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)

3. Jamovi 데이터 핸들링

1) 데이터 핸들링의 목적

통계분석의 시작은 분석에 적합한 원천 데이터(raw data)를 확보하고, 이를 통계분석에 적합한 형태로 정리하는 작업이다. 원천 데이터는 설문 조사나 외부 2차 데이터 등을 통하여 확보할 수 있지만, 보통 이들 데이터들을 그대로 쓰는 경우는 거의 없으며, 통계분석에 적합하도록 코딩(coding), 데이터 클린싱(cleansing) 같은 전 처리 과정을 거친다. 또한 전 처리 과정 이후에도 분석 과정중에서 기존 변수들을 다시 구간화하여 정리한다든지, 두개 이상의 변수를 결합하여 새로운 변수를 만드는 등의 경우가 빈번하다. 이와 같은 데이터 핸들링 과정을 통하여 통계 분석의 편리성을 증대시킬 수 있으며, 데이터를 타 연구자와 공유하는 등 협업의 가능성을 높일 수 있다. 잘 정리된 데이터는 굳이 설문지나 데이터에 대한 자세한 설명없이도 어떤 목적으로 수집된 데이터인지 스스로 말할 수 있어야 한다.

2) 데이터 입력하기

Jamovi에서 데이터 입력하는 방법은 기존 SPSS와 동일하다. 이미 SPSS에 익숙하다면 별다른 지침이나 설명없이도 직관적으로 입력이 가능하다. 처음 통계 프로그램을 접하는 경우를 가정하고 설명하면 다음과 같다. Jamovi 에서는 데이터 입력창에 직접 데이터를 입력할 수 있으며, 이 경우 변수명은 자동적으로 A, B, C, D와 같은 알파벳 순서로 생선된다. 엑셀 시트와 닮은 데이터 입력창은 column(열)과 row(줄)로 이루어져 있는데, 쉽게 생각하면 column은 변수명, row는 개별 응답자로 생각하면 된다. 즉 총 10개의 변수가 포함된 설문 문항을 5명이 응답하였다면 10개의 컬럼(열)과 5개의 로(줄)가 필요하다.

그러나, 대부분의 경우 데이터 입력창에 직접 입력하기 보다는 이미 다른 도구에서 정리한 데이터 파일을 불러오는 것이 일반적이다. 종이나 온라인 설문지로 받은 설문 결과를 통계 프로그램이 이해할 수 있도록 입력하는 과정을 펀칭(punching), 그리고 입력된 데이터에 변수명과 변수 값을 부여하는 과정을 코딩(coding), 입력된 데이터중 오류나 이상치(outlinear)를 찾아서 정정하거나, 도량형 등 사전에 정의된 데이터 기준에 부합되도록 데이터를 정리하는 과정인 데이터 클린싱(cleansing) 과정을 통계 분석 전에 처리하여야 하는데, 이런 데이터 핸들링 작업을 수행할때는 보통 SPSS나 Jamovi 같은 통계 프로그램이 제공하는 데이터 에디터 창보다는 엑셀이나 워드, 텍스트 에디터 등을 이용하는 것이 더 빠르고 편리하기 때문이다.

Jamovi 역시 다양한 입력 파일을 지원한다. Jamovi와 SPSS, R, JASP 등 통계 패키지의 데이터 파일은 물론이고, 엑셀 파일 포맷(csv)과 텍스트 파일 포맷(txt)를 지원한다. 데이터 입력 기능을 사용하기 위해서는 파일 탭 ->열기(open)-> 본 컴퓨터에서 열기(This PC) -> 파일찾기(Browse)를 차례로 선택하면 된다. 파일을 불러오면 데이터 파일이 열리게 된다. 엑샐 파일(csv)로 파일을 준비하여 여는 경우에 엑셀의 첫 행이 변수들의 이름으로 되어 있다면 Jamovi는 이를 자동으로 변수명으로 인식한다. 변수명은 데이터 입력후 변경이나 생성이 가능하므로 변수명이 확정되어 있지 않다면 나중에 명명하여주어도 상관없다.

3) 변수명 및 속성 지정

불러온 데이터는 통계분석에 적합하도록 편집이나 변수명 부여하기 등 관리 활동이 필요할 수 있다. 변수 관리는 데이터 관리 탭에서 제공되는 메뉴들을 활용하여 변수명 및 속성 지정(Setup), 새로운 변수의 계산(Compute),  변수 다시 코딩하기(Transform),  필터와 그외 기능들에 대하여 살펴본다.

우선 통계분석을 위해서는 필수적으로 변수명을 지정해주고, 변수의 속성 역시 지정해주어야 한다. 변수명은 엑셀 시트의 첫줄에서 지정해준채로 불러올수도 있지만, 변수의 속성은 엑셀에서는 지정할 수 없으며 Jamovi에서 지정해주어야 한다.  변수의 속성은 적용가능한 통계분석방법론의 종류에 영향을 미치기 때문에 가급적 정확하게 부여해주는 것이 좋다. 

가) Setup: 변수명 및 속성 지정

   우선 데이터 입력창을 보명 1명의 응답자가 3개의 질문에 응답한 결과, 즉 1개의 줄(row)과 3개의 열(column)으로 구성된 데이터를 볼 수 있다. 설문조사를 통하여 응답자의 이름, 연령, 성별(1=남자, 2-여자)를 차례로 물어본 결과를 데이터로 정리한 것이다. 그러나 이런 문항이었음을 우리는 현재의 데이터 창만을 보고는 잘 알 수가 없다. 변수명도 A,B,C와 같이 문항의 내용을 알아보기 힘들게 자동부여된 상태이며, 변수에 대한 설명이 잘 되어 있지 않기 때문이다. 이런 문제를 해결하기 위하여 변수명을 각각 name, age, gender로 수정하고, 변수에 대한 추가적인 설명을 달 수 있다면 데이터를 접하는 누구나 손쉽게 데이터를 이해할 수 있다.

