척도의 네 가지 유형 척도(scale) : 변수나 construct를 측정하는 도구이며 마케팅 조사를 위해 개발될 수 있는 척도는 한 가지 construct를 측정하기 위해 여러 가지 형태로 개발하는 것이 가능하기 때문에 사실상 무한이라고 할 수 있다. 종류(정보의 양 : 비율척도 ＞ 간격척도 ＞ 서열척도 ＞ 명목척도) 네 가지 척도의 특성 주어진 값들의 중심 경향치(central tendency)를 나타내는 통계량 : 평균(mean), 중앙값(median), 최빈값(mode). 척도 정보 통계기법 범주 서열 거리 원점/비율 명목척도 ○ × 비모수통계, 모수통계 서열척도 비모수통계 간격척도 모수통계 비율척도

간격/비율척도 명목/서열척도 : 비모수통계사용가능. 척도와 중심경향치 및 통계기법 간격/비율척도 명목/서열척도 : 비모수통계사용가능. 명목척도(Nominal Scales) : 응답대안들을 상호배타적으로 분류하기 위하여 각각의 응답대안에 임의적으로 숫자를 부여한 척도로서 숫자는 그 자체적으로 크거나 작다는 의미를 갖지 않으며 각각의 응답대안은 범주(category)의 정보를 갖는다(운동선수의 등 번호, 주민등록번호의 뒷자리 숫자 등). 중심 경향치 : 최빈값(mode)을 사용하는 것이 적절. 척도 중심경향치 통계기법 최빈값 중앙값 평균(및 표준편차) 명목척도 ○ × 비모수통계, 모수통계 서열척도 비모수통계(Non-parametric statistic) 간격척도 모수통계(Parametric statistic) 비율척도 모수통계 (전환)

중심 경향치 : 최빈값(mode)을 사용하는 것이 적절. 분석방법 : χ2 독립성 검증, χ2 적합도 검증, 비모수 통계기법으로 Sign test, Runs test, Phi-coefficient 등이 있으며, 모수 통계기법으로는 비율분석이 있다. → 간격척도/비율척도로 측정한 자료와 혼합하면 회귀분석과 point-biserial 상관관계분석을 할 수 있으며, 판별분석의 종속변수도 명목척도로 측정됨. 표 5.2 명목척도의 예 귀하의 결혼 상태는 ? 2. 귀하가 가장 자주 이용하는 백화점은 ? 3. 귀하는 승용차를 소유하고 계십니까 ? ⑴ 미혼 ⑵ 결혼, 배우자 있음 ⑶ 기타 ⑴ 롯데 ⑵ 현대 ⑶ 신세계 ⑷ 기타 ⑴ 예 ⑵ 아니오

서열척도(Ordinal Scales) : 조사 대상들의 특성을 서열로써 나타내는 것으로 숫자간의 차이는 절대적 의미를 갖지 못한다(중·고등학교 한 학급의 학생들의 생년월일 순서 또는 키순서로 번호를 부여한 것). 서열척도로 질문한 응답대안 : 서열의 정보와 범주의 정보를 갖는다. 중심경향치 : 중앙값(median)이 가장 적절하며 최빈값 또한 가능. 분석방법 : Spearman’s 상관관계분석, Mann-Whitney U test, Kruskal-Wallis H test, MDS 등이 있다. 표 5.3 서열척도의 예 다음의 다섯 가지 음료 브랜드를 당신이 좋아하는 순서에 따라 순위를 표시하십시오. 1 코카콜라 펩시콜라 칠성사이다 게토레이 포카리스웨트

2 표 5.3 서열척도의 예 다음에 제시된 음료 두 개 브랜드 중 귀하가 보다 선호하는 브랜드에 ∨표 하십시오. 표 5.3 서열척도의 예 다음에 제시된 음료 두 개 브랜드 중 귀하가 보다 선호하는 브랜드에 ∨표 하십시오. 이 척도의 경우 각 브랜드에 표시한 ∨표의 개수로써 각 브랜드에 대한 선호도를 서열화할 수 있다. 첫 번째 척도에 비해 응답하기 쉽다. 그러나 비교대안이 많은 경우 비교횟수가 너무 많아진다. 예를 들어, 비교대안이 10개이면 45회의 비교를 해야 한다. 2 코카콜라 펩시콜라 코카콜라 칠성사이다 코카콜라 게토레이 코카콜라 포카리스웨트 펩시콜라 칠성사이다 펩시콜라 게토레이 펩시콜라 포카리스웨트 칠성사이다 게토레이 칠성사이다 포카리스웨트 게토레이 포카리스웨트

