니다. 이 테이블을 살펴보면 전반적 만족도와 기타 10개 항목들간에 상관관계가 도출된 것을 볼 수 있습니다. 일예로, 전만적 만족도와 테입 삽입 및 추출기능간의 상관계수는 0.266인 것을 볼 수 있습니다.

2) 2단계: 상관계수를 활용한 중요도 구하기: 이제 구해진 상관계수를 활용하여 전반적인 만족도에 미치는 10개 제품 속성의 개별적인 중요도를 구해볼 차례입니다. 이를 위해서는 엑셀을 별도로 활용하면 더욱 편리합니다. 우선 엑셀 차트에 각 10개 항목의 내용을 첫째 칼럼에 정리합니다. 그리고 두번째 칼럼에는 구해진 상관계수를 복사해 놓습니다. 그리고 상관계수의 총 합을 구합니다. 이번 예의 경우에는 테이프 삽입추출 부터 렌즈 우수성까지 총 10개 항목과 전반적 만족도간의 상관관게를 구했으며, 10개 상관계수를 단순 합계하면 합이 3.467입니다.

세번째 칼럼에서는 이제 중요도를 구해야 합니다. 중요도를 구하는 방식은 ‘각 항목별 상관계수 / 상관계수 합계’입니다. 즉 테이프 삽입 추출 기능의 중요성을 구하는 예를 보면 ‘0.266 / 3.467 = 0.077’ 입니다. 동일한 방식으로 10개 항목의 중요도를 모두 구할 수 있습니다.

3) 3단계: 항목별 만족도 구하기: 이제 만족도를 구할 단계입니다. 우선 10개 항목의 만족도를 각 브랜드별로 구해야 합니다. 브랜드별로 구분해서 만족도를 구하는 이유는 IPA 분석은 기본적으로 각 브랜드 수준에서 시행되기 때문입니다. 이를 구하는 방법은 이미 앞서 배운 SPSS의 ‘평균 비교’ 기능을 활용합니다. 이를 통하여 구한 각 브랜드별 만족도를 엑셀 차트에 정리하면 아래와 같습니다.

4) 4단계: SPSS 코딩: 이제 엑셀에 정리된 데이타를 다시 SPSS에 펀칭하여야 합니다. 이제 엑셀에 1차적으로 정리된 데이타를 다시 SPSS에 코딩하기전에 우선 몇 개의 변수가 필요한지 생각해 봅시다. 우선 첫번째 변수로 (1) 속성을 나타내는 변수가 필요할 것입니다. 테이프 추출기능, 테이프 가격 등의 제품 속성이 하나의 변수가 될 것입니다. 여기서 우리는 임의로 그 변수를 factor라는 변수 명으로로 지정합니다. 두번째 변수로 (2) 각 브랜드를 나타내는 변수가 필요할 것입니다. 소니, 삼성, LG가 하나의 변수가 될 것입니다. 여기서 우리는 임의로 그 변수를 brand로 지정합니다. 세번째로, (3) 중요도 값을 나타내는 변수가 필요할 것입니다. 여기서는 importance로 지정합니다. 마지막 네번째로 (4) 만족도를 나타내는 변수가 필요하며, 여기서는 CS로 지정합니다. 이처럼 변수를 새로 만들고나서 엑셀 차트에 정리한 내용을 SPSS에 붙이면 아래와 같은 데이타 파일을 생성할 수 있을 것입니다. 엑셀의 정보들은 Ctrl-C와 ctrl-v 같은 기능을 통하여 손쉽게 SPSS에 복사할 수 있습니다.

그리고, 변수 값에 라벨링을 하여 각각의 변수값이 무엇인지 잘 알 수 있도록 합니다. 이 과정을 생략해도 결과값은 나오겠지만, 변수 설명 없이 결과값을 이해하기에는 다소 혼란스러울 수 있기 때문에 꼭 라벨링을 하도록 합시다.

5) 5단계: 브랜드의 선택 : 이제 완성된 SPSS 데이타셋은 삼성, 소니, 그리고 LG 3개 회사의 만족도 점수를 모두 가지고 있습니다. 분석을 하기 전에 우선 어떤 브랜드의 분석을 시행할 것인지 연구 대상이 되는 브랜드를 결정해야 합니다. 우선 여기서는 삼성 브랜드의 분석을 하고자 합니다. 삼성 브랜드를 선택하기 위해서는 메뉴에서 데이타 -> 케이스 선택을 통하여 삼성 브랜드만 선택하여야 합니다. 다른 브랜드의 추가 분석이 필요한 경우에는 마찬가지로 다른 브랜드를 선택한 후 진행하면 됩니다.

6) 6단계: IPA 분석의 시행: 이제 데이타가 준비되었으니 IPA 분석을 시행할 차례입니다. IPA 분석은 다른 분석 방법과 달리 SPSS의 ‘분석’ 메뉴가 아니라 ‘그래프’ 메뉴를 통해 실시됩니다. 우선 메뉴 바 상단의 그래프 메뉴 -> 레거시 대화상자 -> 산점표/점도표 메뉴를 클릭하십시요.

이 메뉴를 클릭하면 그래프의 유형을 물어보는 대화창이 나오는데, 여기에서 ‘단순 산점도’를 선택하고 ‘정의’ 버튼을 클릭합니다. 선택이 끝나고 나면 다시 IPA 분석에 필요한 사항들을 지정할 수 있는 대화창이 나타납니다. 이때 X와 Y 축에는 각각 중요도와 만족도의 변수들을 지정하고, ‘케이스 설명 기준변수’에는 속성 변수를 지정합니다. 그리고 나서 ‘옵션’ 버튼을 클릭한 후 ‘케이스 설명과 함께 도표 출력’을 활성화합니다. 이를 활성화해야만 분석 결과에서 각 속성에 대한 설명이 같이 표시될 것입니다. 설정이 끝난 후에 ‘확인’ 버튼을 누르면 이제 IPA 도표가 출력됩니다.

7) 7단계: 결과의 확인: 이제 결과물을 확인하면 IPA 도표가 작성된 것을 볼 수가 있습니다. 그러나 이 도표는 아직 4개의 영역으로 구분되기 이전의 자료입니다. 시사점을 찾기 위해서는 IPA 도표를 파워포인트로 옮긴 이후, 중요도와 만족도의 평균값을 중심으로 4개의 영역으로 분할 하는 작업이 필요합니다. 삼성의 예를 보면 중요도는 0.1, 만족도는 4.49를 중심으로 분할이 이루어졌습니다. 이제 이 결과를 해석해보면 삼성은 테이프 삽입 추출 기능에 소요되는 인력과 예산, 노력을 LLCD 가시성이나 LCD 창크기 확대 등에 사용해야 함을 알 수 있습니다.

* 해당 내용을 동영상을 통하여 보다 쉽게 배우고 싶으시면, 아래 동영상 링크를 이용바랍니다.

https://youtu.be/LY6-hhtz__c

: 청주대학교 이 원준 (meetme77@naver.com)

1. 다중응답분석의 이해

이제 교차분석에 대하여 이해하셨으리라 기대됩니다. 본 차시의 마지막으로 다중응답 결과를 이용한 교차 분석에 관하여 살펴보도록 하겠습니다. 우선 ‘다중응답(multiple response)'의 개념을 간략히 살펴보도록 하겠습니다. 다중응답이란 응답자가 여러 보기중에서 2개 이상의 복수 선택을 할 수 있도록 허용한 설문 문항을 의미합니다. 보통 설문지에서는 아래 설문과 같은 형태로 물어보게 됩니다.

다중응답 설문 문항이 사용되는 경우는 크게 두가지 경우로 나누어집니다.

첫째, 설문 문항의 성격에 따라서 단 하나의 보기만을 고르도록 하는 것이 적절하지 않은 경우입니다. 일예로 위 문항처럼 주로 무엇을 사진으로 남기는지 물어본다면 아마 대부분의 사람들은 자녀나 풍경, 행사 중에서 하나만을 선택하기가 매우 어렵다고 느낄 것입니다.

둘째, 보기의 숫자가 너무 많아서 응답자가 여러개의 답을 고르도록 하는 것이 보다 정보의 질을 높일 것이라고 생각되는 경우입니다. 아래 설문 문항처럼 보기의 수가 많은 경우에는 각 선택 보기들의 중요도가 서로 비슷한 수준인 경우가 많아 가장 중요한 것 하나를 고르는 것이 큰 의미가 없을 수 있습니다.

이럴 경우에는 다중응답을 허용하여, 응답자가 보다 손쉽게 답할 수 있도록 하는 동시에 정보의 질을 높이는 것이 더 효과적일 수 있습니다. 다중응답은 빈도분석이나 교차분석과 마찬가지로 명목이나 서열 척도만이 분석될 수 있습니다.

다중응답으로 얻어진 결과들을 분석할 때는 기존의 빈도나 교차분석과 다른 프로세스가 필요합니다. 다시 아래 설문 문항을 보시기 바랍니다.

이 설문 문항 C-11)은 문항은 하나지만 2개의 선택을 받을 수 있으므로 실제로 SPSS의 변수 보기창을 보면 2개의 변수로 구성되어 있음을 알 수 있습니다. SPSS 변수보기 창을 살펴보시기 바랍니다.

따라서, 이 변수들을 빈도 혹은 교차분석한다면, 두개의 결과물을 받을 수 밖에 없습니다. 그리고 결과 해석에서도 일관성있게 해석하는 것이 매우 어렵습니다.

이런 문제를 해결하기 위하여 다중응답 분석에서는 두개의 변수에서 도출된 빈도수를 합산하여 하나의 테이블로 만든 후 다시 계산해줍니다. 즉 주촬영대상의 1순위에서 자녀의 빈도는 61명이고 2순위에서 자녀의 빈도는 12명이었지만, 새로만들어진 다중응답표에서의 자녀의 빈도는 61+12= 73명이 될 것입니다. 이런 동일한 과정을 반복하여 통합된 결과표를 만들어주는 것이 다중응답입니다.