변수명과 변수 설명 이외에 추가적으로 변수의 척도 유형(type)을 4가지중 하나로 지정해주어야 한다. Jamovi에서는 연속척도(continuous scale), 서열척도(ordinal scale), 명목척도(nominal scale), 그리고 구분번호(ID)의 4가지 유형을 구분한다. 척도의 구분은 통계 분석과 방법론 결정에서 매우 중요하기 때문에 별도로 설명이 필요하지만, 우선 간단하게 표로 그 차이를 제시하면 다음과 같다(상세 설명은 추후 설문지 만들기에서 다룸). Jamovi에서는 비율척도와 연속척도 간의 실질적인 차이가 크지 않다고 보고 있기 때문에 연속척도에서 비율척도 까지 포괄하고 있다고 생각하면 된다. 그리고 구분번호(ID)는 단순히 응답자에 일련번호를 붙이는 것을 말하며 특별히 분석에 사용되는 경우가 적기 때문에 일단은 무시하여도 좋다. 즉, 변수 설정에서는 주로 1) 연속척도 혹은 2) 명목척도인지 2개중 하나를 선택하면 대부분의 경우 문제가 없다.

척도 유형을 결정한 이후에는 데이터 유형도 지정하여 주어야 한다. 데이터 유형은 크게 텍스트(text), 정수(decimal), 소수점(decimal)의 3가지인데, 텍스트는 주로 문자로 받는 입력값(이름,의견등)인 경우이며, 정수는 소수점 없는 숫자(예:7), 소수점은 소수점을 가진 숫자(예: 7.22)의 경우에 사용한다. 데이터 유형 규칙에 맞지 않는 경우에는 입력이 제한될 수 있다. 즉, 정수 데이터유형인 경우에는 소숫점을 가진 숫자는 입력되지 않는다.

모든 변수에 대한 설정이 완료된 이후에는 엔터키나 화면 우측상단의 윗화살표 아이콘을 클릭하면 변경사항을 저장할 수 있다

나) Compute: 변수의 계산

변수를 계산하는 'Compute' 아이콘은 이미 획득한 데이터를 기반으로 새로운 변수를 만들때 주로 사용된다. 실제로 이 기능을 이용하면 설문 조사나 원 데이터에 없었던 새로운 변수를 계산을 통하여 만들어낼 수 있기 때문에 설문지의 문항 갯수를 감소하거나, 분석의 다양성을 확보하는 등의 장점이 있다. 일 예로, 어린이가 연간 마시는 음료수의 갯수를 조사하는 설문조사를 한다고 가정하자. 이럴 때 "일년에 몇병의 음료수를 마시는가?"라고 물어보게된다면 대부분의 응답자들은 연간 음료구매량에 대해서 생각해본 적이 없기 때문에 답변을 할 수 없다. 반면에 "일주일에 몇병의 음료수를 마시는가?"라고 물어본다면 비교적 최근의 기억을 토대로 정확하게 응답할 수 있고, 연구자는 물어본 결과는 아니지만 주간 음료의 양을 연간으로 환산하여 손쉽게 원하는 결과를 찾아낼 수 있다. 비슷한 예로 현재 이용중인 스마트폰의 이용기간을 월로 물어본다고 가정하자. "몇개월이나 사용하였는가?"라고 물어보기 보다는 "언제 가입하였는가?"를 물어본 뒤, 가입 이후 현재까지의 경과 기간을 물어보는 것이 더 효율적이다.

이러한 예를 설명하기 위하여 본 예제에서는 '비만도(BMI) 조사'의 예를 살펴보자. '비만도(BMI)는 BMI=몸무게(kg)/(키m*키m)'로 산출한다. 즉 키와 몸무게만으로도 산출이 가능하다. BMI를 계산하는 방법은 다음과 같다.

우선, 데이터 관리 탭의 'Compute' 아이콘을 클릭하면, 새로운 변수가 자동으로 생성된다. 이는, 변수의 계산을 통하여 과거에 없던 새로운 변수가 하나 더 생기기 때문에 새로운 변수에 대하여 변수명과 속성 지정이 필요함을 의미한다. 물론 자동으로 주어진 변수명을 사용하여도 분석은 가능하지만, 우리는 연구자의 편의를 위하여 앞서 배운바대로 변수명, 변수설명 등의 속성을 지정해준다. 이를 통하여 목표로 하는 BMI 값을 확인할 수 있다. 변수 계산은 보통 계산식 입력창에 직접 계산 수식을 넣어서 사용할 수도 있고, 화면 우측하단의 'Fomular'를 선택하면 엑셀에서 익숙한 함수 형태의 수식 적용도 가능하다. 

다) Transform: 변수의 변환

기존의 변수를 다른 변수로 바꾸어주는 'Transform' 아이콘은 이미 획득한 데이터를 기반으로 새로운 특성의 변수를 만들때 주로 사용된다. 일예로, 설문문항에서는 명목척도로 물어보았지만, 통계분석을 위하여 다시 연속척도로 변경하는 경우가 있다. 일예로 주관식 질문으로 성별을 물어본 경우에는 '남성', 혹은 '여성'으로 응답이 들어오지만, 이후의 통계 분석의 편의성을 의하여 남성=1, 여성=2의 값으로 바꾸는 경우가 많다. 또 다른 사례로, 기존의 데이터를 기준으로 새로운 변수를 만들고 싶은 경우가 있다. 일예로, 응답자의 몸무게를 주관식 문항으로 물어본다면 매우 다양한 응답치가 입력되지만, 연구자는 단순히 몸무게를 60키로 미만, 61키로 이상의 집단으로만 보고 싶은 경우도 생긴다. 변수 변환 기능은 얼핏 변수 계산 기능과 유사해보이지만 기존의 변수값을 단순히 재분류하거나 명명을 달리하는 것이라는 점에서 새로운 변수의 계산과는 차이가 있다. 이 기능 역시 실무 분석시 활용도가 높은 기능이므로 잘 익힐 필요가 있다.

이러한 예를 설명하기 위하여 본 예제에서는 응답자의 몸무게를 단지  60키로 미만, 61키로 이상의 2개 집단으로 재분류하는 예를 살펴보자. '즉 60키로 미만 = 1, 60키로 이상 = 2의 값으로 다시 코딩을 하게되며, 이를 변환하는 방법은 다음과 같다.

