조사방법론 | 6. 문항 척도
1 문항 척도 개요
설문조사는 연구자가 특정 주제에 대해 구조화된 방식으로 정보를 수집하고 분석하는 주요 연구 방법 중 하나이다. 이 과정에서 척도는 핵심 도구로 작용하며, 연구 목적에 부합하는 적절한 척도를 선택하고 정확하게 활용하는 것은 설문 데이터의 품질을 높이고, 분석 결과의 객관성과 재현성을 확보하는 데 필수적인 절차라 할 수 있다.
1.1 척도 개념
척도는 설문 응답을 수치화하여 체계적으로 정리하는 방식으로, 응답 결과를 정량적으로 비교하고 분석할 수 있도록 돕는다.
- 응답의 표준화: 모든 응답자가 동일한 기준에서 문항을 해석하고 응답하도록 유도하여 결과의 객관성을 높이고 비교 가능성을 확보한다.
- 신뢰성 향상: 동일한 질문을 반복 측정했을 때 유사한 결과가 나타나는지 확인할 수 있으며, 리커트 5점 또는 7점 척도 같이 일관된 척도는 태도나 인식의 변화를 비교하는 데 유리하다.
- 타당성 확보: 연구자가 측정하고자 하는 개념을 정확히 반영하는 척도를 선택하는 것이 핵심이다.
- 통계적 분석 가능성 확장: 명목 및 서열 척도는 빈도 분석이나 카이제곱 검정에 적합하며, 등간 및 비율 척도는 평균, 표준편차, 상관 및 회귀분석 등 다양한 수치 분석 기법을 적용할 수 있다.
1.2 척도의 유형과 선택의 중요성
| 척도 유형 | 설명 | 예시 | 주요 분석 방법 |
|---|---|---|---|
| 명목 척도 (Nominal Scale) | 단순한 분류와 명칭을 부여하는 방식 | 성별(남/여), 종교(기독교/불교) | 빈도분석, 카이제곱 검정 |
| 서열 척도 (Ordinal Scale) | 순서를 구별할 수 있으나 간격이 일정하지 않음 | 교육 수준(초등/중등/고등), 만족도(높음/보통/낮음) | 순위 분석, 카이제곱 검정 |
| 등간 척도 (Interval Scale) | 간격이 일정하지만 절대적인 0점이 없음 | 온도(°C), 지능지수(IQ) | 평균, 표준편차, 상관분석 |
| 비율 척도 (Ratio Scale) | 절대적인 0점을 가지며, 비율 비교가 가능 | 나이(세), 소득(만원), 키(cm) | 평균, 분산 분석, 회귀 분석 |
설문 조사에서 척도를 적절히 설정하는 것은 매우 중요하다. 척도가 부적절하게 설계되면 응답자의 반응이 일관성을 잃고, 수집된 데이터의 해석에도 오류가 발생할 수 있다.
2 전통적인 척도
| 구분 | 명목 척도 | 서열 척도 | 등간 척도 | 비율 척도 |
|---|---|---|---|---|
| 측정값 간 순서 | X | O | O | O |
| 측정값 간 차이 일정성 | X | X | O | O |
| 덧셈, 뺄셈 연산 가능 | X | X | O | O |
| 비율(나눗셈) 계산 가능 | X | X | X | O |
| 예시 | 성별, 혈액형, 국적 | 학년, 학점, 만족도 | 온도, IQ 점수 | 키, 몸무게, 연봉, 나이 |
2.1 명목 척도
명목 척도는 가장 기초적인 수준의 측정 척도로, 대상을 단순히 분류하거나 명명하는 역할을 한다. 이 척도에서 사용되는 숫자는 단순한 식별자 역할을 할 뿐, 수치적 의미를 가지지 않는다.
2.1.1 명목 척도 특징
측정값 간 서열이 없음: 명목 척도는 측정값 간 서열이나 크기의 차이를 나타내지 않는다. 예를 들어, 종교 항목에서 “기독교=1, 불교=2, 이슬람교=3, 무교=4”와 같이 숫자를 부여한다고 해도, 이는 편의상 구분을 위한 부호일 뿐 “무교(4)”가 “기독교(1)”보다 크다는 의미는 없다.
값의 차이를 측정할 수 없음: 명목 척도는 범주 간의 차이나 간격을 수치적으로 해석할 수 없다. 따라서 명목 척도에서는 빈도나 비율 같은 비수치적 분석이 주로 활용된다.
기본적인 연산이 불가능함: 명목 척도는 단순히 범주를 구분하는 역할만 하므로, 평균이나 표준편차처럼 수학적 계산을 필요로 하는 연산은 수행할 수 없다. 대신, 각 범주에 속하는 응답자의 빈도 수, 백분율, 최빈값(Mode) 등을 활용한 기술 통계 분석이 가능하다.