2. 다중응답분석 분석

현재 SPSS상에서 다중응답을 이용하여 빈도분석이나 교차분석을 하기 위해서는 분석(A) -> 다중응답(U)을 차례데로 클릭하셔야 합니다. 다중응답 메뉴로 들어가면 크게 ‘변수군 정의(E)와 더불어 ’빈도분석(F)', '교차분석(C)'의 3가지 메뉴가 이용가능합니다.

그런데, ‘변수군 정의’를 제외하고 ‘교차분석’과 ‘빈도분석’은 명령어 아이콘이 어둡게 비활성화되어 있는 것을 볼 수 있습니다. 이는 아직 다중응답분석에 사용해야 하는 변수가 정의되지 않았기 때문입니다.

두개이상의 변수를 새로 계산하여 하나의 변수로 만든다는 것은 결국 새로운 변수가 하나 추가로 생성됨을 의미합니다. 즉, 다중응답 문항을 먼저 통합하여 하나의 변수화하는 과정이 필요하며, 이것을 가능하게 하는 메유가 ‘변수군 정의(E)' 메뉴입니다.

C-11번) 문항을 다중응답 분석하기 위아여 이를 클릭해보도록 하겠습니다. 클릭하면 바로 ‘다중응답 변수군 정의’ 대화상자를 볼 수 있습니다. 이 대화상자를 이용하여 새로운 다중응답 변수를 만들어 보겠습니다.

우선 좌측의 변수군 정의 화면에서 분석에 포함될 다중응답변수들을 클릭하여 좌측의 ‘변수군에 포함된 변수(V)’의 공란으로 옮겨와야 합니다. 즉 어떤, 그리고 몇개의 변수들을 통합하여 하나의 다중응답 변수로 전환할지 지정해주어야 합니다. 본 문항에서는 1순위와 2순위의 2개 복수응답이 가능하므로 해당되는 2개의 변수들을 포함시켰습니다.

그 다음 단계로, ‘변수들의 코딩형식’에서 변수 값, 즉 해당 문항에 보기가 몇개인지를 범위 값으로 지정해 주어야 합니다. C-11번) 문항을 보면 촬영 대상으로서 1) 자녀 ~ 7) 기타까지 총 7개가 있습니다. 따라서 범위의 최소값으로 ‘1’, 최대값으로 ‘7’을 지정합니다. 만일 보기가 10번)까지 있었다면 10을 최대값으로 지정합니다.

그리고, 새롭게 생성된 변수에 아직 이름이 없으므로 변수명을 지정하고 설명을 달아줍니다. 본 사례에서는 변수명을 ‘zz1'으로 지정하였습니다. 이제 모든 설정이 완료된 이후에는 추가 버튼을 누르면 변수의 지정이 완료되는 것을 볼 수 있습니다.

만일 모든 과정에 이상이 없다면 화면은 아래 화면처럼 바뀌고, 대화창 맨 우측의 ‘다중응답변수군(S)'에 새롭게 지정된 변수가 보이게 될 것입니다.

또한 '다중응답(U)' 메뉴의 빈도분석과 교차분석 메뉴가 활성화되어 있는 것을 볼 수 있습니다. 다중응답의 빈도분석이나 교차분석은 일반 교차, 빈도분석과 달리 반드시 이 곳을 통해서만 분석이 가능합니다.

: 청주대학교 이 원준 (meetme77@naver.com)

1. 교차분석의 필요성

교차 분석은 보통 크로스탭(crosstab) 분석으로도 불리우며, 2개의 명목 혹은 서열형 척도를 변수로 분석에 활용합니다. 즉 한 변수의 범주를 다른 변수의 범주와 교차 시키고 각각 교차된 경우에 해당하는 셀의 빈도를 분석하는 방법입니다. 아래한글이나 엑셀에서 흔히 작성하여 빈도 수나 퍼센트를 보는 교차 표를 생각하시면 되겠습니다.

간단한 예를 보면 성별(남자/여자)과 자동차 보유(있음/없음)이라는 두개의 명목 척도를 각각 교차시킬 경우 1) ~ 4)와 같이 빈도를 포함하고 있는 총 4개의 셀(cell)을 도출할 수 있으며, 각 셀별 빈도 수에 기반하여 셀별 퍼센트를 구할 수 있을 것입니다. 실제 교차분석은 매우 간단함에도 불구하고 마케팅 조사에서 다양하게 이용될 수 있습니다. 일예로 소비자의 성별로 선호하는 브랜드를 조사한다거나, 소비자의 소득수준에 따라 자주 방문하는 백화점을 조사하는 등 다양하게 활용됩니다.

2. 교차 분석의 이해

교차분석을 통하여 각 범주별 빈도의 차이를 분석할 수 있습니다. 그러나 실제 이런 차이가 실제 통계적으로 유의한지는 어떻게 알 수 있을까요? 이런 목적을 위하여 교차 분석은 상황표를 이용하여 명목척도로 측정된 두 변수들이 서로 관련이 있는지 알아봅니다. 예를 들어, 이에 대하여 조금 더 자세히 살펴보도록 하겠습니다.

A기업은 글로벌 마케팅 전략을 수립하기 위하여 국가별로 소비자들이 선호하는 스마트폰 브랜드에 관한 조사를 실시하였습니다. 이에 따라 한국, 미국, EU의 세 국가를 선정하였고 각 국가의 소비자들이 삼성, 애플, 그리고 노키아 중 어떤 브랜드를 선호하는지 조사하였습니다. 조사한 결과는 아래 표와 같은데, 예를 들면 한국에서는 총 100명중 70명이 삼성 제품을 선호하고 있는 것을 알 수 있습니다. 이와 같은 빈도를 실제로 관측된 ‘관측 빈도’라고 합니다

그러나 만들어진 교차표 만을 가지고는 실제로 이런 집단간 차이가 브랜드간의 차이때문에 발생된 것이며, 통계적으로 유의한 것이라고 확신하기는 어렵습니다. 예를 들어 삼성 제품의 미국과 EU 지역내 판매 댓수에는 차이가 있기는 하지만, 이런 차이가 브랜드와 관련없는 다른 이유 때문에 우연히 발생했을 가능성도 있기 때문입니다. 이러한 의문에 답하고, 교차표의 결과가 통계적으로 유의한지 확인하기 위해서는 카이제곱의 독립성 검증을 해야 합니다.

3. 카이제곱 검증의 계산절차

카이제곱 검정을 하기위해서는, 우선 각 셀의 기대 빈도를 구해야 합니다. 기대 빈도는 ‘결합 비율(combined proportion)’을 구한 후, 구해진 결합 비율을 각 셀에 곱함으로서 구할 수 있습니다. 일예로, 삼성(B1)과 한국(A1)을 결합한 결합 비율은 다음과 같은 동시 확률로 구해질 수 있습니다. 즉,

P(A1, B1) = P(A1) * P(B1) 이며, 이를 대입하면

P(A1) = 100/300,

P(B1) = 100/300,

P(A1) * P(B1) = (100/300) * (100/300) = 1/9 이며,

구해진 값을 전체의 총합(300)에 곱할경우, 300 * (1/9) = 33.3 이라는 삼성(B1)과 한국(A1)을 결합한 셀의 기대 빈도가 도출됩니다.

이를 다른 셀에도 동일하게 반복할 경우 다음과 같은 관측빈도와 기대빈도의 교차표를 얻을 수 있습니다. 아래 표가 의미하는 바는 두 변수가 상호독립적일 때, 즉 국가별로 선호브랜드가 동일할 때, 한국에서 삼성 브랜드가 구매될 빈도는 33.3이라는 의미입니다. 이제 브랜드와 국가라는 두개 변수간의 관련성 여부는 관측빈도(30)와 기대빈도(33.3)를 비교하여 그 차이를 카이 제곱 검증을 통하여 검정해 보면 알 수 있습니다.

카이제곱 검증을 하기 위해서는 귀무 가설과 대립 가설이 수립되어야 합니다. 즉,

H0(귀무가설) = 국가간의 브랜드의 차이는 없다.

H1(대립가설) = 국가간의 브랜드 차이는 있다.

라는 가설을 세우고, 귀무가설이 참인지 아닌지를 카이제곱 검증으로 검정을 하게 됩니다.

d. 카이제곱 통계량 계산

만일 귀무가설이 참이라면 카이 제곱 통계량의 표본 분포는 카이제곱 분포로 알려진 연속 곡선에 접근하게 됩니다. 카이제곱의 통계량을 구하기 위해서는 아래 수식을 사용해야 합니다.

이 식을 이용하여 각 셀의 계산을 반복하면 카이 제곱(x2) 값인 2.25를 얻을 수 있습니다. 직접 손 계산을 해보시기 바랍니다.

카이제곱 값을 이용하여 가설을 검증하기 위해서는 카이 제곱 값, 카이제곱 통계표, 그리고 자유도의 3가지가 필요합니다. 카이제곱 값은 관측빈도와 기대빈도 값을 이용하여 이미 2.25를 구하였습니다. 이제 자유도를 구할 차례입니다. 카이제곱의 분포는 그 본포의 모양이 '자유도(D.F)'에 따라 달라지는 특성이 있으므로, 자유도를 먼저 확인해야 합니다. 카이제곱 통계량에서 자유도는 교차표의 행의 수와 셀의 수에 의하여 결정됩니다. 그 공식은,

자유도 = (행의 수 - 1) * (열의 수 - 1) 이며, 위 예에 대입하면 행과 열이 각각 3개씩이므로;

= (3-1)*(3-1) = 4 의 자유도를 갖습니다.