우선 메뉴 창의 Transform 아이콘을 클릭한다. 혹은 데이터 보기 창에서 마우스 오른클릭 후  Transform을 클릭하여도 동일다. 그러면 자동으로 변수가 하나 생기는데, 이 변수에도 변수명과 변수설명을 달아준다. 본 예시에서는 변수명은 'weight_group'으로 설정한다. 그리고 source variable을 지정해주어야 하는데, 이는 변환할때 참조하고자 하는 원래 데이터 변수명을 의미한다. 우리는 weight 변수를 다시 코딩하는 것이기 때문에 weight 변수를 선택한다. 그리고, 바로 아래의 드롭다운 메뉴를 보면 'using transform'에서 'create new transform'을 설정해준다. 그러면 Transform의 내용에 대하여 설명을 달 수 있고, 하단의 "+Add recode condition" 버튼을 2번 클릭한다. 2번 클릭하는 이유는 2개 집단을 만들기 위해서이며, 만일 3개 집단이면 3번 클릭하면 된다. 이후 등장하는 함수버튼(f)의 수식을 입력하면 된다. 본 예제의 경우에는 60kg 미만과 이상의 2개 집단이므로, "if $source < 60"을 먼저 입력한 후 새로운 변수 값 1을, 이후 "if $source >= 60"을 먼저 입력한 후 새로운 변수 값 2를 입력해주면 된다. 이후 생성된 새 변수를 보면, 바르게 변환된 것을 볼 수 있다. 간혹 이름과 같은 문자로 표시된 명목 척도값을 숫자로 변경하여 줄 필요가 발생하는데, 이때 해당 문자 값은 반드시 작은따옴표를 사용하여야 한다. 즉 '남자', '여자'처럼 함수버튼에 입력해야 한다. 본 수식은 다소 복잡해 보이지만 일반 엑셀에서 사용하는 등호 수식과 거의 동일하며, 직접 입력할 필요없이 마우스 클릭만으로 설정이 가능하다. 유의할 점은 Jamovi는 R에서 출발하였기 때문에 등호 수식중에서 같다(eqaul)를 표현하기 위하여  "=="를 사용하며 같지 않다(not equal)를 표현하기 위하여 "!="를 사용한다는 점 정도는 엑셀과 차이가 있다. 기타 다양한 수식은 필요에 따라서 익혀 사용하기를 권한다.

라) Filter: 특정 케이스의 선택 

Jamovi에서 제공하는 필토 기능은 특정한 조건을 충족하느 케이스만을 선택하여 분석을 수행할 수 있게 도와준다. 예를 들어서 남자와 여자 모두를 대상으로 데이터를 수집하였으나, 보고서 목적상 여자만을 대상으로 분석하는 경우를 생각해보자. 가장 쉽게 생각할 수 있는 방법은 데이터 보기창에서 남자 데이터를 모두 지우고 여자 데이터만을 가지고 분석하는 방식이다. 이 방법은 얼핏 간단하고 효과적으로 보일지 모르지만, 나중에 연구 목적에 따라 남자도 추가로 분석해야 되는 상황이 되면 데이터 삭제에 따른 문제가 발생한다. 이럴때 필터 기능을 사용하면 데이터의 삭제 없이 필요한 분석을 할 수 있도록 도와준다.  그외에도 필터를 이용할 경우 복잡한 조건을 충족해야 하는 분석(예: 남성이면서 대학생인 응답자의 나이)을 간단히 할 수 있도록 도와줄 수 있으므로 꼭 익히도록 하자.

이러한 예시처럼, 이번에는 남자만을 대상으로 데이터 분석을 하기위한 필터를 적용해보자. 우선 데이터 탭의 메뉴 아이콘 중에서 'Filters'를 선택한다.  그리고 편집창의 'Filter 1' 칸에 필터로 사용할 변수명을 클릭한후, 필터로 사용한 변수 값을 지정해준다. 즉 변수명은 gender, 변수값은 '여성'을 지정해준다. 그러면 데이터 보기 창에 보기와 같이 응답자가 남성인 경우에는 x표시가 뜨며, 향후 분석에서 제외됨을 표시한다. 변수 지정 등 이 과정 역시 직접 입력하지 않고 마우스 클릭만으로 처리가 가능하다.

필터는 필요에 따라서 추가하여 복수의 필터를 선택할 수 있다. 즉, 본 사례 데이터 값은 경우 필터에 사용할 변수로 gender와 height의 2개를 사용하여 키 170cm 이상의 여성이라는 조건을 충족하는 응답자에 대한 분석만도 가능하다.

마) 기타 기능들 

Jamovi 데이터 입력창에서는 데이터를 다루는데 필요한 기타 기능들을 제공한다. 변수를 추가하거나 삭제할 수 있는 Add와 Delete 기능, 변수나 데이터를 복제하거나 붙일 수 있는 기능들을 제공한다. 이들 기능들은 기본적으로 엑셀, 워드의 기능과 동일하므로 별다른 설명없이 바로 사용이 가능할 것이다.

4) 직접 데이터 핸들링을 해보자

앞에 배운 내용을 중심으로 직접 데이터 핸들링을 해보자. 변수(이름)과 변수에 대한 설명(레이블)은 통상적 SPSS에서 사용되었던 전형적인 데이터 분석 창이다. 이를 보면 본 데이터는 코로나 바이러스가 생활에 미치는 영향을 살펴보기 위하여 총 8개의 설문문항으로 이루어진 설문조사를 통하여 얻어진 것임을 알 수 있다. 즉.

1. Id 변수: 응답자 일련번로 (응답자 중복방지를 위하여 설문응답자에게 번호를 붙여다. 본 데이터는 1~546까지의 아이디가 부여되어 있다. 즉 546명의 데이터다)

2. a1~a3 변수: 코로나 이후 1) 인터넷, 2) 스트리밍 서비스, 3) SNS의 이용이 증가 혹은 감소하였는지를 등간척도의 하나인 5점척도로 물어보고 있다. 

2. b1~b3: 로나 이후 1) 인터넷, 2) 스트리밍 서비스, 3) SNS의 이용시간을 시간 단위의 주관식 문항(비율척도)으로 물어보았다.

3. gender: 응답자의 성별은 객관식 문항(명목척도)인 1과 2로 물어보았다. 1=남성, 2=여성

4. age: 응답자 연령을 주관식 문항(비율척도)으로 물어보았다.  

