제3절 척도의 종류
01. 척도의 개념
(1) 척도(scale)의 정의
척도는 변수나 construct를 측정하는 도구이다. 척도의 수는 무한에 가까울 만큼 많으며, 한 개의 construct당 고유의 척도가 사용되어야 하기 때문에 자료의 양이 늘어날수록 척도의 양도 늘어날 수밖에 없다.
(2) 척도의 종류
1.명목척도 2.순서척도(서열척도) 3.등간척도(간격, 구간척도) 4.비율척도 로 분류된다.
자료의 유형과 분류
자료(데이터, DATA)
명목척도
Nominal scale
순서척도
Ordinal scale
등간척도
Interval scale
비율척도
Ratio scale
정성적 자료
질적 자료
정량적 자료
계량적 자료
불연속형자료
연속형자료
명목척도에서 비율척도 순서대로 점차 많은 정보를 갖게 된다. 이 척도를 사용하기 위해서는 기본적으로 주어진 중심경향치(central tendency)를 나타낼 수 있어야 한다.
a평균: 전체 변수의 평균치 b중앙값: 전체 항목 중 중간 크기의 수 c최빈값: 가장 많은 수
척도의 종류와 기본 특성
구분
명목척도
서열척도
등간척도
비율척도
정
보
범주
O
O
O
O
서열
X
O
O
O
거리
X
X
O
O
비율
X
X
X
O
중심
경향치
평균
X
X
O
O
중앙값
X
O
O
O
최빈값
O
O
O
O
기본 특성
대상들을 분류한다.
대상들의 상대적인 위치를 나타낸다.
대사들 간의 차이를 나타낸다. 0점은 임의로 부여해야 한다.
대상들 간의 비율을 나타낸다. 0점은 절대적인 의미를 갖는다.
일반적인 예
주민번호, 학번
성적 순서
온도
길이, 무게
마케팅의 예
제품 번호
시장 점유율 순서
태도, 관여도
매출액, 시장 점유율
02. 척도의 분류 1
(1) 명목척도 (nominal scale)
명목척도는 분류를 목적으로 사용하는 척도
예) 1. 사과 2. 배 3. 고양이 / 주민번호 남자는 1 여자는 2로 시작하는 것..
수학적 해석- A=B or A=B
(2) 서열척도 (ordinal scale)
순위를 나타내는 척도이다.
순서 데이터는 측정 대상치를 비교하기 위해 특성의 많고 적음과 크고 작음에 따라 순서를 정하고 서열에 따라 수치를 부여한 데이터를 순위자료 혹은 서열 데이터라 한다.
순서만을 나타낼 뿐 그 값이 절대적인 량을 나타내지는 않는다.
예)식당의 만족도:3=크다. 2=보통, 1=작다
수학적 해석-
서열척도의 중심경향치 측정 도구로 가장 적절한 것은 중앙값이고 최빈값도 가능하다.
(3) 간격척도 (interval scale)
간격척도는 서열정보에 거리의 개념을 추가한 정보를 재는 도구이다. 서열척도의 숫자 간 차이는 그저 ‘정해진 대로의 간격’이었지만 간격척도에서 숫자 간의 차이는 절대적인 의미를 갖는다.
즉, 속성이나 성질의 량의 차이에 따라 같은 간격으로 수치를 부여한 데이터를 등간척도라고 한다.
등간척도의 데이터는 전혀 없는 상태인 0이 존재하지 않으며 비율의 의미가 존재하지 않는 데이터를 말한다. 등간척도에서 데이터는 4칙 연산이 가능하며 평균, 표준편차 등의 계산도 가능하다.
각 수치간의 상대적 크기만을 나타낼 뿐 절대적인 기준으로 부터의 크기를 말하는 것은 아니다.