데이터의 범주가 명확해야 함: 명목 척도를 설계할 때는 범주 간의 구분이 명확하고, 모든 가능한 선택지가 포함되어야 한다.
| 변수 | 예시 값 |
|---|---|
| 성별 | 남성(1), 여성(2) |
| 국적 | 한국(1), 미국(2), 영국(3) |
| 혈액형 | A형(1), B형(2), O형(3), AB형(4) |
| 종교 | 기독교(1), 불교(2), 이슬람교(3), 무교(4) |
| 학과 | 경영학과(1), 심리학과(2), 공학과(3) |
2.1.2 명목 척도 분석 방법
2.1.3 명목 척도의 장점과 단점
명목 척도는 성별, 종교, 국적 등과 같은 범주형 정보를 효과적으로 수집할 수 있으며, 응답자가 쉽게 이해하고 선택할 수 있다는 장점이 있다. 인구통계학적 조사, 시장 조사, 심리학 연구 등 다양한 분야에서 폭넓게 활용된다.
그러나 명목 척도는 수치 간의 크기나 순서를 나타내지 않기 때문에 평균이나 표준편차와 같은 수학적 연산이 불가능하다. 단순 빈도나 백분율과 같은 기초적인 분석만 수행할 수 있으며, 범주 설정이 명확하지 않거나 중복될 경우 응답자의 혼란을 초래하고 데이터 해석에도 오류가 발생할 수 있다.
2.2 서열 척도
서열 척도는 조사 대상 간의 순서를 비교할 수 있도록 해주는 측정 방식으로, 응답자의 태도, 만족도, 선호도와 같은 심리적 또는 주관적 평가를 측정할 때 주로 사용되며, 명목 척도보다 더 많은 정보를 담고 있다.
서열 척도의 핵심 특징은 순위를 부여할 수 있다는 점이다. 예를 들어 대학 성적에서 A, B, C, D, F와 같은 등급이 있다면, A가 B보다 우수하다는 순위는 명확하지만 A와 B의 점수 차이와 C와 D의 점수 차이가 동일하다고 볼 수는 없다.
2.2.1 서열 척도 예시
설문조사 및 심리 척도
- 만족도 조사: “매우 만족 - 만족 - 보통 - 불만족 - 매우 불만족”
- 중요도 평가: “매우 중요 - 중요 - 보통 - 중요하지 않음 - 전혀 중요하지 않음”
경쟁 및 순위 관련 데이터
- 고객 선호 브랜드 순위: 1위, 2위, 3위…
- 스포츠 경기 성적: 금메달, 은메달, 동메달
교육 및 시험 결과
- 학점: A, B, C, D, F
- 시험 성적 등급: 상, 중, 하
소득 및 계층 구분
- 고소득 > 중소득 > 저소득
- 사회계층: 상류층 > 중산층 > 서민층
2.2.2 서열 척도 특징
순위(서열) 부여 가능: 서열 척도에서는 대상 간의 비교가 가능하며, 순서를 정할 수 있다. (예) 소득 수준: 고소득 > 중소득 > 저소득
순위 간의 간격(interval)은 균등하지 않음: 측정값 사이의 차이가 동일한 크기를 의미하지 않는다. (예) 영화 평점(별점 1~5점)에서 5점과 4점 차이가 2점과 1점 차이보다 크거나 작을 수 있음.
덧셈, 뺄셈 등의 수치적 연산이 불가능: 서열 척도에서는 측정값이 숫자로 표현될 수 있으나, 그 숫자는 단순히 순서를 나타낼 뿐 절대적인 수치적 의미를 가지지는 않는다. 따라서 평균을 계산하여 분석하는 것보다는, 중위값(Median) 또는 최빈값(Mode)처럼 순위를 기반으로 한 통계량을 사용하는 것이 더 적절하다.
비율 계산 불가능: “A의 점수가 B의 점수의 2배다”와 같은 해석이 불가능하다.
2.2.3 서열 척도 통계 분석 방법
서열 척도 데이터는 평균이나 표준편차 계산이 적절하지 않으며, 대신 다음과 같은 기법이 주로 사용된다.
- 최빈값 및 중위값 사용: 평균은 서열 척도에 적절하지 않기 때문에 중위값이나 최빈값을 사용하여 데이터의 중심 경향을 분석한다.
- 순위 기반 통계 기법 적용: 순위합 검정(Rank-Sum Test), 윌콕슨 부호순위 검정(Wilcoxon Signed-Rank Test), 크루스칼-월리스 검정(Kruskal-Wallis Test) 등.
- 상관분석 시 순위 기반 기법 사용: Spearman의 순위 상관계수 또는 Kendall’s tau를 사용한다.
- 로지스틱 회귀(Logistic Regression) 사용 가능: 예측변수(종속변수)가 서열 척도인 경우 서열 로지스틱 회귀(Ordinal Logistic Regression, Proportional Odds Model)를 사용한다.
2.2.4 서열 척도의 한계와 보완 방법
서열 척도는 측정 대상 간의 순서를 알 수 있다는 점에서 유용하지만, 각 순위 간의 간격이 균등하지 않다는 한계를 가지고 있다. 예를 들어, ‘매우 만족(5점)’과 ’만족(4점)’의 차이가 ’보통(3점)’과 ’불만족(2점)’ 간의 차이와 같다고 보장할 수는 없다.