아래는 이런  설문지를 통하여 얻은 총 546명의 데이터를 엑셀 시트로 정리한 것이다. 이 파일을 가지고 실습을 해보자

실습 1) 이 변수들을 가지고, 어떤 설문지를 사용하였는지 역으로 추산해서 설문지를 만들어보자

실습 2) 제공된 엑셀 CSV 파일 포멧의 데이터를 가지고, Jamovi에 데이터를 불어오기를 한다. 그리고, SPSS의 변수정의와 동일하도록 정리해보자(엑셀 파일의 첫줄은 자동적으로 변수명이 되므로, 불러오기 전에 첫줄에 변수명을 미리 상빕하는 전 처리를 하는 것이 편하다)

2. Jamovi 설치/준비하기 

1) Jamovi 설치하기

오픈소스 통계 패키지중에서도 Jamovi는 SPSS보다 뛰어난 성능과 편의성을 자랑한다. 일 예로 SPSS에서는 데이터보기 창과 분석결과 창이 별개의 윈도우로 제공되지만 Jamovi에서는 하나의 화면에서 데이터와 분석 결과를 실시간 점검할 수 있다. 무료 패키지라는 장점 외에도 업데이트가 빨라 새로운 최신 기능도 다양하게 선택적으로 사용할 수 있다. 

Jamovi를 설치하기 위해서는 우선 프로그램을 다운로드하여야 한다. Jamovi 다운로드를 위한 인터넷 접속은 모든 브라우저에 가능하나, 가급적 구글 크롬의 사용을 권장한다. 다양한 디지털 데이터 분석과 데이터 마케팅 플랫폼이 구글 중심으로 빠르게 재편되고 있기 때문에 평소에 구글 크롬 브라우저는 기본 브라우저로 사용하는 습관이 편리하기 때문이다. 다른 통계 패키지에서 보기 힘든 특징으로 .Jamovi는 클라우드(cloud) 버전도 지원한다. 즉, 프로그램의 설치 없이도 웹(cloud.jamovi.org)에 접속하여도 동일한 기능의 이용이 가능하다. 이는 여러가지 편리함을 제공하는데, 스마트폰의 웹 접속이나 공용 PC 등에서도 간편하게 이용이 가능하다는 것은 큰 장점이다.

Jamovi 웹사이트(https://www.jamovi.org/) 를 방문하면 다양한 버전의 설치 파일을 선택할 수 있는데, 우선 솔리드(solid) 버전과 커런트(current) 버전의 차이점을 알아야 한다.  보통 커런트 버전은 현재까지 개발된 최신판이지만 아직 기능이 다소 불완전할 수 있어서 에러가 발생할 가능성이 있는 반면, 솔리드 버전은 검증을 통하여 보다 안정된 버전이다. 그러나, 실제로 두 버전간의 차이는 사실상 크지 않아서 어느 것을 설치하여도 무방하다. 이하 본 블로그에서는 솔리드 버전을 설치하고 설명한다.

설치 파일의 사이즈는 약 200메가 이하이며, 설치 과정은 단순히 안내 창에 따라 따라가면 되기 때문에 어렵거나 고민해야되는 부분은 없다. 설치가 종료되고 실행되면 Jamovi의 기본적인 화면이 등장한다. Jamovi는 하나의 화면에서 데이터분석과 결과 보기를 할 수 있도록 디자인되어 있어서, 화면 좌우를 중심으로 데이터 보기창과 결과보기 창이 동시에 나타난다. 그리고 기본적인 통계 분석 기능이 자동으로 제공된다. Jamovi는 연구자의 필요에 따라서 기타 다양한 통계 분석 도구들을 추가할 수 있다. 이를 위해서는 메뉴 화면 맨 우측의 모듈(+) 이라는 메뉴를 추가하면 현재까지 설치된 통계 모듈과 추가 설치가능한 통계 모듈을 확인할 수 있다. 이 통계 모듈은 오픈소스 개발자들의 노력을 통하여 수시로 업데이트되거나 추가되기 때문에 Jamovi의 기능이 향후 계속 확장될 수 있음을 보여준다.

2) Jamovi 화면과 메뉴

Jamovi 설치가 완료된 후 실행하면 화면 상단에 아이콘 형태로 제시된 메뉴 영역이 있으며, 그 메뉴 화면 아래로는 좌우로 분할된 두개의 윈도우 창이 나타난다. 좌측의 윈도우 창은 분석에 사용되는 데이터들을 보여주는 역할을 하며, 우측의 윈도우 창은 분석된 통계 결과들을 보여주는 역할을 한다. 우선 화면 상단의 메뉴는 '데이터' 탭과 '어날리세스(분석)' 탭을 선택하면 아이콘 메뉴가 탭에 따라서 변경되는 것을 볼 수 있다. Jamovi의 기본적인 작동 방식은 다음과 같이 단순하다.

   가. 분석 업무의 내용에 따라 우선 데이터 탭 혹은 어날리세스 탭을 선택한다. 데이터 탭은 데이터의 정리가 가공 등 분석 이전의 데이터 전 처리를 위하여 주로 사용하게 되고, 어날리세스 탭은 어떤 통계분석을 시행할지를 선택하게 된다.

  나. 메뉴 아래 좌측의 데이터 보기 윈도우에 분석 대상인 데이터와 변수명이 적절하게 표시되었는가를 확인한다.

  다. 분석 탭을 클릭한 후, 원하는 통계분석을 선택한다.

  라. 메뉴 아래 우측의 결과보기 창에 나타난 통계 결과를 확인한다. 

각 탭들의 기본적 메뉴들을 간단히 살펴보면 다음과 같다.

가) 데이터 탭

: 데이터 탭에서는 분석을 위하여 자료를 준비하거나 변수(variable)의 속성값을 지정하고, 기존의 변수와 데이터를 새로 추가, 변경, 삭제하는 기능을 제공한다.

나) 어날리세스(분석) 탭

: 분석 탭에서는 적절한 통계 분석을 실시할 수 있게 해준다. 처음 설치하면 기술통계(Exploration, Frequencies)와 그외  많이 쓰이는 기본적인 통계도구(T-test, ANOVA, Regression)들만 이용가능하며, 모듈 투가를 통하여 보다 다양한 통계분석을 이용할 수 있다.

이는 어날리세스 탭의 메뉴의 맨 우측의 'Modiule' 아이콘을 클릭하면 드롭다운(drop-down) 메뉴를 통하여 원하는 기능을 설치하면 추가 기능의 이용이 가능하다. 이들 추가 기능은 고급 통계기능까지 포함하여 매우 다양하며, 오픈소스 개발자 커뮤니티를 통하여 새롭고 강력한 기능이 계속 추가된다는 것은 SPSS 등 사용 프로그램들과 비교시 가장 큰 장점이기도 하다. 특히 모듈을 추가할 경우, 기존 SPSS에서는 값비싼 확장팩을 통해서도 이용할수 없었던 확인적 요인분석(CFA분석), 매개효과(mediation)와 조절효과(moderation) 분석, 메타(Meta) 분석 등의 고급 통계 기능들도 손쉽게 이용가능하다는 점은 Jamovi만의 매우 큰 매력이 아닐 수 없다.