예) 회장 지지도: 2=적극 찬성 1=약간 찬성 0=보통 -1=반대 -2=매우 반대
수학적 해석-
간격척도의 중심경향치 측정 도구로 가장 적절한 것은 평균이다. 그 외 중앙값, 최빈값도 사용가능하다.
간격척도로 측정한 자료는 모수통계기법인 평균검증, 분산분석, 회귀분석, 판별분석, 군집분석, 다차원 척도법 등을 하는데 이용할 수 있다. 또한 간격척도를 서열척도나 명목척도로 전환하는 것도 가능하다.
(4) 비율척도 (ratio scale)
비율척도는 범주, 서열, 거리의 정보에 추가적으로 비율의 정보를 갖는 척도로서, 가장 상위의 척도이다. 비율척도의 0은 간격척도의 0과 달리 절대적인 개념으로서의 무(無)를 의미, 개개의 항목에 해당하는 수치들도 각자의 절대적인 위치가 정해져 있다.
등간척도의 특징인 속성이나 성질의 량의 차이에 따라 같은 간격으로 수치를 부여함과 동시에 절대적인 원점인 ‘0’이 존재하는 척도로 비율계산이 가능한 데이터를 비율척도라고 한다.
수학적 해석-
예 소득, 비용 등의 화폐단위/ 성적, 점수, 무게, 길이
(5) 척도 사용의 유의사항
획득한 정보를 처리하기 위하여 가장 적절한 척도를 사용해야 한다.
질문서를 만들 때부터 가장 알맞은 분석 방법을 생각하면서 만들어야 한다.
가급적 상위 척도를 사용하길 권장한다.
제4절. 측정의 타당성과 신뢰성
01. 척도와 측정
척도를 개발하는 일은 쉬운 일이 아니다. 척도의 경우 측정의 타당성과 신뢰성에 영향을 미칠 수 있는 중요한 요인이다.
02. 척도의 분류 2
(1) 척도점(scale point)의 수
척도점은 척도 안의 항목 분포를 가르는 단위이다. 척도점의 수가 많으면 많을수록, 항목이 세분화되었다는 뜻이고, 척도점의 수가 적을수록 항목의 수가 적다는 뜻이다.
척도점을 많이 만들면 응답 분포를 퍼뜨려서 세세한 조사를 할 수 있으나, 조사자와 응답자 둘다 귀찮아지는 문제가 생긴다. 국내에서는 7점 척도, 그 다음으로 5점 척도가 많이 쓰인다.
척도 구분의 잣대
척도의 종류
분류 기준
짝수점 척도
홀수점 척도
척도점 수의 짝/홀
균형 척도
불균형 척도
균형도
단일항목 척도
다항목 척도
항목의 수
일방향 척도
혼합형 척도
의미차별
(2) 짝수점 척도와 홀수점 척도
-짝수점 척도는 애매모호한 응답이 많이 나와서 자료의 가치가 떨어지면 곤란 한 경우에 사용한다. 그러나 그만큼 중립적인 입장이 필요한 응답자들은 오히려 좋다 나쁘다로 강요되는 경우가 많아 자료의 신뢰성이 떨어질 수 있다.
-홀수점 척도의 가장 큰 특징은 가운데 값이 존재한다는 것이다. 보통 중간적인 뜻을 내포하는 중간값은 여러모로 중립적인 반응을 잡아낼 수 있는 장점이 있지만, 위에 언급한대로 그와 반대되는 장점과 문제점을 가진다.
국내에서 사용되는 척도의 대부분은 5점, 7점의 홀수점 척도들이다.
홀수점 척도 예시
1. 매우나쁘다 2.나쁘다. 3. 그럭저럭 4. 좋다. 5. 매우 좋다.
짝수점 척도 예시
1. 좋다. 2. 그럭저럭 3. 약간 나쁘다. 4. 나쁘다.