간격척도(Interval Scales) : 범주와 서열의 정보와 더불어 거리의 정보를 갖는 척도로서 숫자간의 차이는 절대적 의미를 갖는다. 그러한 절대적으로 “0”이 존재하지 않으며, 각 숫자 자체는 절대적 의미를 갖지 못하므로 간격척도로써 측정한 값들에 비율의 의미를 부여할 수 없다(온도). 서열척도의 경우 척도점간의 거리가 절대적 의미를 갖지 못하지만 간격척도의 중요한 특징은 척도점간의 거리가 절대적 의를 갖는다는 점이며, 측정된 자료는 합계, 평균, 표준편차 등을 계산할 수 없어 모수통계기법을 사용할 수 없다. 모수통계기법을 사용하지 않으면 수준 높은 분석이 불가능하므로 척도점 간의 간격을 일정하게 부여(즉, 척도점 간의 거리가 절대적 의미를 가짐)하고, 각 척도점에 응답자들이 동일한 의미를 부여한다는 가정 하에 일반적으로 간격척도로 간주 → 사실 마케팅조사에서 소비자의 심리적 특성과 관련된 다점척도(multi-point scale)는 위 설명과 유사한 형태를 갖는다. 중심경향치 : 평균(mean)이 가장 적절하며 중앙값과 최빈값을 사용할 수 있다. 간격척도를 서열척도와 명목척도로 전환 가능. 분석방법 : 모수통계기법인 평균(차이)검증, 분산분석(종속변수), 회귀분석(독립 및 종속변수), 상관관계분석(두 변수), 요인분석, 판별분석(독립변수), 군집분석, MDS, 로지스틱 회귀분석(독립변수), ANCOVA(종속변수), MANOVA(종속변수) 등에 이용할 수 있으며, 서열척도 혹은 명목척도로 전환하여 비모수통계기법을 적용할 수 있으나 정보를 상실하기 때문에 바람직하지 않다.

1 표 5.4 간격척도의 예 귀하 가정의 연간소득은 다음 중 어디에 해당합니까 ? (만원 단위로 나타냄) 표 5.4 간격척도의 예 귀하 가정의 연간소득은 다음 중 어디에 해당합니까 ? (만원 단위로 나타냄) 이 척도는 각 대안의 차이가 절대적 의미를 갖는다는 점에서 간격척도가 된다. 예를 들어 첫 번째 대안에 표시한 사람보다 두 번째 대안에 표시한 사람의 소득은 최소한 1만원에서 최고 2,999만원 많다고 할 수 있다. 그러나 몇 배 많다고 할 수는 없다. 그러나 이 경우 평균값을 계산하기 어렵다. 그르므로 중심경향치를 나타내는 최빈값이 보다 적절하다. 귀하의 나이는 다음 중 어디에 해당합니까 ? (만 나이) 1 1,999 만원 이하 2,000 만원 ~ 2,999 만원 3,000 만원 ~ 3,999 만원 4,000 만원 ~ 4,999 만원 5,000 만원 이상 19세 이하 20세 ~ 29세 30세 ~ 39세 40세 ~ 49세 50세 ~ 59세 60세 이상 이 척도도 위와 같은 이유로 간격척도이며, 중심경향치를 나타내는 데는 최빈값이 적절하다.

(1=전혀 중요하지 않다, 2=중요하지 않다, 3=중요하다, 4=매우 중요하다) 표 5.5 간격척도의 예 나는 코카콜라를 좋아한다. 코카콜라 음식점을 선택하는 데 있어서 각각의 속성이 얼마나 중요한지 보기에 따라 번호로 나타내시오. (1=전혀 중요하지 않다, 2=중요하지 않다, 3=중요하다, 4=매우 중요하다) 2 1 2 3 4 5 6 7 전혀 동의하지 않는다 전적으로 동의한다 – 3 – 2 – 1 1 2 3 매우 나쁘다 매우 좋다 음식의 질 음식의 다양성 분위기 대기시간 가격 위치

중심경향치 : 평균, 중앙값, 최빈값을 적용할 수 있다. 비율척도(Ratio Scales) : 범주, 서열, 거리의 정보에 추가적으로 비율의 정보를 갖는 척도로서 가장 상위의 척도이며, 절대적 “0”을 포함하며 각각의 값이 절대적 의미를 갖는다. 따라서 각각의 척도점의 의미를 누구나 동일하게 받아들인다(키, 몸무게). 중심경향치 : 평균, 중앙값, 최빈값을 적용할 수 있다. 분석방법 : 통계기법으로 모수통계기법을 적용할 수 있으며, 서열척도 또는 명목척도로 전환하여 비모수통계기법을 적용할 수 있다. 표 5.6 비율척도의 예 귀하는 지난 7일 동안 식품을 쇼핑하러 점포에 몇 번 가셨습니까 ? 회 귀하의 나이는 만으로 몇 세입니까 ? 회 귀하는 1년에 대개 몇 ㎞ 정도 운전하십니까 ? 회 귀하는 만약 무료로 10 캔을 선택하라면 다음 각각의 음료를 몇 캔씩 가지겠습니까 ? 코카콜라 펩시콜라 칠성사이다 게토레이 포카리스웨트