다) 파일 관리 메뉴

: 화면 상단의 맨 좌측의 파일관리 탭을 클릭하면 불러오기, 저장하기, 파일이름 바꾸기 등 기본적인 파일관리 기능을 활용할 수 있다.

1. SPSS 윈도우의 구성

SPSS를 제대로 설치한 경우 바탕화면이나 시작 버튼에 SPSS의 실행 아이콘을 쉽게 찾을 수 있습니다. 그리고 이를 더블 클릭하면 SPSS의 초기 화면이 나타나게 됩니다.

우리는 이 초기 화면을 SPSS 윈도우(혹은 SPSS 창)라고 부릅니다. 그러나 실제 SPSS는 초기 화면에서 보여주는 윈도우외에도 8가지의 다양한 윈도우로 구성되어 있습니다. 즉, 1) 데이타 편집기 윈도우, 2) 변수보기 윈도우, 3) 결과 뷰어(viewer) 윈도우, 4) 피벗표 편집기 윈도우, 5) 도표 편집기 윈도우, 6) 텍스트 출력결과 편집기 윈도우, 7) 명령문 편집기 윈도우, 8) 스크립트 편집기 윈도우의 총 8개 윈도우를 가지고 있으며, 이중 가장 빈번하게 활용되는 필수적인 윈도우는 데이타 편집기 윈도우, 변수보기 윈도우, 결과 뷰어 윈도우의 세가지 입니다. 본 과정에서는 이들 3가지 윈도우를 중심으로 각 윈도우의 역할과 기능을 간략히 설명드리도록 하겠습니다. 각 윈도우의 활용에 대한 상세한 사항은 과정이 진행됨에 따라 다시 설명드릴 기회가 있을 것입니다.

1) 데이타 편집기

데이타 편집기는 SPSS 실행시 바로 나타나는 초기화면으로서 가장 기본적인 화면입니다. 이 윈도우를 통하여 수집된 데이타를 상세히 살펴볼 수 있으며, 필요시 데이타의 추가 입력이나 편집 등을 할 수 있습니다. SPSS를 시작하면 처음 뜨는 엑셀을 닮은 초기 화면이 데이타 편집기입니다.

2) 변수보기 윈도우

데이타 편집기 파일을 살펴보면 좌측 하단에 ‘데이타보기’와 ‘변수보기’두 개의 탭이 존재하는 것을 볼 수 있습니다. 이중 변수보기 탭을 클릭하면 변수보기 윈도우로 전환할 수 있다. 변수 보기 윈도우는 사용되는 데이타의 변수 이름, 변수 유형, 소수점 자리수 지정, 변수에 대한 설명, 변수 값 이름 지정, 결측값 지정 등 다양한 변수의 특성들을 조사자가 지정할 수 있도로 해줍니다.

3) 결과 뷰어 윈도우

결과 뷰어 윈도우는 SPSS를 이용하여 분석하였을 경우, 그 분석 결과를 보여주는 창입니다. 통계 분석을 시행한 경우 분석의 성공 여부와 관련없이 자동으로 팝업되며, 분석 결과를 제공합니다.

4) 기타 윈도우

그 외, 기타 윈도우들에 대하여 간략히 요약하면 다음과 같습니다.

- 피벗표 편집기 윈도우 : 뷰어 윈도우에서 제시된 표를 더불 클릭하면 도표 편집기가 열리며뷰어 윈도우에서 제공되는 표를 편집하거나 수정할 때 사용합니다.

- 도표 편집기 윈도우 : 뷰어 윈도우에서 제시된 그래프나 챠트를 더불 클릭하면 도표 편집기가 열리며, 이들 도표나 챠트를 편집하거나 수정할 때 사용합니다

- 텍스트 출력결과 편집기 윈도우 : 분석 결과중 피벗 표나 도표 형태로 제시되는 제시되는 출력물 이외의 출력물을 편집하거나 수정할 때 사용하며, 텍스트 형태로 제시됩니다.

- 명령문 편집기 윈도우 : SPSS가 DOS 시절에 사용하던 명령어는 지금처럼 간단한 메뉴방식이 아니라 직접 프로그래밍 명령문을 입력하여야 하는 명령어(syntax) 형식이었습니다. 명령문 윈도우는 이처럼 분석 절차를 명령문 형태로 작성하여 사용하고자 할 때 주로 사용되며, 지금도 매크로 형태로 분석을 수행할 때 요긴하게 사용됩니다.

2. SPSS 파일의 종류

SPSS가 생성하고 이용하는 파일 형태는 다양합니다. 그중에서도 가장 자주 이용되는 파일 형태는 데이타 저장 파일인 sav 파일과 결과물 저장 파일인 spo 파일입니다.

1) 데이타 파일

데이타 파일은 데이터 편집기 윈도우에서 사용되는 파일로서 확장자는 입니다. 별도의 지정을 하지 않는한 자동적으로 확장자 sav 파일로 저장되는데, sav 파일은 오로지 SPSS에서만 활용이 가능하며, 데이타 파일과 더불어 변수 보기 윈도우에서 지정한 변수의 특성을 동시에 저장하게 됩니다.  만일 데이타를 다른 형태의 파일로 저장하기를 원한다면 ‘다른 이름으로 저장’ 메뉴를 사용하여 엑셀이나 txt 등의 범용 파일 포맷으로 저장할 수도 있으나 이 경우 데이타만이 변환된 포맷으로 저장되며, 변수 특성과 관련된 정보는 저장되지 않습니다.

2) 결과 뷰어 파일

결과물 파일은 뷰어 윈도우에서 사용되는 파일로 확장자는 spo 입니다. 분석 결과를 저장하고 추후에 결과만을 다시 확인해 볼 수 있습니다.

3. SPSS 메뉴와 도구상자

SPSS를 실제적으로 구동하기 위해서는 프로그램 메뉴에서 제시된 기능들을 선택함으로서 가능합니다. 이런 메뉴들은 SPSS 화면 상단에서 찾아볼 수 잇는데, 이를 ‘메뉴 바’라고 합니다. SPSS 버전에 따라 다소 차이가 있지만 보통 상단의 메뉴 바에는 10~12개 내외의 주요 메뉴가 제시되어 있습니다. 각 메뉴의 기능을 간략히 설명하면 다음과 같습니다.