(3) 균형 척도와 불균형 척도
보통은 균형 척도가 불균형 척도에 비해서 편견적인 응답을 유도할 수 있기 때문에 바람직해보이지 않지만, 실제로는 보통 사람 심리상 ‘매우 나쁘다’ 항목에는 체크를 어지간해서는 하지 않는다. 실질적으로 응답률의 분포가 고르지 않게 되는데, 이런 경우 다음의 예시를 통해 불균형 척도를 쓰는 것도 바람직하다.
예시> 1. 음식의 맛은 좋습니까?
1번 케이스의 질문서 보기 a. 매우 나쁘다.
b. 나쁘다.
c. 좋다. <- 균형 척도
d. 매우 좋다.
2번 케이스의 질문서 보기 a. 조금 나쁜 편이다.
b. 괜찮은 편이다.
c. 좋다. <- 불균형 척도
d. 매우 좋다.
사람 심리로서는 혹평을 하기가 쉽지 않다. 따라서 혹평이 굳이 필요하지 않는 경우라면, 불균형 질문을 하는 것이 적당하다.
(4) 단일항목 척도와 다항목 척도
Construct의 특징은 상당히 복잡하게 구성된 구성개념의 의미를 지닌다. 그렇다면 항목이 하나인 척도보다는, 항목이 여러 가지인 척도를 사용하는 게 바람직 하다.
즉. 사람의 심리를 물어보는 과정에서는 보통 다항목 척도를 사용한다.
(5) 일방향 척도와 혼합형 척도
일방향 척도와 혼합형 척도는 다항목 척도에서 일단 고려되는 사항이다. 일방향 척도의 경우 모든 척도들의 방향이 동일한 것, 혼합형 척도는 모든 항목들이 배치가 뒤죽박죽인 것을 말한다.
일방향 척도의 경우 한쪽은 좋은 내용, 반대는 나쁜 내용으로 구성이 되면 쉽게 비슷비슷하게 응답을 하는 경우가 많다. 혼합형은 그 대신 응답 보기를 꼼꼼하게 따져봐야 하므로, 사람들이 응답을 하는 데에 있어서 건성으로 응답하는 상황이 나오는 것을 방지한다. 보통 다항목의 숫자가 많으면 일방향, 다항목의 숫자가 얼마 되지 않으면 혼합형을 쓰는 것이 좋다.
(6) 척도점의 의미 기술
척도점의 개수가 7개 이상이 되면, 일일이 의미를 기술하는 것도 번거롭고, 응답자에게 눈의 피로를 줄 수 있다. 따라서 보기의 개수가 7개가 넘어가는 경우에는 의미를 기술하지 않는 것을 권장한다. 척도점의 의미 기술에 있어서 생각해야 하는 또 다른 문제는 양쪽 끝의 표현을 얼마나 강하게 하느냐 하는 것 이다. 원만한 부사를 끝에 사용한 경우에 보다 응답이 고루 퍼질 수 있다.
03. 척도의 분류 3
자주 사용되는 척도의 종류는 4가지로 이 척도들은 적절한 타당성과 신뢰성을 기반으로 하고 있기 때문에 자주 사용된다.
1. 리커트 척도 (likert scale), 2. 의미차별화 척도 (semantic differential scale)
3. 등급척도 (rating scale) 4. 고정총합법 (constant sum method)
마케팅에서 자주 사용되는 척도
리커트 척도
어떤 진술에 대해 응답자가 동의 여부를 표시하는 척도.
의미차별화 척도
서로 상반되는 말을 양 쪽 끝에 나타난 척도, 가장 보편적인 질문용 척도
등급 척도
양 끝 사이에 일정한 등급을 주고 그 만큼 표시하게 하는 척도.
보기로 주어지지 않고 어느 정도인지를 응답자가 표기하게 하는 경우도 …
고정총합법
주어진 사안의 선호도나 중요도의 총합을 특정 숫자로 고정시키고 응답자가 어느 정도인지를 표기하는 척도, 백분율을 생각하면 쉽다.