그러나 실제 연구에서는 Likert 척도(예: 5점 척도, 7점 척도 등)에 대해, 응답 간격이 대체로 균등하다고 간주할 수 있는 경우에는 등간 척도로 변환하여 사용하는 방식이 널리 활용된다.
2.2.5 리커트 척도는 서열척도
리커트 척도(Likert Scale)는 1932년 렌시스 리커트(Rensis Likert)가 박사학위 논문에서 처음 고안한 측정 도구로, 응답자의 태도나 의견을 보다 정밀하고 객관적으로 수량화하기 위해 개발되었다.
단순한 이분법적 질문의 한계 극복
리커트 척도는 단순한 찬반 여부를 넘어 응답자의 태도 강도를 함께 측정할 수 있도록 설계되었다. “이 정책을 찬성합니까?”라는 기존의 질문이 단순히 “찬성” 또는 “반대”만을 선택하게 한다면, 리커트 방식은 “매우 찬성(5)”, “찬성(4)”, “보통(3)”, “반대(2)”, “매우 반대(1)”와 같은 응답 선택지를 제공한다.
리커트 척도는 서열 척도이다.
리커트 척도는 응답자의 태도나 의견을 측정할 때 널리 사용되는 도구로, 기본적으로 서열 척도(ordinal scale)로 간주된다. 그 이유는 각 응답 항목 사이에 순위가 존재하지만, 그 간격이 반드시 균등하다고 보장할 수 없기 때문이다.
리커트 척도를 등간 척도로 간주할 때 척도의 신뢰성 검토 필요
리커트 척도를 등간 척도로 간주하여 평균이나 표준편차 등의 통계 분석을 수행하려면, 척도의 신뢰성과 일관성에 대한 검토가 반드시 필요하다.
- 신뢰도 분석(Cronbach’s Alpha): 동일한 척도를 구성하는 문항 간의 일관성을 평가하여, 응답자들이 각 문항에 대해 일관되게 반응하는지를 검토한다.
- 탐색적 요인 분석(EFA): 여러 문항이 하나의 요인(개념)을 측정하고 있는지를 분석하여 척도의 구조적 타당성을 확인한다.
2.3 등간 척도
등간척도는 변수 간의 차이를 수치적으로 측정할 수 있도록 설계된 척도로, 각 값들 사이의 간격이 일정하다는 점이 핵심적인 특징이다. 그러나 절대적 기준점(진정한 0점)이 존재하지 않는다는 점에서 비율척도와는 다르다.
2.3.1 등간척도 특징
순서 정보 제공: 변수 값의 크고 작음을 비교할 수 있다. (예) 온도(섭씨, 화씨), IQ 점수, 표준화 점수(Z-score)
일정한 간격 유지: 측정값들 사이의 차이가 동일한 간격을 유지한다. (예) 섭씨 온도에서 20°C와 30°C 사이의 차이(10°C)는, 30°C와 40°C 사이의 차이(10°C)와 같다.
절대적 0이 없음: 등간척도는 임의적으로 정한 0점을 사용하므로, “절대적인 없음”을 의미하는 0점이 아니다. 따라서, 40°C가 20°C의 “두 배”라고 할 수 없다.
덧셈과 뺄셈이 가능하지만, 곱셈과 나눗셈(비율 비교)은 불가능: (예) IQ 점수 140이 70보다 두 배 높은 지능을 의미하지 않는다.
2.3.2 등간척도 예시
- 온도(섭씨, 화씨): 20°C와 30°C 사이의 차이는 10°C, 하지만 40°C가 20°C의 2배 더 뜨겁다고 할 수 없음.
- IQ 점수: 140점이 70점의 두 배의 지능을 의미하지 않음.
- 시험 점수(표준화 점수): 수능 점수가 300점에서 400점으로 증가한 것과 400점에서 500점으로 증가한 것은 동일한 차이를 나타냄.
- 신용평점: 신용평점 800이 400보다 정확히 두 배의 신용도를 의미하는 것은 아님.
- 리커트 척도: “1=매우 불만족, 2=불만족, 3=보통, 4=만족, 5=매우 만족” 등 숫자가 등간성을 가질 수 있는 경우.
2.3.3 등간 척도 통계 분석 방법
- 산술평균과 표준편차: 등간척도는 산술평균을 계산할 수 있으며, 자료의 분산과 표준편차 분석이 가능하다.
- t-검정 및 분산분석: 두 집단 이상에서 평균 차이를 비교할 때 사용된다.
- 상관관계 분석: 등간척도 데이터 간의 선형 관계를 분석하는 데 사용한다.
- 회귀분석: 예측 모델을 만들기 위해 사용된다.
- Z-점수 변환: 등간척도 데이터는 표준화하여 비교가능하도록 변환할 수 있다.
2.3.4 등간척도의 한계와 고려 사항
비율 비교 불가능: 섭씨 온도에서 40°C가 20°C의 두 배라고 할 수 없다.
정확한 간격 유지 여부 확인 필요: 일부 척도(예: 심리학 설문지)는 등간척도를 가정하고 있지만, 실제로는 완전한 등간성이 없는 경우가 많다.