1) 파일(F) : SPSS에서 사용되는 다양한 유형의 파일을 불러오거나 저장할 때 이용합니다.

2) 편집(E) : 데이타 및 결과물의 내용을 수정하거나 편집할 때 이용하며, 변수의 삽입과 삭제, 특정 데이타의 검색에도 이용할 수 있습니다.

3) 보기(V) : 상태표시줄이나 도구모음등을 숨기거나 표시할 때 사용할 수 있으며, 글꼴의 종류나 크기를 변경할 때도 사용할 수 있습니다.

4) 데이타(D) : 변수의 정의, 정렬, 케이스 선택 등 변수나 케이스를 다루는 모든 작업을 할 때 이용합니다.

5) 변환(T) : 기존 변수를 계산하여 새로운 변수를 생성하거나 코딩 변경 등 데이터를 조사 목적에 맞게 변형하거나 가공할 때 사용합니다.

6) 분석(A) : 실질적인 통계 분석과 관련된 거의 모든 작업을 할 때 이용합니다.

7) 다이렉트 마케팅(M) : 실제 마케팅 현장에서 필요한 고객 분석과 관련된 실무적 작업을 할 때 필요한 기능들을 별도로 모아놓았습니다.

8) 그래프(G) : 그래프를 활용하여 추가적인 분석 작업을 할 때 이용합니다.

9) 유틸리티(U) : 변수나 파일의 정보를 찾거나 변수군의 정의, 스크립트의 실행 등에 이용합니다.

10) 창(W) : 다양한 창 간에 이동을 하거나, 창의 크기를 조절할 때 사용합니다.

11) 도움말(H) : 프로그램을 이용하는데 도움이 되는 자습서, 사례 연구, 등록 정보 등이 제시되어 있습니다.

또한 SPSS는 다른 윈도우 기반 프로그램들과 마찬가지로 도구 모음 기능을 제공하고 있습니다. 평소 SPSS를 이용할 때 이용 빈도가 높은 기능들만을 모아 아이콘 형태의 메뉴로 제시한 것으로서 보다 손쉽게 프로그램을 이용하도록 도와줍니다. 이들 도구 모음과 메뉴에는 사실상 아무런 차이가 없으며, 단지 편의를 위하여 제공하는 추가 기능들입니다.

4. SPSS 분석 대화상자

SPSS의 주 메뉴에서 ‘분석(A)'를 클릭할 경우, 연구 목적에 따라 다양한 종류의 분석을 선택하여 실시할 수 있습니다. 분석을 실시하기 위해서는 반드시 ’분석 대화상자‘를 이용하게 되는데, 분석 대화상자는 각 분석 방법에 따라 다소 모양의 차이는 있지만, 일반적으로는 아래 그림과 같은 기본 구조를 유지하고 있습니다. 분석 대화상자는 크게 1) 변수보기 박스 2) 투입변수 박스, 3) 옵션선택 버튼의 3개 파트로 구성되어 있습니다.

1) 변수보기 Box : 변수보기 박스는 분석대화상자의 왼쪽에 위치하며, 분석에 사용중인 데이타셋에 포함된 모든 변수의 목록을 전부 보여줌으로서 조사자가 필요한 변수를 선택할 수 있도록 합니다. 한개의 변수를 선택할 경우에는 해당 변수를 클릭한 후 박스 중앙의 을 클릭하면 투입변수 박스로 연구 대상이 되는 변수가 옮겨져 있는 것을 볼 수 있습니다. 만일 2개 이상의 변수를 동시에 옮기고자 할 때에는 쉬프트 키를 누른 상태에서 여러 변수를 클릭하면 동시에 많은 변수를 선택할 수 있습니다.

2) 투입변수 Box : 투입변수 박스는 분석 대화상자의 오른쪽에 위치하며, 분석에 투입될 변수만을 보여줍니다. 즉, 분석되어야 하는 변수는 반드시 투입변수 박스 쪽으로 옮겨와야만 분석이 가능합니다.

3) 옵션선택 버튼 : 연구자의 의도에 따라 분석시 옵션을 선택하여 다양한 방식으로 통계를 처리할 수 있습니다. 옵선에는 보통 통계량이나 도표, 형식 등과 관련된 세부 사항들을 조정할 수 있으며, 별도의 옵션을 선택하지 않는 경우에는 프로그램에 사정에 지정된 기본 옵션에 따라 분석이 시행됩니다. 옵션에서 선택할 수 있는 상세한 설정 내용은 각 분석 방법의 종류에 따라 달라집니다.

: 청주대학교 이 원준(meetme77@naver.com)

"국내 대표 전자회사의 새로운 사업본부장으로 부임한 전00 상무는 유명 대학의 MBA 출신인 강 과장에게 신상품 기획안을 제출하라고 지시했습니다. 약속된 두 달이 한참 지나서 강 과장이 가져온 것은 허술하기 짝이 없는 석 장짜리 보고서. 내용을 찬찬히 살펴보던 전 상무는 깜짝 놀랐습니다. 대부분 작년 본사 마케팅 회의에서 기각됐던 내용을 그대로 재활용한 것이었기 때문입니다. 강 과장을 다그치자 돌아온 답은 “현재 사업 중인 신사업 부문의 전체적인 시장규모를 정확히 알 길이 없고, 인접한 사업 영역도 어떻게 구성되는지 파악하기 힘드니 새로운 사업 아이디어를 내기가 어려운 건 당연하다”는 논리였습니다. 그나마 영업사원들이 대리점들로부터 들은 풍문들을 바탕으로 시장을 분석하고 사업 기획안을 구성한 뒤, 인터넷 검색으로 찾은 데이터로 채워 넣은 그 보고서가 최선이란 항변이었습니다. 제너럴일렉트릭(GE)의 경우 2000년대 초반까지만 하더라도 전문 마케팅 조직을 두지 않았습니다. 일례로 항공기 엔진을 제조하는 GE에이비에이션의 경우 주요 경쟁사가 롤스로이스와 프랫앤드휘트니의 2개 회사뿐이었던 터라 마케팅 조사 같은 것은 필요 없다고 생각했습니다. 그러나 시장이 점차 성숙화하면서 GE 경영진은 급격한 유가 변동, 항공 수요 감소, 규제 강화 등 산업환경 변화에 대해 경영진 수준에서 명확하게 이해할 필요가 있다는 점을 깨달았습니다."