유의사항 설문지를 만들 때에는 언제나 분석방법을 동시에 생각해야 한다(분석방법에 대한 생각없이 만들어진 질문들로 구성된 설문지로써 수집된 자료로부터는 대개의 경우 의미있는 정보를 도출해 낼 수 없다). 하위척도로 만들어진 질문인 경우 사용할 수 있는 통계방법이 제한된다. ∴ 분명한 이유가 없는 한 상위척도로 질문을 만드는 것이 보다 안전하다고 할 수 있다. 예 비율척도로 측정하면, 가장 선호하는 브랜드(명목척도), 선호순위(서열척도), 각 브랜드에 대한 선호 정도(간격척도), 각 브랜드에 대한 상대적 선호정도(비율척도)를 알 수 있다. 표 5.7 음료의 선호도 측정을 위한 네 가지 척도의 예 명목척도 귀하가 가장 선호하는 음료브랜드는 다음 중 어느 것입니까 ? 서열척도 다음의 음료 브랜드에 대하여 선호하는 순서를 표시하시오(가장 선호 = 1). 1 코카콜라 펩시콜라 칠성사이다 게토레이 포카리스웨트 코카콜라 펩시콜라 칠성사이다 게토레이 포카리스웨트

2 표 5.7 음료의 선호도 측정을 위한 네 가지 척도의 예 간격척도 다음의 각 브랜드에 대한 귀하의 선호정도를 표시하시오. 표 5.7 음료의 선호도 측정을 위한 네 가지 척도의 예 간격척도 다음의 각 브랜드에 대한 귀하의 선호정도를 표시하시오. 비율척도 다섯 개의 음료브랜드에 대한 상대적 선호 정도를 합계가 100이 되도록 나타내시오. 2 아주 싫어한다. 좋아한다. 코카콜라 펩시콜라 칠성사이다 게토레이 포카리스웨트 코카콜라 펩시콜라 칠성사이다 게토레이 포카리스웨트 100

신뢰성분석의 개요 척도의 신뢰성(reliability) : 한 대상을 유사한 측정도구로 여러 번 측정하거나 한 가지 측정도구로 반복 측정했을 때 일관성있는 결과(consistent results)를 산출하는 정도와 관련되면 일관성있는 결과가 산출될수록 그 척도(측정치)의 신뢰성은 높다. 내적일관성(Internal Consistency) : 한 construct를 다항목(multi-item)으로 측정했을 때 항목들이 일관성(consistency) 혹은 동질성(homogeneity)을 갖는가에 관한 것으로 항목들간의 상관관계로써 평가되며, 상관관계가 높을 때 내적일관성이 높다. 양분법(split-halves) : 내적일관성을 보기 위하여 다수의 항목들을 양분하여 한 쪽에 속한 항목들과 다른 쪽에 속한 항목들의 상관관계를 계산하는 방법. Cronbach’s coefficient alpha(Cronbach’s α계수) : 모든 가능한 상관관계 값들의 평균값으로서 신뢰성을 측정하는데 절대적, 현실적으로 많이 사용된다. 항목들의 수 항목 i의 분산값 항목의 전체 분산값 항목간 평균상관계수 혹은

Cronbach’s α 계수는 0에서 1 사이의 값을 가지며, 높을수록 바람직하나 반드시 몇 점 이상이어야 한다는 기준은 없다 Cronbach’s α 계수는 0에서 1 사이의 값을 가지며, 높을수록 바람직하나 반드시 몇 점 이상이어야 한다는 기준은 없다. 흔히 0.8 ~ 0.9 이상이면 바람직하고, 0.6 ~ 0.7 이면 수용할 만한 것으로 여겨지며, 0.6보다 작으면 내적일관성을 결여한 것으로 받아들여진다. → 이 경우 Cronbach’s α 계수의 크기를 저해하는 항목들(item-to-total correlation이 낮은 항목)을 제거함으로써 계수값을 크게 할 수 있다 ; 일부항목을 제거하더라도 α 계수가 매우 작으면 그 자료는 내적일관성을 결여한 것으로 본 분석에서 사용해서는 안 된다. → 항목의 수 多, 척도점의 수 多일수록 Cronbach’s α ↑