정규성 검정 필요: 등간척도 자료가 정규분포를 따르는지 여부에 따라 사용할 수 있는 통계 분석 기법이 달라진다.
2.4 비율 척도
비율척도는 측정값들 간의 절대적 0이 존재하며, 덧셈·뺄셈뿐만 아니라 곱셈·나눗셈을 포함한 모든 산술 연산이 가능한 척도이다. 즉, 값들 간의 비율(배수 개념)이 의미를 갖는 척도이다.
2.4.1 비율척도 특징
순서 정보 제공: 값들의 크고 작음을 비교할 수 있다. (예) 키(170cm > 160cm), 몸무게(70kg > 50kg)
일정한 간격 유지: 측정값들 사이의 간격이 일정하다.
절대적 0 존재: 값이 ’0’일 때 해당 속성이 완전히 없는 상태를 의미한다. (예) 키 0cm, 몸무게 0kg, 연령 0세, 수입 0원
비율(배수 비교) 가능: 40kg이 20kg의 두 배임을 의미하며, 100cm는 50cm의 두 배 길이임을 의미함.
모든 산술 연산 가능: 덧셈, 뺄셈, 곱셈, 나눗셈 연산이 모두 가능하다.
2.4.2 비율척도 예시
- 신체 측정값: 키(cm), 몸무게(kg), 허리둘레(cm)
- 시간 측정값: 반응 시간(초), 나이(년), 학습 시간(시간)
- 소득 및 비용: 월급(원), 저축액(원), 소비액(원)
- 거리 및 속도: 거리(km, m), 속도(km/h), 주행거리(km)
- 수량 데이터: 판매량(개), 학생 수(명), 인구 수(명)
2.4.3 비율척도 통계 분석 방법
- 산술평균, 중앙값, 최빈값 계산 가능: 모든 기술통계가 적용 가능하다.
- 표준편차와 분산 계산 가능: 데이터의 변동성을 분석할 수 있다.
- t-검정 및 분산분석: 집단 간 평균 차이 검정 가능하다.
- 회귀분석 및 상관분석: 독립변수와 종속변수 간의 관계를 예측하거나 두 변수 간의 관계를 측정할 수 있다.
- 비율 비교 가능: 데이터 간 비율(배수)을 이용한 분석이 가능하다. (예) A 지역의 평균 소득이 B 지역보다 1.5배 높다.
2.4.4 비율척도의 한계와 고려 사항
데이터의 정규성 검토 필요: 대부분의 통계 분석 기법(t-검정, 분산분석, 회귀분석 등)은 정규분포를 가정하므로 데이터가 정규성을 만족하는지 확인해야 한다.
이상치(Outliers) 문제: 비율척도 데이터는 절대적인 크기가 의미를 가지므로, 이상치(극단값)에 민감하다.
비율척도의 단위 고려: 단위 변환 시 비율 비교가 달라질 수 있다. (예) 키를 cm에서 m로 변환하면 수치가 100배 차이가 나므로, 단위 해석에 주의해야 함.
3 심리적 행동적 척도
3.1 거트만 Guttman 척도
3.1.1 거트만 척도 개요
거트만 척도(Guttman Scale)는 누적척도의 한 형태로, 응답자의 태도나 행동이 위계적으로 구성된 문항에 대해 일관된 응답 패턴을 보이는지를 측정하는 척도이다. 이 척도는 상위 문항에 동의한 응답자는 반드시 그보다 낮은 수준의 문항에도 동의한다고 가정한다.
이 척도는 사회적 태도, 신념 구조, 행동 수용 정도 등과 같이 위계적 순서가 존재한다고 판단되는 개념을 측정하는 데 적합하다.
- 사회과학 연구: 성평등 인식, 정치적 이념 수용도, 편견 수준 등
- 교육 연구: 학습 태도, 교육 내용 수용도 등
- 마케팅 조사: 제품 구매 의향, 브랜드 충성도 등
예를 들어, 정치적 참여에 대한 척도를 구성할 때 다음과 같이 문항을 배열할 수 있다.
- 정치 뉴스를 읽는다. < 2. 정치 토론에 참여한다. < 3. 집회에 참석한 적이 있다. < 4. 정치 기부를 한다. < 5. 정당에 가입했다.
’정당에 가입했다’는 응답자는 앞선 모든 문항에도 동의할 것으로 예상되며, 이러한 응답 구조가 거트만 척도의 전형적인 예시이다.
3.1.2 거트만 척도 원리
거트만 척도는 응답자의 태도나 행동이 계층적으로 배열된 문항을 통해 일관된 패턴을 보이는지 측정하는 방법이다.
(1) 위계적 구조(hierarchical structure)
문항들은 강도의 순서에 따라 배열되며, 상위 문항에 동의한 사람은 하위 문항에도 반드시 동의해야 한다.
(2) 누적성 (Cumulativeness)
척도에 포함된 문항들은 특정 주제나 태도에 대한 강도의 위계를 가지며 응답자는 자신의 태도 강도에 따라 논리적으로 일관된 답변을 해야 한다.