1. 마케팅 조사란 무엇인가?

도입 사례를 통하여 기업이 어떤 활동을 효과적으로 수행하기 위해서는 마케팅 조사가 반드시 수행되어야 할 과정임을 확인할 수 있었고, 그 중요성 역시 점차 강조되고 있음을 알 수 있었습니다. 그렇다면 마케팅 조사란 무엇일까요? 마케팅 조사는 오늘날 대부분의 소비자들에게 그리 낯설지 않는 단어입니다. 많은 사람들이 시장 조사 혹은 설문지와 같은 것을 손쉽게 연상하고는 있지만 무엇이 마케팅 조사인지에 관해서는 이해가 부족한 상태입니다. 그러므로 마케팅 조사에 대하여 바른 이해를 하는 것이 SPSS를 활용한 리서치의 첫 출발점이 되어야 할 것입니다.

마케팅조사란 “마케팅 의사결정을 의한 실행가능한 정보의 제공을 목적으로 자료를 체계적으로 획득, 분석, 해석하고 보고하는 객관적, 공식적인 프로세스”로 정의될 수 있습니다. 이를 보다 상세히 설명하면 다음과 같습니다.

1) 마케팅 의사결정 : 마케팅 조사 결과를 누가 주로 활용하는가를 고려했을 때, 일차적으로 상품기획, 마케팅전략, 광고, 고객 만족 등 다양한 부서에서 활동중인 마케터들이 마케팅 정보의 주된 소비자들이며, 이들이 보다 효과적인 의사결정을 하도록 지원해야 한다는 의미입니다. 마케팅 조사는 시장의 과거와 현재를 분석하고 미래를 예측하는 활동으로서, 반드시 마케팅 의사결정자가 당면한 문제 헤결에 도움을 주어야 한다는 의미입니다.

2) 실행가능한 정보의 제공 : 마케팅 조사의 최종 목표가 단지 통계나 자료의 제공이 아니고, 이를 가공한 의미있는 정보가 되어야 한다는 것을 의미합니다. 즉 시장에서 밝혀낸 사실들을 바탕으로 마케터의 직관과 경험이 결부됨으로서 실제 마케팅 프로그램에 반영이 되어야 함을 의미합니다.

3) 자료를 체계적으로 획득, 분석, 해석하고 보고 : 마케팅 조사가 단순히 설문지나 인터뷰를 통해서 질문하고 응답을 받아내어 기록하는 것 이외에 고도의 분석 및 해석과정이 포함되어야 하며, 기업 임직원 등 보다 상위의 의사결정자에게 보고됨으로서 기업이 시장지향적으로 운영될 수 있도록 해야 한다는 의미입니다. 다시 언급되겠지만, 마케팅 조사에 있어서 수집된 데이타를 정보로 요약, 가공하는 과정의 중요성은 점차 증대하고 있는 실정입니다.

4) 객관적, 공식적 과정 : 마케팅 조사가 조사와 무관한 의도나 목적을 합당화하기 위하여 조작되거나 편향되어서는 안되며, 신뢰성과 타당성을 확보해야 한다는 것을 의미합니다. 만일 객관성을 잃는다면, 데이타의 존재 가치가 무용해지며, 주관적인 의사결정과 아무런 차이가 없을 것입니다. 또한 공식적 과정이라는 것은 마케팅조사 프로세스가 명확히 사전에 규정되고 설정되어 통일성과 일관성을 확보해야 한다는 것을 의미합니다. 따라서 마케팅 조사는 사전에 철저히 준비된 조사 계획과 가이드라인에 따라서 체계적이고 과학적인 프로세스를 통하여 이루어져야 할 것입니다.

2. SPSS 개요

이런 과학적이고 체계적인 마케팅 조사를 도와주는 필수적 소프트웨어가 바로 SPSS입니다. 본격적으로 시작하기 전에, SPSS란 무엇인가에 대하여 간단히 살펴보도록 하겠습니다. 오늘날 많은 분들이 통계를 어려워하십니다. 통계하면 복잡한 수식과 숫자들이 먼저 떠오르기 때문이지요. 이처럼 과거 시장조사와 통계처리는 고도의 숙련된 통계 전문가와 더불어 값비싼 메인 프레임급 컴퓨터를 이용하여 이루어져오던 고도의 전문화된 영역이었습니다. 그러나 최근 급속하게 발전된 컴퓨터의 사양과 성능은 통계처리 방식에도 큰 변화를 불러일으키면서, 통계와 마케팅 조사라는 영역을 통계 전문가의 손에서 평범한 마케터에게로 옮겨 놓게 되었습니다. 이제 약간의 조사와 컴퓨터 관련된 지식만 있다면 누구나 손쉽게 필요한 통계 분석을 할 수 있는 시대가 도래하였습니다.

이런 변화의 중심 속에는 오랜 세월동안 마케터들에게 애용되어오면서 발전을 거듭해온 SPSS라는 통계처리 소프트웨어 프로그램이 있었습니다. SPSS는 Statistical Package for the Social Science의 약자로서, 사회과학을 위해 개발된 통계 패키지 프로그램을 의미합니다. 경영학은 물론이고 심리학, 사회학, 교육학, 신문방송학 등 사회과학의 제 분야에서 핵심적으로 이용되고 있는 통계 프로그램 입니다.

이와 유사한 프로그램들로 SAS나 Minitab, r 등 다른 통계 프로그램들이 더러 있지만, SPSS는 80년대말부터 이미 DOS 프로그램용으로 개발되어 사용되어왔으며, 1993년 최초로 윈도우용 버전인 SPSS 5.0이 출시된 이후로 가장 표준적인 통계 패키지로 빠르게 자리잡았습니다. 최근에도 SPSS는 거의 매년 버전 업그래이드를 하면서 빠르게 변화하고 있습니다. 그 결과 인터넷이나 자료실 등에서 구할 수 있는 SPSS 평가판의 버전은 낮은 버전으로는 SPSS 12에서 높게는 SPSS 21 등 다양한 버전들이 있으며, 한글판과 영문판 등 다양한 언어로도 선택적으로 배포받을 수 있습니다.