이제 구한 자유도(4)와 카이제곱 값(2.25)을 가지고 카이제곱 통계표에서 유의수준 0.05에서 확인할 수 있는 카이 제곱의 임계치는 9.49입니다. 본 분석에서 구한 값이 2.25로 임계치인 9.49보다 작으므로 “H0(귀무가설) = 국가간의 브랜드의 차이는 없다”는 채택이 되게 됩니다. 이 결과에 따라서 국가별로 판매되는 스마트폰 브랜드의 비율에는 통계적인 차이가 없다는 것을 알게 되었습니다. 실제 SPSS에서는 이런 비교의 번거로움을 덜어주기 위해서 카이제곱 값과 더불어 검정 결과를 유의도 값으로 제공합니다.

4. 분석을 위한 설문과 데이타

비교적 간단한 계산을 통하여 교차표를 구하고 카이제곱 검증을 할 수 있으나 SPSS는 이런 통계적 지식에 대한 기본적인 이해만 있다면 누구나 손쉽게 교차분석을 할 수 있도록 지원하고 있습니다. SPSS를 이용하여 지금까지 배웠던 교차 분석을 직접 해보도록 하ᅟᅦᆻ습니다.

우선 본 실습에 사용될 2개의 상호 관련성이 있는 설문 문항을 선택하여야하며, 문항들은 명목 혹은 서열 척도로 구성되어있어야만 합니다. 본 분석에서는 설문 1페이지의 캠코더 브랜드를 묻는 C-2-A)번 문항과 해당 제품의 구입 이유를 물어보는 C-2-D)번 문항을 이용하고자 합니다. 이를 통하여, 캠코더 브랜드별로 제품 구매 이유가 어떻게 다른지 확인해 보도록 하겠습니다. 이 문항들은 모두 명목척도로서, 교차분석에 적합한 것으로 판단되었습니다.

5. 교차분석 및 결과

이제 직접 SPSS를 이용한 분석을 해보도록 하겠습니다. 우선 데이타 파일을 여신 후, 캠코더 상표(변수명: c2)와 캠코더 구입이유(변수명: c5)를 확인하십시요. 교차 분석을 위해서는 2개의 명목 혹은 서열 척도가 필요합니다.

1) 교차분석 메뉴의 실행: 교차분석을 수행하기 위해서는 우선 메뉴바의 분석(A) -> 기술통계량(E) -> 교차분석(C)를 차례로 클릭해주시기 바랍니다. 이를 모두 실행하면 교차분석 대화상자가 나타납니다.

2) 분석대상 변수의 선택:  아래 그림과 같이 대화상자에서 분석할 변수인 ‘상표(변수명: c2)’를 선택한 후 오른쪽의 '행(w) 변수상자‘에 보냅니다. ‘캠코더 구입이유(변수명: c5)’는 ‘열(C) 변수상자’에 보냅니다. 이때 어떤 특정 변수가 반드시 행으로가고 다른 변수가 열로 가야하는 법칙은 없습니다. 행과 열을 바꾸어서 지정하여도 상관이 없습니다.

3) 옵션의 조정: 이 단계까지 마치고 바로 확인을 누를 경우 교차표를 구할 수 있습니다. 그러나 교차표에는 단지 빈도만이 표시되고 퍼센트가 표시되지 않아 매우 불편합니다. 따라서 보통의 경우 퍼센트가 같이 제시되도록 옵션을 조정한 후 분석을 시행합니다. 화면 우측의 ‘셀(E)' 버튼을 눌러보시기 바랍니다.

선택할 수 있는 몇가지 옵션들이 보입니다. 우선 관측빈도와 기대빈도를 선택할 수 있고, 그 밖에 여기서 퍼센트 지정이 가능합니다. 행(R) 퍼센트의 경우 행 각각의 합이 100%가 되도록 계산을 해주는 반면, 열(C) 퍼센트는 열 각각의 합이 100%가 되도록 계산을 해줍니다. 본 사례에서는 상표별 구매이유가 주된 관심사항이며, 상표 정보가 행에 위치하므로 행 퍼센트 옵션을 선택합니다. 별도의 카이제곱 통계량이 필요한 경우에는 ‘통계량’ 옵션에서 카이제곱을 선택하신후 분석을 하시면 됩니다.

4) 분석의 시행 및 결과: 이제 교차분석을 시행해 보도록 하겠습니다. 도출된 교차표를 보면 크게 빈도와 기대빈도, 그리고 퍼센트와 관련된 정보를 주고 있습니다. 소니와 삼성을 비교해보면, 소니를 구매한 소비자중 구입한 이유로 가장 중요한 것은 ‘최초 구매(52.2%)’이며, 삼성은 최초 구매 비중이 63.6%로서 소니보다 다소 더 높은 것을 알 수 있습니다. 이를 통해서 초보자가 보다 삼성을 선택하는 경우가 많음을 알 수 있습니다.

추가로 이런 퍼센트의 차이가 브랜드간에 통계적으로 유의한 것인지를 살펴보기 위하여 카이 제곱 통계량을 도출하도록 옵션에서 명령을 부여한 바 있습니다. 카이제곱 검정 결과를 보면,자유도가 35일 때, 카이제곱 유의확율값이 0.606입니다. 이는 P 값이 0.05보다 크므로 유의수준 5%에서 유의하지 못함을 알 수 있습니다. 따라서, 대립가설을 기각되고, 브랜드와 구입이유라는 두 변수는 상호독립적이라는 귀무가설이 채택되게 됩니다. 다시말하면 구입이유와 브랜드간에는 통계적으로 유의한 관계는 없다고 할 수 있습니다. 삼성과 소니 브랜드간 나타난 구입 이유는 브랜드의 차이 때문이라고 할 수 없는 것입니다.

5) 상표전환율 매트릭스의 응용: 교차 분석은 조사자의 목적에 따라 다양하게 활용될 수 있는 실무적 가치가 높은 분석방법입니다. 교차 분석을 응용한 한가지 예로, 상표전환율 매트릭스를 볼 수 있습니다. 상표 전환율 매트릭스는 기존의 특정 브랜드를 가지고 있는 소비자가 다음 구매시점에서는 어떤 브랜드를 구매할 지를 비교 분석함으로서, 소비자가 특정 브랜드에 대하여 가지고 있는 ‘브랜드 로열티’수준을 직접 확인하고 타 브랜드와 비교평가할 수 있습니다.

상표전환율 매트릭스를 만들기 위해서는 두개의 질문이 설문지상에 존재하여야 합니다. 하나는 현재 보유한 브랜드와 관련된 문항이며, 또다른 하나는 향후 구매 예정 브랜드에 관련된 문항입니다. 본 실습설문지에도 이런 문항이 포함되어 있습니다. 현재 보유 브랜드를 묻는 1페이지의 C-2-A)번 문항과 미래 의도 브랜드를 묻는 13페이지 C-28-A)번 문항입니다. 이 두 개 변수를 이용하여 상표전환율 매트릭스를 작성할 경우, 현재 보유브랜드를 중심으로 퍼센트를 구하게 되면, 얼마나 많은 고객들이 경재사로부터 이탈하거나 새로 유입이 될지 확인할 수 있으며, 효과적인 브랜드 관리나 고객 로열티 구축을 위한 기초 자료로 활용할 수 있습니다.

우선 소비자의 로열티 수준을 점검해 보겠습니다. 로열티는 쉽게 표현하면, 특정 고객이 재구매 시점에서 같은 브랜드를 사는 재구매경향을 의미합니다. 이 표를 분석하면 가장 로열티나 높은 회사는 소니로서 77.1%에 달하고 있지만 삼성은 고작 40.0 수준에 머물고 있는 것을 볼 수 있습니다.

* 교차분석에 관한 내용을 유튜브 동영상으로 다시 확인하고 싶으신 경우에는 아래 링크 이용바랍니다.

https://youtu.be/CKAhrNfyg28

: 청주대학교 이 원준 (meetme77@naver.com)

1. 빈도 분석의 개요

빈도분석(Frequency)은 데이타의 전반적인 내용들이 도수분포표상에서 어떠한 분포적 특성을 가지고 있는지 요약된 정보를 제공하는 분석입니다. 빈도분석에서 제공하는 분포 관련 정보는 크게 빈도, 중심화 경향치, 그리고 분산도 들입니다. 또한 이 같은 특성치들을 보다 시각적으로 이해하기 쉽도록 도표를 제공할 수 있습니다.

1) 빈도와 중심화 경향

빈도는 우리가 흔히 퍼센트로 표시하는 개념으로서, 각 값들이 출현하는 횟수를 요약한 정보로서, 빈도 분석이 제공하는 가장 기본적인 정보입니다. 또한 빈도분석은 데이타의 중심화 경향(central tendency)을 보여주기도 합니다. 중심화 경향이란 관측된 데이타들이 어떤 형태로 집중되어 있는지를 알아보는 것으로서, 주로 최빈값, 중앙값, 그리고 평균과 같은 지표들을 이용하여 경향을 평가합니다.

- 최빈값(Mode) : 빈도수가 가장 많이 발생한 관측치

- 중앙값(Median): 수치로 이루어진 데이타들을 크기 순서데로 나열하였을 때 가장 중앙에 위치하는 관측치

2) 분산도

분산도(Dispersion)는 관측된 데이타가 흩어져 있는 정도를 말하며, 범위, 평균편차, 그리고 표준편차와 같은 통계량들로 측정합니다.

- 범위(range) : 가장 큰 수치의 데이타와 가장 작은 수치의 데이타간의 차이를 말합니다.

- 평균편차(mean deviation) : 관측치와 산술평균과의 차이들의 평균을 말합니다.

2. 빈도분석의 시행

이제 본격적으로 빈도분석을 시행하기 이전에, 어떤 데이타를 분석할 것인지 먼저 설문지를 살펴보도록 하겠습니다. 우선 아래 설문지 1페이지의 문항 C2에서 물어보는 캠코더의 구매 경험과 관련된 여러가지 질문들을 봐주시기 바랍니다.