(3) 단일 차원성 (Unidimensionality)
거트만 척도는 측정하고자 하는 태도나 속성이 단일 차원으로 구성되어야 한다. 만약 문항들이 여러 개의 차원을 포함하고 있다면, 거트만 척도를 적용하기 어려워진다.
(4) 예측 가능성 (Predictability)
거트만 척도에서는 응답자의 답변 패턴이 예측 가능해야 한다. 즉, 특정 문항에 대한 응답을 보면 그보다 낮은 수준의 문항에 대한 응답도 예측할 수 있어야 한다.
예를 들어, 교육 수준에 따른 학력 태도를 측정할 때:
- 초등학교 교육은 모든 사람이 받아야 한다.
- 중학교 교육은 모든 사람이 받아야 한다.
- 고등학교 교육은 모든 사람이 받아야 한다.
- 대학교 교육은 모든 사람이 받아야 한다.
만약 한 응답자가 “대학교 교육은 모든 사람이 받아야 한다”고 응답했음에도 불구하고 “고등학교 교육은 모든 사람이 받아야 한다”에 동의하지 않는다면, 이는 논리적으로 모순된 응답이 된다.
3.1.3 거트만 척도 사례
거트만 척도에서는 응답자가 동의한 마지막(가장 높은) 문항의 번호를 기준으로 척도 점수를 부여한다.
| 문항 | 응답자 A | 응답자 B | 응답자 C | 응답자 D |
|---|---|---|---|---|
| 1. 여성도 일해야 한다 | O | O | O | X |
| 2. 여성도 CEO가 될 수 있다 | O | O | X | X |
| 3. 여성도 국방의 의무를 가져야 한다 | O | X | X | X |
| 4. 여성도 전투병이 될 수 있다 | X | X | X | X |
| 척도 점수 | 3 | 2 | 1 | 0 |
3.1.4 거트만 척도 구성방법
(1) 연구 목적 설정
거트만 척도를 적용하기 전에 가장 먼저 고려해야 할 점은 연구 목적이 명확한가와 측정하고자 하는 태도나 행동이 단일 차원인지를 확인하는 것이다.
- 적절한 연구 주제: “성평등에 대한 태도”, “환경 보호에 대한 인식 수준”, “정치적 개혁에 대한 수용도”
- 부적절한 연구 주제: “사회적 평등 (경제 + 성별 + 인종 차별)” → 여러 차원을 포함함
(2) 문항 선정 및 계층적 배열
연구 주제를 설정한 후에는, 해당 태도를 측정할 수 있는 위계적인 문항을 개발해야 한다.
| 문항 번호 | 문항 내용 |
|---|---|
| 1 | 나는 재활용을 실천한다. |
| 2 | 나는 환경 보호를 위해 일회용품 사용을 줄인다. |
| 3 | 나는 대중교통을 적극적으로 이용한다. |
| 4 | 나는 환경 보호 단체에 기부하거나 활동에 참여한다. |
| 5 | 나는 환경 보호를 위해 추가적인 세금을 부담할 의향이 있다. |
(3) 문항의 적합성 검증
가장 일반적인 검증 방법은 척도 재현성 계수(Scale Reproducibility Coefficient, R)를 계산하는 것이다.
\[R = 1 - \frac{\sum e}{(n \times k)}\]
\(e\): 오류 응답 개수, \(n\): 응답자 수, \(k\): 문항 수
만약 응답자 10명, 문항 5개로 구성된 척도에서 오류 응답이 4개라면, \(R = 1 - \frac{4}{(10 \times 5)} = 1 - \frac{4}{50} = 0.92\)
3.2 서스톤 Thurstone 척도
서스톤 척도는 응답자의 태도를 정량적으로 평가하는 방법 중 하나로, 전문가 패널이 사전에 각 문항의 강도를 평가하여 점수를 부여한 후, 이를 바탕으로 응답자의 태도 점수를 계산하는 방식이다.
3.2.1 서스톤 척도 원리
서스톤 척도는 세 가지 핵심 원칙을 따른다.
- 전문가 패널을 통해 문항의 강도를 미리 평가한다.
- 문항별 강도를 등간척도(Interval Scale) 형태로 점수화한다.
- 응답자의 태도를 문항 점수를 기반으로 계산한다.
전문가들은 일반적으로 1점(매우 약함)에서 11점(매우 강함)까지의 척도를 사용하며, 문항별로 점수를 매긴 후 중앙값이나 평균값을 산출하여 최종 문항 점수로 사용한다.
3.2.2 서스톤 척도의 구성 방법
(1) 연구 목적 설정
서스톤 척도를 적용하기 위해서는 먼저 연구의 목적을 명확하게 설정해야 한다. 서스톤 척도는 태도의 강도를 측정하는 방법이므로, 단일 차원을 유지하는 것이 중요하다.