최근 r이 무료 오픈소스라는 장점과 다양한 적용성으로 큰 인기를 끌고 있습니다. 분명히 r은 매우 훌륭하고 미래가 밝은 통계 프로그램입니다. 그러나, 여전히 사용성이나 편리성 측면에서는 개선 소지가 많고, 코딩을 익혀야 하는 등 배우는 과정에 시간과 노력이 많이 소요됩니다. 어떤 통계 툴을 써도 통계 결과가 크게 다르게 나올리는 없습니다. 자신에 맞는 툴을 사용하시면 됩니다. 개인적으로 r은 빅 데이타 처리, 비쥬얼라이제이션에 강점이 크고, spss는 표준 도구로서 어느 목적에도 사용이 가능한 다목적이라고 생각됩니다.

본 콘텐츠는 다양한 통계 도구 중에서도 현재 손쉽게 구할 수 있고 비교적 프로그램 버그 등이 제거되어 안정적인 SPSS 한글판을 기준으로 강의가 진행될 예정입니다. 그러나 혹시 수강생 여러분들이 다른 버전, 혹은 영문판 등 다른 버전의 SPSS를 가지고 있다고 하더라도 기본적인 수강이나 학습에 큰 문제는 없으리라 생각됩니다. 본 교과목에서 다루고자 하는 기본적인 분석 메뉴는 모든 버전에 동일하게 들어가 있으며, 단지 메뉴의 위치나 프로그램 대화 창의 인터페이스 디자인들만이 살짝 다른 정도이기 때문에 수강에 지장은 없으리라 판단됩니다. 또한 어떤 버전을 사용하더라도 SPSS 프로그램이 분석 후 제공하는 결과 값은 아무런 차이가 없습니다.

3. SPSS를 운영하기 위한 컴퓨터 환경

최근 컴퓨터 하드웨어의 성능이 소프트웨어의 성능을 뛰어넘은지 오래되었기 때문에 SPSS를 운영하기 위한 별도의 PC 성능에 대한 고려는 그다지 중요하지 않을 것이라고 생각됩니다. 사실상 현재 운영되고 있는 거의 모든 PC에서 SPSS는 안정적으로 설치되고 작동합니다. 실제로 마이크로소프트 오피스가 운용될만한 수준의 PC 환경이라면 SPSS는 무난한 성능을 보여줄 것입니다. 그러나, 오랜 시간 SPSS를 사용해본 경험을 바탕으로 몇 가지 권장 사항을 정리하면 다음과 같습니다.

첫째,  SPSS는 윈도우 환경에서 최적 작동합니다. 애플 매킨토시 버전의 SPSS도 출시되기 시작했지만, 이를 안정적으로 사용하기 위해서는 윈도우 XP이상의 환경이 필요합니다.

둘째, 램은 1기가 이상이면 무리가 없이 작동합니다. 다만, 처리해야 되는 데이타의 양이 기하급수적으로 증가하는 경우, 램의 크기와 성능에 따라 계산 속도가 증가하기 때문에 램은 다소 여유가 있는 것이 좋습니다.

셋째, 특히 본 과정에는 큰 모니터 화면 사이즈가 편리함을 제공할 수 있습니다. 본 교과목의 사어버 강좌를 띄어놓고, 동시에 SPSS 프로그램을 실행하면서 따라해야할 경우가 많기 때문에 가능하면 넓은 화면이 보다 편리할 것입니다.

그러나 위에서 말씀드린 SPSS를 운영하기 위한 최적 환경이 아닐지라도, 소형 노트북의 작은 화면에서도 SPSS는 여러분의 PC에서 큰 문제없이 잘 작동되기 때문에 컴퓨터 환경으로 인한 큰 장애는 없을 것으로 생각됩니다.

4. SPSS의 설치

이제 실제로 수업을 진행하기 이전에 여러분의 PC에 직접 SPSS 프로그램을 설치해볼 차례입니다. 여러분이 설치해야되는 SPSS 프로그램은 고가의 상용 프로그램이므로 본 강좌에서 설치용 파일을 제공하지는 않습니다. 여러분이 직접 개별적으로 구매해서 설치하거나, 혹은 일정한 정해진 기간에 한해서 사용이 가능한 체험판을 구해서 직접 설치하여야 합니다. 그러나 뛰어난 성능에 걸맞게 SPSS 프로그램의 가격은 매우 비싼 편이기 때문에 대부분 프로그램을 직접 구매하기 보다는 수업을 위하여 체험판을 설치하게 될 것입니다.

체험판을 구하기 위하여 네이버나 다음 등을 검색하게 되면 SPSS 12.0부터 최근 버전까지 다양한 버전들의 체험판을 다운로드 받을 수 있습니다. 그러나 최신 버전을 다운로드 받고, 프로그램에 관련된 추가적인 정보등을 얻기 위해서는 SPSS의 공식 홈페이지를 방문할 것을 권합니다. SPSS의 한국내 홈페이지 주소는 www.spss.co.kr 입니다.

자 이제 SPSS 홈페이지를 방문하셨으면, 회원 가입후 최신 SPSS 프로그램의 평가판을 다운로드 받아봅시다. 다운로드 받기 위해서는 화면 상단의 바로가기 메뉴 중 ‘제품’을 클릭한 후에, 화면 우하단에 평가판 다운로드 바로가기 배너를 클릭하면 됩니다. 설치 방법은 다른 일반적인 프로그램들과 마찬가지로, 라이센스 계약을 읽은 후 화면이 제시하는 순서에 따라 설치를 하시면 큰 어려움 없이 설치가 가능합니다. 직접 다운로드 후 해당 프로그램을 여러분의 PC에 설치해 보시기 바랍니다.

이제 설치가 완료되었는지요? 설치가 완료된 이후에는 찬찬히 SPSS사의 홈페이지에는 어떤 정보들이 들어있는지 둘러보는 것도 좋을 것 같습니다.

우선 SPSS 홈페이지에서는 SPSS 프로그램과 관련된 다양한 도서와 프로그램 매뉴얼을 구입할 수가 있습니다. 여기서 판매되는 책들은 심도있는 통계적 지식들을 다루고 있지는 않지만 프로그램 이용법 위주의 간단한 개요서들로서 프로그램과 친숙해지는데 도움을 줍니다.

또한 자료실로 가면 SPSS를 활용하여 작성된 논문이나 보고서, 설문지, SPSS 데이타 파일 등의 예를 다운로드 받아 볼 수 있으며, Q&A 형태로 프로그램에 대한 질문 등을 주고 받을 수 있는 공간들이 있습니다. 앞으로 필요한 정보들이 있을 때 SPSS 웹 사이트를 많이 활용해 보시기 바랍니다.

: 청주대학교 이 원준(meetme77@naver.com)