SPSS 10.0을 이용한 신뢰성분석 다음은 다항목으로 측정한 자료의 Cronbach’s α 계수를 계산하고 내적일관성을 저해하는 항목들을 단계적으로 제거함으로써 내적일관성을 향상시키는 예이다. 본 예에서 측정하는 construct는 인지욕구(need for cognition; nfc)인데, 이는 “개인들이 사고를 하려하고 이를 즐기는 성향”으로 정의된다. 본 예에서는 응답자들의 인지욕구를 다음의 7개 항목으로 측정하였으며, “전혀 그렇지 않다(0) ~ 매우 그렇다(6)”의 7점 Likert척도에 답하도록 하였다. 모두 148명의 응답자들로부터 자료를 수집하였으며 입력자료는 <표 5.8>과 같다. 나는 문제를 풀고 해답을 구하는 일을 무척 즐겨한다. 나는 (다소 중요하지만 단순한 사고를 요하는 일보다) 중요하고 지적(知的)이며 어려운 일들을 훨씬 좋아한다. 나는 상당한 정신적 노력을 쏟아야만 달성될 수 있는 목표를 설정하는 경향이 있다. 나는 일반적으로 주어진 과제에서, 최소한으로 요구되는 정도보다 훨씬 많은 사고를 하려고 한다. 나는 (단순한 사고를 요하는 일보다) 나의 사고력을 시험해볼 수 있는 일을 하는 것을 상당히 좋아한다. 나는 오랜 시간동안 깊이 심사 숙고하는 것을 별로 좋아하지 않는 편이다. 나는 깊은 사고력을 필요로 하는 일에 대한 책임을 맡는 것을 좋아하지 않는다.

표 5.8 예제 5.1의 입력자료 ID 1 2 3 4 5 6 7 8 9 10  139 140 141 142 143 144 145 146 147 148 nfc1 nfc2 nfc3 nfc4 nfc5 nfc6 nfc7

SPSS 10.0을 이용한 신뢰성분석 메뉴 바에서 『분석(A) → 척도화 분석(A)→ 신뢰성분석(R)』을 선택하면…

분석할 변수를 선택하고 를 클릭

기본설정을 유지한 상태로 분석을 한 경우에는 결과에 케이스의 수, 항목(item)의 수, 그리고 신뢰성계수만이 나타남.

선택옵션 내용 [다음에 대한 기술통계량] 각 항목들의 평균과 표준편차 문항(I) 해당 항목을 제거하였을 경우 나머지 항 문항제거시 척도(A) 목들로 구성되는 Cronbach’s α 값 제시 [문항내] 상관관계(L) 설뭉항목들간의 상관관계와 공분산을 보여줌. 공분산(E)

현 상태에서의 Cronbach’s α 값이 좌측 하단에, 그리고 각 항목들을 제거하는 경우에 기대되는 Cronbach’s α 값이 우측 칼람에 제시되어 있다(Alpha if item deleted). 현재 분석에 이용된 7개 항목들을 모두 이용했을 경우의 α계수는 .7120인데, NFC 7과 NFC 6을 각각 제거했을 때 나머지 항목들의 전체 α계수가 각각 .7618, .7596으로 개선될 것이 기대된다. 이중 α계수가 가장 크게 개선되는 항목(NFC 7)을 우선적으로 제거시킨 후 나머지 항목들만 이용하여 다시 신뢰성분석 절차를 거친다. 제거하기 원하는 변수를 선택 후 를 클릭하면 변수가 제거되며, 분석하는 방법은 동일하다.

NFC 7을 제외한 6개 항목의 전체 α계수는. 7618이고, 다시 NFC 6을 제거하는 경우 α계수가 NFC 7을 제외한 6개 항목의 전체 α계수는 .7618이고, 다시 NFC 6을 제거하는 경우 α계수가 .8444로 개선될 것으로 기대할 수 있으므로, 추가적으로 NFC 6을 제거하고 다시 신뢰성분석 절차를 거친다.

NFC 7을 제외한 6개 항목의 전체 α계수는. 7618이고, 다시 NFC 6을 제거하는 경우 α계수가 NFC 7을 제외한 6개 항목의 전체 α계수는 .7618이고, 다시 NFC 6을 제거하는 경우 α계수가 .8444로 개선될 것으로 기대할 수 있으므로, 추가적으로 NFC 6을 제거하고 다시 신뢰성분석 절차를 거친다.

NFC 6을 추가적으로 제거하고 남은 5개 항목들의α계수는 .8444 이고, 더 이상의 항목제거를 통해 α계수가 개선되지 않음을 알 수 있다.