(2) 문항 개발 및 전문가 평가
문항이 개발된 후, 전문가 패널이 각 문항이 나타내는 태도의 강도를 평가하도록 한다. 예를 들어, 환경 보호에 대한 태도를 측정하는 서스톤 척도의 경우:
- “나는 가끔 재활용을 한다.” → 평균 점수: 2.5점 (낮은 수준의 환경 보호 태도)
- “나는 환경 보호를 위해 일회용품 사용을 줄인다.” → 평균 점수: 5.2점 (중간 수준)
- “나는 환경 보호 단체에 기부하거나 활동에 참여한다.” → 평균 점수: 7.8점 (높은 수준)
- “나는 환경 보호를 위해 추가적인 세금을 부담할 의향이 있다.” → 평균 점수: 10.3점 (매우 높은 수준)
(3) 최종 문항 선정
전문가 패널이 모든 문항을 평가한 후, 연구자는 문항의 점수 분포가 균형 있게 배치되는지 확인하여 강도가 균등하게 분포된 문항을 선정한다.
(4) 응답자의 태도 점수 측정
응답자가 동의한 문항들의 평균 또는 중앙값으로 태도 점수를 계산한다.
- “나는 환경 보호를 위해 일회용품 사용을 줄인다.” (평균 점수: 5.2)
- “나는 대중교통을 적극적으로 이용한다.” (평균 점수: 6.5)
이 경우, 응답자의 태도 점수는 \((5.2 + 6.5)/2 = 5.85\)이다.
3.2.3 서스톤 척도 장단점
(1) 장점
- 객관적인 태도 측정이 가능하다. 서스톤 척도는 전문가가 사전에 문항의 강도를 점수화하기 때문에 보다 객관적인 평가가 가능하다.
- 정확한 태도 점수를 제공할 수 있다. 전문가가 평가한 문항 점수를 기반으로 태도 강도를 측정할 수 있어, 비교적 작은 차이도 감지할 수 있다.
- 등간척도로 활용할 수 있어 통계적 분석이 용이하다. 문항이 사전에 점수화되어 있어 등간척도로 간주될 수 있다.
(2) 단점
- 전문가 패널을 구성해야 하는 번거로움이 있다. 상당한 시간과 노력이 필요하며, 전문가 의견을 조정하는 과정에서 추가적인 논의와 검토가 필요할 수 있다.
- 문항 선정 및 점수화 과정이 복잡하고 시간이 많이 소요된다. 리커트 척도처럼 “매우 동의 ~ 매우 반대”의 선택지를 제공하는 방식과 달리, 문항을 개발한 후 각 문항의 강도를 평가하고 점수화하는 과정이 필요하다.
- 응답자가 특정 문항을 선택하지 않으면 태도 점수 계산이 어려울 수 있다.
3.3 의미분화 Semantic Differential 척도
의미분화 척도는 응답자의 태도, 감정, 인식을 측정하기 위한 방법으로, 서로 반대되는 형용사 쌍을 이용하여 특정 개념을 평가하는 방식이다. 이 척도는 1950년대 찰스 오스굿(Charles Osgood)에 의해 개발되었으며, 주로 브랜드 이미지 평가, 제품 선호도 조사, 감정 분석, 사회적 태도 연구에 활용된다.
응답자는 주어진 개념에 대해 양극적인 의미를 가지는 형용사 쌍(예: 혁신적이다 – 전통적이다, 친절하다 – 무뚝뚝하다)을 기준으로 평가한다. 보통 5점 또는 7점 척도를 사용한다.
3.3.1 의미분화 척도 구성 방법
(1) 연구 목적 설정
연구자는 측정하려는 개념을 명확히 정의해야 한다. 이 척도는 인지적 평가(브랜드 이미지), 감정적 반응(감성 평가), 태도(사회적 이슈에 대한 인식) 등을 측정하는 데 효과적이다.
(2) 적절한 형용사 쌍 선정
의미분화 척도의 핵심은 양극적인 의미를 가지는 형용사 쌍을 선정하는 것이다. 예를 들어, 스마트폰 브랜드를 평가하는 경우:
- 디자인 측면: 세련된 – 투박한
- 성능 측면: 강력한 – 느린
- 가격 대비 가치: 가성비 좋다 – 비싸기만 하다
- 브랜드 이미지: 혁신적인 – 전통적인
(3) 응답 척도 설정
보통 5점 척도 또는 7점 척도를 사용하여 응답자가 각 형용사 쌍 사이에서 자신의 입장을 선택할 수 있도록 한다.
세련된 (1) – (2) – (3) – (4) – (5) 투박한
3.3.2 의미분화 척도 응답 결과 해석
응답자가 평가한 점수를 분석하여 특정 개념이 어떤 속성을 가지고 있는지 해석할 수 있다. 예를 들어, 브랜드 이미지 평가에서 애플과 삼성을 비교한 결과:
| 형용사 쌍 | 애플 | 삼성 |
|---|---|---|
| 혁신적이다 – 전통적이다 | 2.1 | 4.3 |
| 고급스럽다 – 저렴해 보인다 | 2.5 | 3.9 |
| 감성적이다 – 실용적이다 | 3.8 | 2.2 |
이 결과를 해석하면 다음과 같다.
- 애플은 혁신적이고 고급스러우며 감성적인 브랜드로 인식된다.
- 삼성은 실용적이지만 비교적 전통적이고 저렴한 브랜드로 평가된다.