우선, 현재 가지고 있는 캠코더의 형태는 어떤지 빈도분석을 통해서 단계적으로 살펴보도록 하겠습니다. 

1) 빈도분석 메뉴의 실행

빈도 분석을 수행하기 위해서는 우선 메뉴바의 분석(A) -> 기술통계량(E) -> 빈도분석(F)을 차례데로 클릭해주시기 바랍니다. 이를 모두 실행하면 빈도분석 대화상자가 나타납니다.

2) 분석대상 변수의 선택

아래 그림과 같이 대화상자에서 분석할 변수인 '형태(변수명 c3)'를 선정한 후 화살표를 클릭해서 오른쪽의 변수(V) 상자로 보냅니다.

3) 옵션의 조정

: 바로 ‘확인’ 버튼을 누르는 것만으로도 성공적으로 빈도분석이 완수되지만, 필요시 선택적으로 분석에 필요한 다양한 옵션들을 지정할 수 있습니다. 간략히 어떤 옵션들이 주요 옵션들 위주로 있는지 살펴보도록 하겠습니다. 먼저 ‘통계량’ 옵션을 클릭해보시기 바랍니다. 중심화 경향치, 백분위 값, 산포도 등 다양한 통계량을 선택할 수 있습니다.

다음으로 도표 옵션을 살펴보겠습니다. SPSS에서는 기본적으로 막대도표, 원도표, 히스토그램의 3가지 그래프를 제공합니다. 그러나 보통 SPSS에서 그래프를 그리기보다는 SPSS의 결과값들을 엑셀에 옮겨와서 다시 필요한 그래프를 그리는 것이 더 편리하고 고품질의 그래프를 구할 수 있습니다.

4) 분석의 시행

이제 통계량 옵션중 막대도표만을 선택한 후, 분석을 시행하도록 하겠습니다. 분석이 시작되면 다음과 같은 결과들이 나타날 것입니다. 먼저 제시되는 것은 결측치에 관한 정보가 제시됩니다. 결측치란 해당 문항에 대하여 응답하지 않은 사람들을 의미합니다. 분석 결과 결측치가 185명이나 되네요. 아마 집에 캠코더가 없는 사람이 조사 당시 많았던 것 같습니다. 그리고 간략한 빈도표가 제시됩니다. 각 빈도표를 보면 퍼센트와 유효퍼센트, 그리고 누적 퍼센트의 정보가 제시됩니다. 이중 퍼센트와 유효 퍼센트의 차이를 살펴보면 유효 퍼센트는 무응답한 결측치를 제외하고 구한 비율입니다. 보통 빈도분석에서 유효 퍼센트를 기본적인 정보로 사용합니다. 분석 결과를 보면 준수직형의 캠코더를 구입한 사람의 47.7%, 수평형 36.0%, 수직형 15.0%, 기타 1.4%로 나타나고 있습니다.

그리고, 추가적인 옵션 지정을 통해 구한 그래프의 모습도 보여주고 있습니다. 하지만, SPSS에서 기본으로 제공하는 그래프는 그다지 정교하거나 세련되지 않습니다. 더 좋은 방법은 빈도표를 엑셀로 복사한 이후 다시 그래프를 그리는 것입니다. 단지 ctrl+C와 ctrl+V만으로 SPSS의 결과물을 엑셀에 손쉽게 복사할 수 있으니 다양하게 활용해 보시기 바랍니다.

3. 평균 분석의 개요

평균 분석은 기술통계분석의 일종으로서, 평균과 같은 요약된 통계량을 계산합니다. 평균 분석과 빈도분석은 얼핏 유사해보일 수도 있지만, 결정적인 차이점이 있습니다. 빈도분석이 주로 이산적인 변수값들을 다루는 반면에, 평균분석은 연속적인 변수값들을 다룬다는 점입니다. 보다 쉽게 설명하면 이산적 변수들은 더하기, 곱하기, 빼기, 나누기와 같은 사칙연산으로 계산할 수 없는 값들을 의미하지만, 연속적 변수들은 사칙 연산이 가능한 값들을 의미합니다.

일예로, 야구 선수의 등 번호를 생각해 봅시다. 야구 선수의 등 번호는 분명히 번호이지만 이산적 변수들입니다. 등번호 3번인 선수와 17번인 선수를 더하거나 뺴는 것은 아무런 의미가 없기 때문입니다. 그러나 사과 3개와 17개를 더할 경우 20개의 사과가 됩니다. 이는 사칙 연산이 가능한 경우로서 연속적 변수 값의 예입니다.  즉, 빈도분석은 이산적 변수 값, 평균 분석은 연속적 변수 값을 그 분석 대상으로 하고 있습니다. 척도를 중심으로 설명하면, 빈도분석은 주로 명목 척도와 서열 척도, 평균 분석은 주로 등간 척도와 비율 척도를 분석대상으로 합니다.

이중 등간 척도는 간혹 연구자의 목적에 따라서 빈도분석이 이루어질 수도 있지만, 명목과 서열척도는 평균 분석이 시행될 수 없음을 기억하시기 바랍니다.

4. 평균 분석의 시행

이제 본격적으로 평균 분석을 시행하기 이전에, 어떤 데이타를 분석할 것인지 먼저 설문지를 살펴보도록 하겠습니다. 우선 실습 설문지에서 물어보는 연령과 결혼 년수와 같이 개인 인적사항과 관련된 질문들을 중심으로 봐주시기 바랍니다. 연령과 결혼 년수의 평균을 구해보도록 하겠습니다.

1) 평균분석 메뉴의 실행:  평균 분석을 수행하기 위해서는 우선 메뉴 바의 분석(A) -> 기술통계량(E) -> 기술통계(D)를 차례데로 클릭해주시기 바랍니다. 이를 모두 실행하면 기술통계 대화상자가 나타납니다.

2) 분석대상 변수의 선택: 아래 그림과 같이 대화상자에서 분석할 변수인 '가장 연령(변수명 s1)'과 ‘결혼 기간(변수명 s3)’을 선정한 후 화살표를 클릭해서 오른쪽의 변수(V) 상자로 보냅니다.

3) 옵션의 조정 : 바로 ‘확인’ 버튼을 누르는 것만으로도 성공적으로 평균을 구하기 위한 기술통계 분석이 완수되지만, 필요시 선택적으로 분석에 필요한 다양한 옵션들을 지정할 수 있습니다. 간략히 어떤 옵션들이 주요 옵션들 위주로 있는지 살펴보도록 하겠습니다. 먼저 ‘옵션’을 클릭해보시기 바랍니다. 연구자의 목적에 따라 평균은 물론이고, 표준편차, 분산, 범위 등 다양한 통계량을 선택할 수 있습니다.

4) 분석의 시행: 이제 원하는 옵션을 선택한 후, 분석을 시행하도록 하겠습니다. 만일 별도의 옵션을 선택하지 않았다면 SPSS는 기본 통계량으로 최소값, 최대값, 평균, 그리고 표준편차를 보여줄 것입니다.

그리고 간략한 기술통계량표가 제시됩니다. 표의 내용을 살펴 보면 사례 수(n), 최소값과 최대값, 평균, 그리고 표준편차의 정보가 제시됩니다. 분석 결과를 보면 가장의 평균 연령은 43.8세이며, 평균적으로 결혼한지 9.8년 가량 경과하였음을 알 수 있습니다.

: 청주대학교 이 원준 (meetme77@naver.com)

1. SPSS ‘변수 계산’의 이해

 원 데이터에 있는 변수들의 수치를 변환하여 새로운 변수 값을 계산하기 위해서는 변수 계산을 하여야 합니다. 변수 계산을 하기 위해서는 메뉴 바에서 변환(T) -> 변수계산(C)을 차례 데로 선택해야 합니다.

변수계산을 선택하였을 경우 아래 그림과 같은 변수 계산 대화 상자가 열릴 것입니다. 이 대화상자는 그 모습이나 기능이 우리가 흔히 사용하는 전자계산기와 거의 유사합니다. 그래서 ‘계산대’라고 부르기도 합니다. 계산대의 주요 기능들을 간략히 설명드리면 다음과 같습니다.

a. 변수보기 Box :　변수보기 Box는 SPSS의 원 데이터 파일에 있는 모든 변수들을 보여줍니다. 이 변수들을 변수 계산Box로 옮겨옴으로서 새로운 변수를 계산해 낼 수 있습니다.

b. 변수계산 Box : 변수 계산의 결과로 항상 계산 후 새로운 변수가 만들어지게 됩니다. 우측의 '대상변수(T)''대상 변수(T)'에서는 새롭게 만들어지는 변수를 위하여 새로운 SPSS 변수명을 지정해주어야 합니다. 그리고 좌측의 ‘숫자표현식(E)’‘숫자 표현식(E)’에서는 연산자나 함수 등을 이용하여 계산을 행함으로써 새롭게 생성되는 변수들을 정의해주어야 합니다. 즉 변수의 계산이 이루어지는 장소입니다.

c. 연산자 Box: 변수계산에 사용할 수 있는 다양한 연산자와 함수들을 모아놓은 곳입니다. 이들 연산자나 함수들은 ‘숫자표현식(E)’‘숫자 표현식(E)’에서 직접 키보드로 입력할 수도 있으며, 혹은 연산자 Box에서 사용할 함수나 연산자를 클릭하여 사용할 수도 있습니다. 사용할 수 있는 연산자는 산술 연산자,, 논리 연산자,관계 연산자가 있으며, 그외 기타로 여러 함수들을 사용할 수 있습니다.