04. 오류
(1) Construct와 타당성과 신뢰성
추상적인 성격이 강한 construct의 성격상 수치화되지 않는 내용을 척도를 통해 수치화시킨 형태이기 때문에, 그 측정이 제대로 이루어졌는지 확인하는 것은 매우 중요하다. 측정이 잘못되면 가설 자체가 잘못되는 경우가 생길 수 있기 때문에 반드시 자신이 올바른 척도를 사용했는지, 그 척도가 타당성과 신뢰성을 가질 수 있는지 알아보아야 한다.
(2) 오류 (error)
실질적 오류가 아닌 논리적 오류를 지칭한다. 논리적 오류란 사고의 법칙에 따르지 않는 오류를 지칭한다. 측정이 제대로 된 사고 법칙에 따르지 않아서 생기는 오류이다.
<오류를 계산하는 식>
X0 = XT+XS+XR 측정값 = 실제값+체계적 오류+비체계적 오류
X0=측정값
XT=실제값
XS=체계적 오류
XR=비체계적 오류
-1. 체계적 오류 (Systematic error)
척도 자체가 잘못되어서 나타나는 오류
-2. 비체계적 오류 (nonsystematic error)
측정하는 사람, 주변에서 발생하는 오류. 사람의 실수 또는 그 외의 요인이 정확한 측정을 방해.
05. 타당성과 신뢰성
(1) 오류와 타당성(validity), 신뢰성(reliability)
타당성은 측정하고자 하는 대상을 얼마나 정확히 측정하는가에 대한 것. 체계적 오류와 관련.
신뢰성은 대상을 반복 측정하는 경우에도 동일한 결과를 얻어내는 정도를 표기. 비체계적 오류와 관련
(3) 타당성
① . 기준관련 타당성 (criterion – related calidity)
두 가지 대상들 간의 상관관계와 관련된 것. 기준변수A를 척도 B로써 측정하였을 때, 실제 A의 값과 B의 값 간의 상관관계가 높으면, 척도 B는 변수 A에 대한 기준관련 타당성이 높다.
예측타당성 – 기준변수가 척도에 비해 미래에 발생하는 경우.
동시타당성 – 미래에 발생하는 관계가 아닌, 동시에 평가되는 관계를 지니는 경우.
② 내용타당성 (content validity)
내용타당성은 척도가 측정하고자 하는 construct의 전체적인 영역을 얼마나 잘 대표하고 있는가를 나타내는 것.
일반 적으로 내용 타당성은 계산과정을 거치지 않고 주관적으로 평가한다.
평가자마다 주관적인 판단이 다르기 때문에 내용타당성의 존재 정도를 가늠하기가 힘들다.
③ Construct 타당성 (construct validity)
Construct 타당성은 Construct와 척도 간의 일치성에 관한 것이다. Construct를 측정하기 위해 사용된 척도가 그 Construct의 방향성과 해결 목적에 잘 부합되는 척도일수록 Construct타당성이 높다고 할 수 있다.
집중타당성 – 하나의 Construct를 측정하기 위하여 가급적 다른 척도들을 사용하여 측정한 값
들 간의 상관관계가 큰가에 대한 관계이다.
판별타당성 – 한 Construct를 측정하는 척도와 다른 Construct를 측정하는 척도와의 관계를
나타내어, 얼마나 그 일치성이 없는가에 대한 관계이다. 일치성이 없을수록, 즉
Construct 간의 판별력이 뛰어난 척도들일수록 판별타당성이 높다.
법칙타당성 – 한 Construct와 다른 Construct 관계에 관한 가설의 검증결과와 관련된다.
(4) 신뢰성
척도의 신뢰성은 한 대상을 유사한 척도로 여러 번 측정하거나 한 가지 척도로 반복 측정했을 때, 일관성 있는 결과를 산출하는 정도와 관련이 되며, 비체계적 오류와 관련이 있다는 것은 이미 설명.