3.3.3 의미분화 척도 장단점
(1) 장점
- 감성적·정성적 데이터를 수량화할 수 있음: 브랜드 이미지나 소비자 감정처럼 측정하기 어려운 개념을 숫자로 변환할 수 있다.
- 심층적인 분석이 가능함: 다양한 속성을 동시에 비교할 수 있어 브랜드 전략, 소비자 인식 분석에 효과적이다.
- 다양한 연구 분야에서 활용 가능: 마케팅, 심리학, 사회과학 등 여러 분야에서 적용할 수 있다.
(2) 단점
- 형용사 쌍 선정이 어렵다: 연구자가 적절한 형용사 쌍을 선정하지 못하면 신뢰성 있는 결과를 얻기 어려울 수 있다.
- 주관성이 개입될 수 있음: 응답자가 동일한 척도를 다르게 해석할 가능성이 있으며, 개인적인 경험이나 문화적 배경에 따라 답변이 달라질 수 있다.
- 통계적 분석이 어려울 수 있음: 개별 속성마다 다른 점수를 얻기 때문에, 전체적인 인식을 종합적으로 분석하는 것이 복잡할 수 있다.
3.5 기타 척도
3.5.1 스테이플 척도
스테이플 척도는 설문 응답자가 특정 속성에 대해 긍정적 또는 부정적인 정도를 평가할 수 있도록 설계된 단극형 척도이다. 이 척도는 R. Stapel에 의해 개발되었으며 마케팅 조사 및 소비자 태도 연구에서 자주 사용된다.
스테이플 척도는 중립값(0)을 중심으로 -5에서 +5까지의 연속적인 점수를 제공하여, 응답자가 특정 속성에 대한 평가를 강한 부정(-5)부터 강한 긍정(+5)까지 표현할 수 있도록 한다.
| 척도 유형 | 측정 방식 | 주요 특징 | 활용 예시 |
|---|---|---|---|
| 리커트 척도 | 5~7점 동의 수준 측정 | 쉬운 응답 방식, 보편적으로 사용됨 | 고객 만족도 조사 |
| 의미분화 척도 | 양극단의 형용사 선택 | 감정적 태도 측정, 브랜드 이미지 분석 | 브랜드 인식 조사 |
| 스테이플 척도 | 단일 형용사 긍정/부정 평가 | -5~+5 연속적 측정, 긍정/부정 감정 동시에 분석 가능 | 제품 평가, 광고 효과 분석 |
| 서스톤 척도 | 전문가 패널이 문항 가중치 부여 | 등간척도로 활용 가능, 신뢰도 높음 | 감정 평가, 브랜드 선호도 조사 |
3.5.2 맥콜스키 척도
맥콜스키(McClosky) 척도는 개인의 정치적 태도 및 민주주의에 대한 신념을 측정하기 위해 개발된 척도로, 주로 정치적 태도를 평가하는 데 초점을 맞춘다. 이 척도는 정치적 자유주의와 보수주의 사이에서 개인이 어디에 위치하는지를 분석하는 도구로 활용되며, 정치적 신념, 정부 개입에 대한 견해, 시민권 보호, 언론 자유, 법과 질서 등 다양한 정치적 개념을 평가하는 데 유용하다.
리커트 척도 5점/7점 척도를 사용하여 응답자가 각 진술에 대해 “강하게 반대(1)”에서 “강하게 동의(5)”까지의 수준을 선택할 수 있도록 구성된다.
3.5.3 사전 확률 척도
사전 확률 척도는 응답자가 특정 사건이 발생할 가능성을 직접 확률로 평가하도록 하는 척도이다. 이 척도는 0%에서 100%까지의 범위를 사용하여, 응답자가 얼마나 확신하는지를 수량적으로 표현할 수 있도록 설계되었다.
다음 질문에 대해, 해당 사건이 발생할 가능성을 0%에서 100% 사이에서 선택해 주세요.
“다음 선거에서 A 후보가 당선될 확률은 몇 %라고 생각하십니까?”
⬜ 0% ⬜ 10% ⬜ 20% ⬜ 30% ⬜ 40% ⬜ 50% ⬜ 60% ⬜ 70% ⬜ 80% ⬜ 90% ⬜ 100%
“내년 경제가 성장할 확률은 얼마나 된다고 생각하십니까?”
⬜ 0% ⬜ 10% ⬜ 20% ⬜ 30% ⬜ 40% ⬜ 50% ⬜ 60% ⬜ 70% ⬜ 80% ⬜ 90% ⬜ 100%
3.5.4 피시바인-아즈젠 태도 모델 Theory of Reasoned Action
태도와 행동의 관계를 설명하는 이론적 모델로 특정 행동에 대한 개인의 태도가 행동 의도(Behavioral Intention)에 어떻게 영향을 미치는지를 분석하는 데 사용된다.
피시바인-아즈젠 태도 모델의 수식
\[BI = (A)W_{1} + (SN)W_{2}\]
- BI (Behavioral Intention): 행동 의도
- A (Attitude): 개인의 태도
- SN (Subjective Norms): 주관적 규범
- W₁, W₂: 태도와 주관적 규범의 상대적 중요도 가중치
즉, 행동 의도는 개인의 태도(A)와 사회적 규범(SN)의 영향을 받아 형성된다.