<산술 연산자>

기본적인 산술 연산을 위한 연산자들이다. 그러나 여러 개의 괄호( )를 사용하는 복잡한 연산을 수행할 때는, 괄호 안의 식이 먼저 계산되므로 주의가 필요하다.

<관계 연산자>

관계 연산자는 두 값을 비교하는 등 주로 값들 간의 관계를 설정하는 데 사용합니다.

<논리 연산자>

두 개 이상의 관계식을 결합하기 위해 혹은 작성한 조건식을 보다 정교화하기 위하여 논리 연산자를 사용합니다.

연산자 외에 다양한 함수들을 이용할 수도 있습니다. SPSS에서는 통계, 산술, 문자, 날짜지정, 분포 등에 관련한 다양한 함수들을 사용할 수 있습니다. 함수들에 관한 상세한 내용이 필요한 경우에는 SPSS에 내장되어 있는 도움말을 참조해보시기 바랍니다.

d. 조건선택 Box: 필요할 경우, 데이터의 변화 과정에 조건식을 사용하여 특정 조건에 적합한 케이스만 선택할 수 도 있습니다. .

2. 변수 계산 실습

이제 ‘변수 계산’의 의미와 실행하는 방법에 대하여 간단히 이해하셨으리라 생각됩니다. 이제 실제 사례들을 가지고 직접 실습을 해보도록 하겠습니다. 본 강의를 들으시면서 ’실습 data 01.sav' 파일을 여신 후 직접 따라해보시면 더 쉽게 이해하실 수 있으리라 생각합니다.

a. 간단한 산술 연산으로 새 변수 만들기

가장 기본적인 변수 계산의 예로서 더하기, 빼하기, 곱하기, 나누기 등의 산술 연산자를 이용하여 하나의 새로운 변수들을 만들어보기로 하겠습니다. 우선 분석하기 전에 어떤 상황에서 이런 변수 만들기가 필요한지 실습용 설문지의 예를 들어보기로 하겠습니다.

실습문제1) C-8번 문항을 보면 연간 평균 테이프 사용 분량에 관한 설문 문항을 가지고 있습니다. 만일 이를 월간 사용량으로 바꾸고 싶은 경우 어떻게 해야 할까요?

(답변 1) : ‘연간사용량 / 12’, 즉 연간 사용량을 12개월로 나누어주면 간단히 구할 수 있을 것입니다. 즉 ‘변수계산’ 대화창에서 다음과 같이 입력을 하면 됩니다. 우선 새롭게 변수가 만들어지기 때문에 새로운 변수명을 임의로 지정합니다. 여기서 변수명은 ‘zzz01'입니다. 그리고 C-8번 문항의 SPSS 변수명은 'c22'이므로 이 변수를 찾아 숫자표현식에 넣고 12개월로 나누어주면 됩니다.

변수계산전과 변수계산후의 결과를 비교해보면, 다음과 같습니다. 연평균 테입 분량은 6.7개 였지만, 월별 소요량으로 변환한 후에는 0.558개로 변한 것을 볼 수 있습니다.

실습문제 2) C-8번 문항을 사용하여 연간 촬영 시간을 구하시오. 단 테입 1개 분량은 60분을 찍을 수 있다고 가정합니다.

답변 2) 연간사용량 * 60을 하면 간단하게 촬영시간을 구할 수 있으며, 분석 결과는 연간 402.2분의 시간을 촬영하고 있는 것으로 나타났습니다.

실습문제 3) 캠코더에 대한 소비자 만족도를 조사하기 위하여 아래와 같은 만족도 문항을 7점 척도로 조사하였습니다.

그러나, 보통 과거에는 만족도를 100점 만점으로 평가하였기 때문에 새로운 조사 결과와 과거 조사 결과를 직접 비교하는 것이 곤란해졌습니다. 이 문제를 해결하기 위해서 7점 척도를 100점 만점으로 환산하고자 합니다. 단, 7점 척도의 1점은 100점 만점의 0점, 4점은 50점, 7점은 100점이 되도록 환산하십시요.

(답변 3) (변수 - 1) * (100 / 6)와 같은 계산식으로 쉽게 구할 수 있습니다. 여기서 (변수 - 1)을 한것은 7점 척도에서 1점을 선택한 사람의 점수를 0점으로 환산하기 위해서입니다. 그리고 (100 / 6)한 값을 곱해줌으로서 0점 ~ 100점 사이의 값을 갖는 100점 척도로 전환이 가능합니다.

3. ‘코딩 변경’의 이해

코딩이란 변수값을 의미합니다. 즉 각 변수들은 구체적으로 변수 값들을 갖습니다. ‘가족내 지위’는 하나의 변수이며, 구체적인 변수값으로는 가장, 주부, 자녀, 기타 등의 값을 갖을 수 있습니다.

변수값의 코딩 변경에서는 범주나 분류를 다시 변경하는 방식으로 새로운 변수를 만들거나 기존 변수들을 변경할 수 있습니다. 즉, ‘가족내 지위’라는 변수를 그대로 유지하면서 변수값만 1(가장), 2(기타)로 간단하게 변경할 수 도 있고, ‘가족내 지위2’라는 새로운 변수를 만들어서 변수값을 1(가장), 2(기타)로 지정할 수도 있습니다.

SPSS는 이 두 가지중 한 방식을 선택하여 변수 값을 변경할 수 있도록 해줍니다. 코딩 변경을 하기위에서는 메뉴 바에서 변환(T) -> 같은 변수로 코딩변경(S), 혹은 다른변수로 코딩변경(R)을 선택하시면 됩니다.

본 수업에서는 다른 변수로 코딩변경하는 방법만을 설명드리도록 하겠습니다. 기본적으로 명령어나 변경 순서가 두가지 방식 모두 동일하기 때문입니다. 아울러, 가능하다면 항상 다른변수로 코딩변경하는 습관을 들이시기 바랍니다. 언제 어떤 상황에서 원본 데이타가 필요할지 모르기 때문에 가능하면 원본 데이타는 훼손하지 않는 것이 좋기 때문입니다.

기존 변수값을 이용하여 새로운 변수로 코딩변경하기 위해서는 우선 변화(T) -> 다른변수로 코딩변경(R)을 차례로 선택하셔서 코딩 변경 대화상자가 나타나도록 해야 합니다.

왼쪽 상자는 데이타에 포함된 모든 변수들을 보여주고 있는데, 이중에서 코딩을 변경할 기존의 변수를 선택한 후, 대화 창의 중앙에 있는 ‘숫자변수(V) ->출력 변수’ Box로 옮깁니다. 여기서는 응답자의 가족내 지위를 표시하는 변수인 'id1'을 선택하였습니다.

변수를 옮긴 후 ‘?’가 표시된 것을 볼 수 있습니다. 이는 코딩을 변경하여 새로운 변수를 만들었기 때문에 새 변수에 필요한 ‘변수명’이 현재 없다는 의미입니다. 이제 변수명을 하나 만들어 주도록 하겠습니다. 변수명을 지정할 때는 대화 창의 좌측에 있는 ‘출력변수’란에 새로운 변수의 이름을 지정해주면 됩니다. 그리고 ‘바꾸기’ 버튼을 눌러 줍니다.

이제 새로운 변수에 기존 변수의 변수값을 코딩만 변경해서 옮겨줄 차례입니다. 이를 위해서는 대화 창 하단의 ‘기존 값 및 새로운 값(O)' 버튼을 눌러주시기 바랍니다.

이를 클릭하면 변수값을 재지정하기 위한 새로운 대화창이 열리게 됩니다. 대화창 좌측의 ‘r기존값(V)' 상자안에 변환 전의 변수값을 입력하고, 창 우측의 ’새로운 값(A)' 상자안에 변환하고자 하는 변수값을 입력한후 ‘추가’ 버튼을 선택합니다. 그러면 기존값이 새로운 값으로 변환된 값이 나타나며, 이를 반복하여 원하는 데로 코딩이 변경된 새로운 변수를 얻습니다. 본 예시에서는, 1=가장, 2=주부, 3=자녀, 4=기타로 되어있던 기존값을 1=가장, 2=기타로 단순화하고자 하였기 때문에 아래 대화창과 같은 결과를 얻을 수 있습니다.

: 청주대학교 이 원준 (meetme77@naver.com)

1. 설문지 작성의 중요성

마케팅 종사자를 포함한 대부분의 사람들에게 마케팅 조사란 곧 설문지 조사를 연상할 만큼 마케팅조사에서 설문지가 차지하는 부분은 큽니다. 연구조사 과정에서 설문지는 1차 데이타를 수집할 수 있는 가장 보편적인 방법이며, 연구자의 연구 목적을 그대로 담고 있는 중요한 수단입니다. 따라서 연구 목적을 잘 반영하고 있는 좋은 설문지는 성공적인 마케팅 조사의 필수적인 요건이 되지만, 많은 연구들은 설문지 작성의 오류로 연구 목적을 달성하지 못하는 경우도 빈번합니다. 설문 조사에는 오랜 시간과 적지 않은 비용이 수반되므로 조사를 변경하거나 재조사를 시행할 여유가 없는 것이 대부분입니다. 따라서 단 한번의 실수도 큰 타격이 될 수 있습니다. 이런 위험을 방지하기 위해서는 설문지 작성 전단계부터 치밀한 계획과 준비가 있어야 할 것입니다.

2. 설문지의 내용

설문지를 이용한 조사를 진행할 때는 무엇보다도 조사에 사용될 설문지의 표준화가 중요합니다. 표준화된 설문지란 동일한 질문, 동일한 양식을 사용한 설문지로서 어떤 면접원이 이용하더라도 동일한 내용을 담고 있어야 함을 의미합니다. 대규모의 상업적 마케팅 조사에는 수십명의 면접원이 동원되며, 지난 2010년, 10년만에 중국에서 인구 총조사를 하였을 때는 동원된 면접원만 600만명이었다고 합니다. 만일 각각의 면접원들이 각기 다른 설문지를 사용하였다면 어렵게 얻어진 자료의 일관성이 떨어져 데이타로서의 가치가 없어질 것입니다. 또한 표준화된 설문지를 사용할 경우 면접원 교육에 소요되는 시간을 절감할 수 있고 자료의 분석이 용이해지는 등 다양한 장점이 있습니다.