① 내적일관성 (internal consistency)
내적 일관성은 한 construct를 다항목으로 측정했을 때, 항목들이 일관성 혹은 동질성을 갖는가에 관한 것이다.
상관관계 변수들 간의 평균을 통해 신뢰성을 측정할 수 있는 식이 존재한다.
Cronbach’s coefficient alpha라는 식이 상관관계 변수들 간이 평균을 통해 신뢰성을 측정한다.
크론바흐 알파 계수
크론바흐 알파계수={항목 개수÷(항목 개수-1)}×{1-(항목변량들의 합÷전체측정 변량)}
크론바흐 알파 계수는 0~1값을 가지며, 높을수록 바람직하다. 보통 0.8~0.9 이상은 좋음, 0.6~0.7은 수용 가능, 0.6 이하는 내적 일관성이 결여 된다고 받아들여진다.
② 반복측정 신뢰성 (test-retest reliability)
반복측정 신뢰성은 한 construct에 대한 측정을 2회 실시하여, 측정값들의 관계로부터 평가한다. 즉 척도가 얼마나 안정적인가에 달려 있다. (construct 타당성의 집중타당성과 혼동하면 안 된다. 반복측정 신뢰성은 ‘한 개의 척도’를 가지고 반복 실험한다.)
일반적으로 2주 간격 정도를 두고 반복 측정을 하는 것이 권장된다. 이 때 주시험 효과(main test effect)가 일어날 수 있다는 것이다.
③ 대안항목 신뢰성 (alternative-form reliability)
반복측정 신뢰성의 한계는 주시험 효과가 작용할 수 있다는 것이다. 대안항목 신뢰성은 주시험 효과를 방지하기 위하여 반복적으로 응답을 측정하기는 하나, 약간 다른 척도를 사용하는 것이다.
두 시점의 간격은 역시 2주 정도가 권장된다. 현실적으로 매우 유사하면서도 다른 척도를 개발한다는 것은 쉽지 않다.
(5) 타당성과 신뢰성 평가 시점
타당성과 신뢰성의 평가는 항상 본 분석 (main analysis)보다 앞서 수행해야 한다.
(6) 타당성과 신뢰성 향상 방법
① 타당성 향상방법
측정을 정확히 하려면 측정하고자 하는 대상 그 자체에 대한 엄격한 개념정의가 필요하다. 애초에 측정 대상이 엄격히 정의되지 않으면, 정확성을 따지기 힘들다.
두 개 이상의 다른 척도를 사용하여 집중타당성을 평가할 때에, 여러 척도들 중 일부 척도가 다른 척도와의 상관관계가 낮으면, 이를 제거한다.
항목들의 의미가 조사자와 응답자 간에 정확히 의사소통이 되도록 용어사용에 신중을 기해야 한다.
② 신뢰성 향상 방법
신뢰성 평가를 위하여 크론바흐의 알파 계수가 자주 쓰인다는 것은 이미 배운 바 있다.
항목의 수와 척도점의 수를 많게 할수록 신뢰성을 올리는 요인이 된다. 단 항목의 수와 척도점의 수가 많아지면 응답이 매우 곤란해지므로, 조사자는 적정 수준을 결정해야 한다.
SPSS프로그램 등을 이용하면 크론바흐 알파 계수의 값과 각 항목을 제거하는 경우에 획득할 수 있는 알파 계수의 값을 미리 볼 수 있다.
내적 일관성은 항목들 간의 유사성 혹은 동질성에 관한 것이다. 그런데 한 construct를 측정하기 위해 매우 다른 성격의 척도를 사용하는 경우가 생긴다. 내적 일관성의 추정은 꼭 맞는 조건하에서만 추정하는 것이 옳다.
예전부터 신뢰성이 있다고 판명된 척도를 이용하는 것은 바람직 하나 이 경우에도 타당성과 마찬가지로 수집한 자료로서 신뢰성 평가를 해야 한다.