설문지는 조사 기관이나 연구 목적에 따라 다소 차이는 있지만 크게는 다음과 같은 6가지의 항목으로 구성되어 있습니다. 반드시 6가지 항목이 모두 사용되어야 하는 것은 아니며, 일부 항목은 필요에 따라 포함되거나 제외될 수도 있습니다.

1) 조사 소개문 : 응답자에게 협조를 요청하는 내용으로서 보통 설문지의 첫페이지에 삽입합니다. 응답자에게 조사자의 소속이나 소개, 조사의 목적, 개인정보와 응답 내용에 대한 비밀 보장들을 약속함으로서 조사의 참여율을 높여주고, 응답자의 협조를 이끌어냅니다. 응답자가 직접 구두로 이런 내용을 고지하기도 하지만, 대부분의 경우 단순히 설문지에 인쇄한 내용으로 조사 소개문을 대체하기도 합니다.

2) 식별 자료 : 이는 각 설문지를 구분하기 위한 식별 번호와 추후 확인 조사를 위하여 응답자의 이름, 주소, 전화번호 등 연락처를 포함합니다. 아울러 조사를 실시한 면접자의 이름과 면접 일시를 기록하여 추후에 성실하게 조사가 이루어졌는지 검증하는 목적으로 사용되는 자료이다.

3) 지시문 : 설문 응답을 손쉽게 받으려면 응답자 스스로 설문에 응답할 수 있도록 상세하게 설문지 응답 방식을 알려 줄 필요가 있습니다. 보통 응답 방법이나 응답 순서, 특정 문항의 응답시 주의 사항 등에 관한 내용을 알려주게 됩니다.

4) 본 문항 : 설문지의 내용중 가장 중요한 부분으로서, 설문 조사를 통하여 알고자 하는 내용들이 문항으로 적절히 제시되어야 합니다. 본 문항의 작성 방법에 대해서는 본 차시의 후반부에 다시 상세히 설명될 것이다.

5) 배경 문항 : 흔히 데모(demo) 혹은 인구통계학적 정보라고 일컫는 문항들로서 응답자의 연령, 성별, 결혼 유무, 직장, 소득 등 개인적 특성과 관련된 문항들입니다. 본 문항에서 얻은 조사 결과들은 응답자 특성별로 분류하고, 시장 세분화 등 전략 개발을 하기 위하여 반드시 필요한 문항들입니다. 그러나 개인의 사생활을 침해할 수 있는 정보이므로 응답자들도 쉽게 정보를 주기를 꺼리며, 개인의 인격을 침해할 소지도 있습니다. 이런 문제점들을 해결하기 위해서 배경 문항은 반드시 필요한 문항 위주로 최소화하여 불필요한 정보를 수집해서는 안될 것입니다. 또한, 설문지의 마지막 부분에 물어보는 방식등을 통하여 응답자가 설문 자체를 거부하는 일이 없도록 해야 합니다.

6) 기타 보조 도구 : 그 밖에 경우에 따라서 사진이나 상품 카타로그 등 보조적 자료를 가지고 다녀야 할 필요가 있습니다. 일예로 신상품에 대한 소비자의 평가를 알고자 할 때 신상품 실물, 혹은 컨셉 카드를 별도로 가지고와 보여주면서 설문을 받기도 합니다.

3. 설문지 작성 과정

설문지를 작성하는 순서에 관하여 정해진 법칙이 있는 것은 아니며, 보통 오랜 경험과 시행착오를 거치면서 자기만의 노하우를 쌓아가게 됩니다. 그러나 작성 과정에 대한 고민없이 생각나는데로 설문지를 만들어 간다면 연구자가 의도한 데이타를 얻기는 매우 어려울 것입니다. 설문지 작성 과정에 나타나는 공통적인 단계들을 살펴보면 보통 연구의 목적을 먼저 확정하고나서 데이타 수집 방법, 설문 항목의 내용, 질문 순서 등을 차례로 결정하게 됩니다.

1) 마케팅 조사 목적의 결정

마케팅 조사는 조사를 통하여 자신이 확인하고 싶은 것이 무엇인지 인식하는 것에서 출발합니다. 즉, 연구자 자신이 현재 가지고 있는 문제는 무엇이며, 이 문제를 해결하거나 더 나은 의사 결정을 하기 위해서는 어떤 데이타들이 필요할 것인지를 사전에 알고 있어야 합니다. 일 예로, 패션 상품을 만드는 상품 기획자는 내년도에 유행할 색상이나 스타일을 확인하고 싶어하며, 이를 위해서는 유행을 선도하는 고객층으로부터 의견을 물어봐야 한다는 사실을 알고 있습니다. 스마트폰 개발자는 내년도에는 더 큰 사이즈의 액정 화면이 인기일 것이라고 판단하고는 있지만, 이를 상품화하기 위해서는 조금 더 확실한 증거가 필요하다고 느낄 수 있습니다. 이처럼 연구를 시작하기 이전에 이미 연구자가 마음 속에서 확인해보고 싶은 사실들을 보통 가설(Hypothesis)이라고 부릅니다. 따라서 설문지 작성에 앞서 조사자가 가장 먼저 결정해야 하는 것은 설문 조사를 통하여 자신의 가설이나 생각을 검증하는데 어떤 정보들이 필요할 것인가를 결정하는 것입니다.

2) 데이타 수집 방법의 결정

두번째 단계는 어떤 방식으로 데이타를 수집할 지 결정하는 것입니다. 데이타의 수집 방법으로는 직접 면접원이 설문 응답자를 찾아가야 하는 면접법, 전화에 의한 조사, 우편물 조사, 인터넷 조사 등 다양한 방법이 있는데, 이중 어떤 방법을 선택하느냐에 따라서 조사의 내용이나 설문 문항의 수, 조사 기법 들이 달라지기 때문입니다.  예를 들어 전화로 설문을 하는 경우에는 설문 문항이 길다면 응답자가 중도에 전화를 끊어버릴 가능성이 크기 때문에 문항이 간결해야 합니다. 또한 시각적 자료를 사용할 수 없으므로 소비자가 잘 알지 못하는 신상품에 관하여 설명하기가 어려울 수 있습니다. 반면에 면접법은 응답자가 긴 설문에도 성실히 응답할 가능성이 크며, 면접원이 응답자의 질의에 답하거나 추가적인 정보를 주는 것이 가능하므로 난이도가 높은 설문 조사를 실시하기에 적합합니다. 주요 수집 방법들을 간략히 살펴보면 다음과 같습니다.

  (가) 대인면접법 : 면접원이 직접 응답자가 위치한 장소를 방문하거나 응답자를 일정한 장소에 모이도록 한 다음 1:1로 설문을 받는 방법입니다. 보통 대인면접을 할 경우 비교적 오랜 시간동안 설문조사를 할 수 있으며, 다소 어려운 질문을 받기도 용이합니다. 그러나 단점으로는 비교적 많은 비용과 시간이 소요되며, 면접원의 기분이나 외모 등의 통제할 수 없는 요건들이 응답자의 응답에 영향을 미칠 수 있습니다. 실제로 면접원이 뛰어난 미인일 경우 응답자들이 자신의 실제 소득이나 학력 등을 과장되게 적는 사례들이 발견되기도 하였습니다.

  (나) 전화 조사 : 전화 조사는 전화번호부 등을 활용할 경우 응답자 리스트를 작성하기 쉬우며, 시간과 비용이 적게드는 장점이 있습니다. 단점으로는 기본적으로 상대방이 전화통화가 가능한 상황에서만 가능하지만, 최근 휴대폰 보급율이 거의 100%에 육박함에 따라 이런 문제는 크게 부각되지 않습니다. 그보다 큰 문제는 많은 응답자들이 전화상으로 10분 이상 응답하기를 꺼려한다는 점과 전화 조사를 사칭한 불법 판매나 스팸이 기승을 부르고 있다는 점입니다. 그 결과 전화 조사에 대한 일반 응답자의 응답률은 점차 떨어지는 편이며, 비교적 단순한 문항들을 중심으로 설문 문항을 구성해야 합니다. 이를 보완하기 위하여 최근에는 ARS나 컴퓨터 등 시스템을 이용한 자동 설문응답조사가 이루어지기도 합니다.

  (다) 우편물 조사 : 우편물 조사는 응답률이 매우 낮으며, 회신을 하더라도 설문지가 오가는 시간이 너무 오래 걸리는 단점 때문에 국내에서는 잘 사용되지 않습니다. 그러나 저렴한 비용의 장점과 더불어 응답자가 충분히 심사숙고한 후에 설문에 응답할 수 있다는 장점을 가지고 있습니다. 이런 장점 때문에 우편물 조사는 최근 전문가를 대상으로한 의견 조사 등에 사용되는 사례가 늘고 있습니다.

  (라) 인터넷 조사 : 최근 가장 빠르게 활용 빈도가 증가하고 있는 방법은 인터네 조사입니다. 인터넷 조사는 매우 저렴한 비용으로 신속하게 진행될 수 있으며, 사진, 동영상, 텍스트 등 다양한 보조 자료들을 활용하여 설문조사를 입체적으로 진행할 수 있는 차별적 장점을 가지고 있습니다. 또한 설문 조사시 자동으로 설문 결과가 데이타 파일로 저장되기 때문에 설문지 완료후 펀칭이나 코딩과 같은 번거로운 과정을 생략할 수 있습니다. 그러나 이런 장점에도 불구하고, 인터넷의 익명성은 인터넷 조사의 신뢰성에 부정적인 영향을 주고 있습니다.

3) 설문 항목의 내용 및 구성 결정

조사 목적과 필요한 정보들이 어느정도 확정이 되고나면 이 정보들을 얻기 위한 개별적인 설문 항목들이 개발되어야 합니다. 완성도 있는 설문 항목을 개발하기 위해서는 설문의 내용은 물론이고 문항에 사용되는 단어가 적절한지, 문항이 여러가지 의미로 다르게 해석될 가능성은 없는지, 혹시 응답자들에게 지나치게 민감한 질문들은 아닌지, 꼭 필요한 문항들인지 등을 살펴보아야 합니다.

일예로, “당신이 일년간 내는 세금은 얼마입니까?”라는 문항이 있다고 합시다. 이 문항은 여러가지 이유에서 설문 문항으로 적절하지 않을 수 있습니다. 우선, 응답자들이 얼마나 많은 세금을 내고 있는지 정확한 정보를 가지고 있지 않을 가능성이 있습니다. 그리고, 설사 자신의 납세 정보를 알고 있더라도 질문에서 물어보는 세금이 모든 세금의 합계를 이야기하는지 근로소득세만을 이야기하는지 명확하지 않습니다. 또한 일부 응답자들에게는 대답하기 너무 민감한 질문이어서 대답을 회피할 수도 있습니다.

설문 문항을 구성할 때는 각 문항별로 응답의 형태를 결정해야 합니다. 즉 응답자들이 설문 문항을 읽은 뒤 객관식 보기에서 답을 선택하도록 할 것 인지 혹은 자유롭게 주관식으로 답을 적도록 할 것인지를 결정하여야 합니다. 응답의 형태는 얻어지는 자료의 내용을 결정할 뿐만 아니라 특히 나중에 사용해야 하는 통계 분석 방법의 종류에도 영향을 미치기 때문에 신중하게 결정되어야 합니다.

일반적으로 응답의 형태로는 크게 주관식 응답, 선택형 객관식 응답, 리커트척도형 응답이 있습니다.

  (가) 주관식 응답 : 이는 응답자가 자유롭게 자신이 생각하는 내용을 표현할 수 있는 질문 방식입니다. 그 예를 살펴보면 다음과 같은 형식이 될 것입니다.

주관식 응답의 장점으로는, 응답자가 제약없이 자유롭게 자기의 의견을 표현할 수 있으므로, 응답자가 존중받는다는 느낌을 받을 수 있습니다. 또한 조사자가 잘 모르거나 미처 생각하지 못했던 의견을 받을 수 있으므로, 독특한 아이디어나 의견을 수렴하는 탐색적 조사를 진행할 때 유용합니다.

그러나 단점으로는 우선 응답자가 쉽게 답을 하기 어려우며, 설문 조사에 소요되는 시간이 많습니다. 또한 설문 조사가 종료된 후 SPSS의 데이타 형태로 코딩이나 펀칭 등 자료 처리를 하는 것이 어려우며, 이 과정에서 연구자의 주관적 판단이 과다 개입될 가능성이 있습니다.

  (나) 객관식 응답 : 주관식 응답과는 다르게 응답자가 선택할 수 있는 응답 내용을 보기로 제시함으로서, 선택 내용을 제한하는 방식입니다. 객관식 응답에서는 앞서 제시한 예시 질문이 다음과 같은 형태로 제시될 것입니다.

객관식 응답의 장점으로는 코딩과 펀칭과 같은 데이타 처리가 매우 수월하다는 점입니다. 사실상 객관식 문항의 경우 기본적인 코딩 작업이 이미 완료되어 있는 형태이고, 펀칭도 숫자만 입력하면 되므로 매우 간편합니다. 또한 응답자들에게 적절한 보기를 제기한 경우 가능한 응답을 알려줌으로써 응답상 오류를 최소화할 수 있습니다.

단점으로는, 설문지를 개발하고 완성하는데 많은 시간이 소요된다는 점입니다. 특히 응답자들이 선택할 수 있는 보기 문항을 개발하기 위하여 관련 주제에 대한 깊은 이해와 폭넓은 지식이 필요합니다. 만일 그렇치못하다면 응답자가 생각하는 내용을 설문 문항에 충실히 반영할 수 없으며, 응답자는 선택할 수 있는 보기가 없는 경우가 발생할 수 있습니다. 이런 단점을 보완하기 위하여 객관식 응답은 반드시 포괄적이고 보기 문항간에 중복이 없도록 상호 배타적이어야 합니다.

  (다) 연속 척도형 응답 : 연속 척도형 질문에서는 응답자들에게 자신이 질문에 내용에 대하여 평가하는 정도를 척도상에서 제시된 각 점들에 체크하도록 하는 방식이다. 연속형 척도는 보통 다음과 같은 형태로 제시될 것입니다.

이 방식의 가장 큰 장점으로는, 등간 척도를 사용함으로서, 설문을 통해 얻은 데이타는 사칙 연산이 적용되며, 평균, 분산 등 다양한 통계치를 구할 수 있다는 점입니다. 또한 응답자들이 비교적 빠르게 이해하고 응답할 수 있어서 많은 수의 문항을 질문할 때 유용한 편입니다.

단점으로는, 다수의 연속형 척도가 연속적으로 제시될 경우, 설문지가 지루하게 느껴질 가능성이 있고, 설문의 내용을 읽지않고 거짓으로 대충 응답하는 사례가 증가할 수 있다는 점입다. 아울러, 설문 문항의 개발에 적지않은 시간이 걸립니다.

대표적인 연속형 척도로는 ‘리커트 척도’와 ‘의미 차별화 척도’ 등이 있는데, 이런 척도들을 사용한 경우에는 반드시 몇개의 응답 점들을 제시할 것인가를 결정하여야 합니다. 만일 응답자가 선택할 수 있는 응답점이 5개인 경우 5점 척도, 7개인 경우는 7점 척도라고 하는데, 5점과 7점이 가장 빈번하게 쓰이는 연속형 척도입니다. 그리고 간혹적으로 4점이나 6점 척도가 쓰이기도 합다.

이때 응답 점의 갯수가 몇개인지보다는 응답점의 객수가 홀수인지 짝수인지가 더 중요한데, 홀수인 경우는 ‘보통’인 중립점이 제시되어 찬성-보통-반대가 되지만, 짝수인 경우는 중립점이 없으므로 찬성, 반대 혹은 만족, 불만족과 같은 양자 택일 형태가 되기 때문입니다.

 4) 개별적 항목의 완성

설문지에 포함될 질문 내용과 구성 방식이 결정된 이후에는 보다 구체적으로 각 질문 항목을 세부적으로 완성하여야 합니다. 같은 내용의 질문이라도 설문 문항에서 ‘아’다르고 ‘어’ 다른 경우가 많기 때문에 질문에 사용되는 어휘의 선정이나 질문의 뉘앙스 등을 세밀하게 검토하는 워딩(wording) 작업에도 신경을 써야 합니다. 실제 이런 작은 차이가 설문의 응답율은 물론이고 데이타의 품질에도 적지않은 영향을 끼치게 되기 때문입니다. 여기서는 설문지 작성의 실제에서 가장 빈번하게 발생하는 실수의 유형들을 살펴봄으로서 설문의 완성도를 높일 수 있는 방법을 찾아보고자 합니다.

  (가) 사용되는 단어는 단순하고 쉬울 것 : 조사자들이 범하는 실수중 가장 큰 것은 응답 대상자들의 수준을 고려하지 않고, 조사연구자와 비슷한 정도의 지식이나 관심을 가지고 있을 것이라고 생각하는 일입니다. 보통 조사연구자들은 오랫동안 기업이나 대학 등 유사한 집단에서 생활한 결과, 해당 집단에서 일상적으로 사용되는 용어들을 일반인들도 역시 같은 수준에서 이해할 것이라고 생각하고 때로는 전문 용어들을 사용하는 경우가 있습니다. 일예로 다음과 같은 문항을 살펴봅시다. 스마트폰 관련 산업에 종사하거나 관심을 가지고 있던 응답자들은 쉽게 대답할 수 있지만, 일반 대다수의 응답자, 특히 40대 이후의 응답자들은 이 질문의 의미를 이해할 수 없을 것입니다.

설문에는 누구나 이해할 수 있는 최대한 평이하고 쉬운 단어를 사용하여야 합니다.

  (나) 객관식 응답에서는 보기가 중복되지 않을 것 : 객관식 문항의 개발 과정은 매우 까다로운 편입니다. 보기 문항의 중복이 발생되지 않도록 해야합니다. 만일 아래와 같이 보기를 제시하면 TV 역시 미디어의 일종이기 때문에 중복의 문제가 제기될 수 있으며, 응답자들은 혼란스러워 할 수 있습니다.

(다) 보기가 충분히 포괄적일 것 : 보기는 포괄적이어야 합니다. 즉 대다수의 응답자들이 생각할 수 있는 보기 예시를 제시해야만 합니다. 아래의 예를 보면 학교내 폭력의 원인을 제시하는 보기로는 충분하지 않습니다. 학교 폭력의 원인으로는 이 밖에도 ‘원활하지 않은 교유관계’, ‘선생님과의 불화’, ‘호르몬 분비 과다’, ‘경제적 빈곤’ 등 보기에도 제시하지 않은 더 많은 이유들이 있기 때문입니다.

보기의 제시가 충분하지 않은 경우, 응답자들은 자신이 생각하는 보기가 없음에 따라 제대로된 선택을 할 수 없거나 응답 자체를 포기하기고 합니다. 이런 문제를 해결하기 위하여 충분히 보기의 갯수를 늘리거나, 주관식과 객관식의 특성을 혼합한 혼합형 보기를 제시하게 됩니다. 즉, 아래와 같이 보기 예시중에 ‘기타(_________________)’를 추가하고, 그 내용을 직접 적게 할 수도 있습니다.

(라) 보기의 갯수가 적절할 것 : 적절한 보기의 갯수를 생각해야 합니다. 보기의 갯수가 적으면 설문지의 가독성이 좋고 선택이 용이할 수 있지만 현실을 제대로 담아내지 못할 가능성이 있습니다. 반면에 보기 갯수가 너무 많으면 보기간에 중복될 우려가 있으며, 설문이 복잡해 집니다. 몇개가 적당한 보기 갯수인지를 일관적으로 정할 수는 없지만, 하나만 선택하도록 요구한 경우 9개를 초과한 보기는 적절하지 않아 보입니다. 만일 보기 갯수가 10개이상이라면, 응답자들에게 2개 이상의 보기를 선택할 수 있도록 하는 복수 응답을 허용해야 할 것입니다.

(마) 연구자가 임의의 결론을 유도하지 말 것 : 이는 질문을 제시할 때 질문의 내용중에 무의식인 전제를 부여함으로서, 응답자들이 연구자가 의도한 답변을 하도록 유도하는 경우입니다.

즉 위의 질문은 이미 대학 등록금이 매우 비싸다는 연구자의 판단이 강력하게 제기되어 있어서, 등록금에 대한 공정한 응답을 기대하기 힘든 경우입니다.

  (바) 응답자에게 지나치게 상세하거나 민감한 응답을 요구하는 경우 : 실제 자신과 관련되어 있는 일일지라도 응답자들이 모든 사실을 알고 있는 것은 아닙니다. 일예로 현재 여러분이 사용하고 있는 한달 신용카드 사용금액이나 소금 섭취량, 혹은 도시가스 사용량을 정확히 알고 있는 분은 드물 것입니다. 따라서 지나치게 상세하고 정확한 답변을 요구한다면 응답자가 답변을 할 수 없을지도 모릅니다. 이런 문제를 피하기 위해서 응답자가 상세한 답변을 하기 어려운 답변은 응답의 범위를 제시하거나, 객관식 보기로 변경하여 물어보는 것이 효과적일 것입니다. 또한 너무 개인적인 프라이버시에 관련된 질문을 하는 것 역시 연구 윤리상의 문제가 될 수 있으며, 설사 응답을 하더라도 정직한 응답을 기대하기 어렵습니다. 일예로 이성 문제나 탈세 경험 등을 직접 물어보는 것은 결코 적절한 방법이 아닙니다.

(사) 요구하는 응답의 단위는 항상 정확히 제시할 것 : 마지막으로 가장 많이 범하는 실수중에 하나가 주관식으로 질문할 때, 단위를 정확하게 제시하지 않는 경우들입니다. 아래 문항을 보면 두가지 이유에서 적절한 질문이 아닙니다. 첫번째 문제는 흡연량의 측정 단위가 주어지지 않았다는 점입니다. 즉 설문 문항을 보완한다면, 일일 흡연량인지 혹은 주간, 월간, 연간 흡연량인지 제시하여야 할 것입니다. 두번째 문제는 측정 단위가 지나치게 클 수 있다는 점입니다. 만일 하루에 한두개피 정도 피는 흡연자라면 갑보다는 개피 수로 답하는 것이 보다 정확하며 타당할 것입니다.

5) 질문 순서의 결정 

이상의 검토를 통하여 개별적인 질문 항목이 결정된 이후에는 이들 문항들을 어떤 순서로 응답자들에게 제시할지 질문의 순서를 결정하여야 합니다. 특별한 원칙은 없지만 몇가지 팁(tip)을 제공하면 다음과 같습니다.

첫째, 첫번째 질문은 비교적 쉬우며 흥미를 유발할만한 문항들을 물어보는 것이 좋습니다. 이를 통하여 자연스럽게 응답자의 호응과 협조를 이끌어낼 수 있기 때문입니다.

둘째, 대답하기 어려운 민감한 질문들은 가능한한 설문의 마지막에서 물어보는 것이 좋습니다. 이럴 경우 내용이 민감할지라도 설문을 끝내야겠다는 책임감때문에 기꺼이 응답해주는 경우가 대부분이며, 설사 응답을 거부한다고 하더라도 최소한 부분적으로 설문에 답한 데이타는 남기 때문입니다. 특히 소득, 연령, 결혼여부 등을 확인하는 인구통계적 질문들은 관행적으로 맨 마지막 페이지에서 확인하고 있습니다.

셋째, 질문 문항들의 관계를 고려하여야 합니다. 이는 특정 설문 문항과 다른 설문 문항간에 연계성이 있는 경우들을 의미합니다. 일예로 스마트폰에 대한 만족도를 물어보는 설문 문항은 만드시 스마트폰 보유 여부를 물어보는 설문 뒤에 있어야 할 것입니다. 스마트폰을 가지고 있는 경우에는 다음 문항에서 자연스럽게 스마트폰의 만족도를 물어보고, 가지고 있지 않은 경우에는 만족도 문항을 건너뛸 수 있도록 별도의 지시문이 필요할 것입니다.

넷째, 불필요한 중복 문항이 있는지, 반드시 물어봐야 하는 문항인지를 고려하여 설문 문항의 숫자를 최소화하여야 합니다. 신뢰성을 검증하기 위하여 일부러 한두 문항을 중복되도록 배치하는 경우도 있지만, 이런 경우가 아니라면 비슷한 문항을 반복해서 물어보지 않도록 합니다.

6) 설문지의 편집 및 완성

자 이제 마지막 단계입니다. 설문지는 조사자가 응답자에게 제시하는 최종적인 인쇄물입니다. 도서 제작에 준하는 정도의 편집과 교정 노력이 필요합니다. 오자나 탈자, 잘못된 수식 등이 없는지 다시 확인하여야 하며, 설문의 항목중 누락된 부분이 없는지 이중으로 점검해야 합니다. 아울러 시각적으로 편안하고 아름다운 편집은 설문지가 주는 피로감을 덜어줄 수 있습니다.

4. 설문과 척도

설문을 작성할 때 또한 반드시 고려해야되는 것은 어떤 측정 척도를 사용하여 질문할 것인가를 결정하는 일입니다. 측정 척도의 정의란 설문 문항에서 얻은 응답 결과의 데이타가 어떤 성질을 가지고 있는가를 사전에 규정하고 설문지 작성에 임하는 것입니다.

측정척도는 크게 (1) 명목척도 (2) 서열척도 (3) 등간척도 (4) 비율척도의 4가지 형태중 하나를 가지고 있는데, 척도의 형태에 따라서 설문 조사로부터 얻은 데이타의 조작과 분석 방법의 선택에 제약이 가해지기 때문입니다.

예를 들어 마케팅조사론의 성적을 조사할 때 연구자는 여러가지 형태로 설문을 구성할 수 있습니다. 아래의 예를 보면 4가지 다른 설문 형태로 성적을 평가하는 문항들이 있습니다. 설문을 완료한 후, 이 설문지를 SPSS 데이타에 입력하면 모두 1이나 2 혹은 80과 같은 숫자로 입력될 것입니다. 그러나 같은 숫자라고 하더라도 각각이 의미하는 바는 매우 다르며, 일부는 숫자가 아닌 기호에 불과할 것입니다.

  (1) 명목 척도 : 위 보기에서 Q1는 명목척도의 예입니다. 명목척도는 단순히 대상이나 특성을 분류하는 목적으로 사용됩니다 가장 간단한 예로 농구 선수의 등번호는 단지 그 선수가 누구인지를 알려주는 기호일 뿐이며, 그 외 숫자로서의 기능은 하지 않습니다.

  (2) 서열척도 : 위 보기에서 Q2는 서열척도의 예입니다. 서열척도는 측정 대상간의 순서에 관한 정보를 제공합니다. 즉 크거나 작다는 정보, 높거나 낮다는 정보 등 순서를 제시해줍니다. 그러나 순서에 대한 정보가 곧 해당 속성의 양적인 비교를 가능하게 하지는 않습니다. 예를 들어 A학점 학생이 90점이고, B학점 학생이 89.5점이며, C 학점 학생이 70.5점인 경우를 생각해봅시다. 이 경우 A학점이 학생이 B학점 학생보다 잘한 것은 사실이지만 B학점과 C학점간의 차이에 비하면 그 차이는 매우 미미합니다.

  (3) 등간 척도 : 위 보기에서 Q3는 등간척도의 예이며, 양적인 비교가 불가능한 서열척도의 단점을 보완한 형태입니다. 등간 척도는 속성에 대한 순위를 부여하되, 순위 사이의 간격이 동일한 등간을 유지합니다. 그러나 임의적인 원점은 존재하지만 절대적인 원점은 존재하지 않습니다. 절대적인 원점이 존재하지 않을 경우에는 측정의 단위를 변경할 경우, 측정 값이 수시로 변경되는 제약점이 있습니다. 일예로 7점 척도인 Q3 문항에서 보통을 선택한 경우의 값은 ‘4’이지만, 만일 동일한 문항을 5점 척도로 물어본다면 그 값은 ‘3’으로 변화하게 될 것입니다.

  (4) 비율척도 : 절대 0점이 없는 등간 척도와 달리 비율척도는 아무것도 존재하지 않는 절대 0점의 개념이 있습니다. Q4의 경우를 보면 보통 0점 이하의 점수는 있을 수가 없을 것입니다. 몸무게를 생각해보면 0kg이하의 무게는 존재할 수 없습니다. 절대 0점의 존재는 매우 중요한데, 절대 0점이 있는 경우에는 비율의 비교가 가능해지기 때문입니다. 즉, 40Kg의 몸무게는 20Kg보다 2.0배 무겁다고 이야기할 수 있습니다.

: 청주대학교 이 원준 (meetme77@naver.com)