행동 의도(BI) 측정 문항 예시 (전기차 구매)
- “나는 앞으로 6개월 이내에 전기차를 구매할 의향이 있다.” (1 = 전혀 없음, 5 = 매우 높음)
- “나는 전기차를 구매하는 것을 진지하게 고려하고 있다.” (1 = 전혀 그렇지 않다, 5 = 매우 그렇다)
- “전기차 구매를 위한 정보를 적극적으로 찾고 있다.” (1 = 전혀 그렇지 않다, 5 = 매우 그렇다)
- “내가 차량을 구매한다면, 전기차를 선택할 가능성이 높다.” (1 = 전혀 그렇지 않다, 5 = 매우 그렇다)
가중치 추정: 관심 집단 응답자의 응답결과 데이터를 이용하여 회귀추정하여 얻는다.
\(W_{1} > W_{2}\) → 행동 의도에 대한 태도의 영향력이 더 큼
\(W_{1} < W_{2}\) → 행동 의도에 대한 사회적 규범의 영향력이 더 큼
\(W_{1} \approx W_{2}\) → 태도와 사회적 규범이 비슷한 영향을 미침
3.5.5 감성 측정 척도
감성 측정(Emotional Measurement) 척도는 응답자의 감정 상태나 특정 대상에 대한 감성적 반응을 측정하는 방법이다. 감성은 단순한 긍정적/부정적 반응을 넘어 다양한 차원(예: 흥분, 즐거움, 불안, 신뢰, 공포 등)으로 세분화될 수 있다.
(1) 감성적 반응 척도 (Emotional Response Scale)
응답자가 특정 경험을 통해 느낀 감정을 평가할 수 있도록 설계된 척도이다. 특히 브랜드 이미지 조사나 UX/UI 연구 등에서 자주 활용된다.
“이 브랜드를 접했을 때, 다음 감정을 얼마나 강하게 느끼셨습니까?”
- 고급스럽다: 1(전혀 아님) ~ 7(매우 많이)
- 세련되다: 1(전혀 아님) ~ 7(매우 많이)
- 친근하다: 1(전혀 아님) ~ 7(매우 많이)
(2) PANAS 척도 (Positive and Negative Affect Schedule)
응답자가 특정 상황에서 느낀 긍정적 정서(Positive Affect)와 부정적 정서(Negative Affect)를 각각 독립적으로 측정할 수 있도록 설계된 심리 측정 도구이다.
이 척도는 일반적으로 20개의 감정 항목(긍정적 감정 10개, 부정적 감정 10개)으로 구성되며, 각 항목에 대해 응답자는 자신이 느낀 감정의 빈도나 강도를 5점 또는 7점 리커트 척도를 이용해 평가하게 된다.
PANAS 척도는 다음과 같은 분야에서 유용하게 활용된다.
- 광고 및 마케팅 연구: 광고를 본 후 소비자가 경험한 긍정적 감정과 부정적 감정을 측정하여 광고 메시지의 감정적 반응을 평가할 수 있다.
- 고객 경험 분석: 서비스 이용 후 고객이 느낀 다양한 감정 상태를 분석하여, 단순한 만족도 이상으로 감정 기반의 고객 반응을 정량화할 수 있다.
(3) SAM 척도 (Self-Assessment Manikin Scale)
감정 측정을 위해 시각적인 아이콘(만화형 사람 그림)을 사용하는 방식으로, 언어에 대한 의존도를 최소화한 비언어적 감성 측정 도구이다. 이는 정서 반응을 세 가지 차원에서 평가한다.
- 쾌-불쾌(valence): 얼마나 기분이 좋은지 또는 나쁜지를 나타냄
- 각성(arousal): 얼마나 흥분되었는지 또는 평온한지를 나타냄
- 지배감(dominance): 상황을 통제하고 있다고 느끼는 정도
주요 특징 및 활용
- 언어 장벽 극복: 글을 해석할 필요가 없어 어린이, 비문해자, 다문화권 등 언어적 제약이 있는 대상에게 적합하다.
- UX/UI 디자인 평가: 사용자가 웹사이트나 애플리케이션을 사용할 때 느낀 감정 상태를 직관적으로 측정 가능하다.
- 제품 또는 서비스 만족도 조사: 소비자가 제품 사용 후 느낀 감정을 시각적으로 평가함으로써 감정 기반 만족도를 파악할 수 있다.
“이 제품을 사용한 후 기분은?”
😃 😐 😢 (행복 → 슬픔)
⚡ 🔋 💤 (흥분 → 차분)
(4) Plutchik’s 감정 휠 (Plutchik’s Emotion Wheel)
심리학자 로버트 플러칙(Robert Plutchik)이 제안한 감정 이론으로, 인간의 감정을 8가지(기쁨, 신뢰, 공포, 놀람, 슬픔, 혐오, 분노, 기대) 기본 감정으로 구분하고 이들 간의 관계를 시각적인 원형 구조로 표현한 모델이다.
이 감정들은 서로 반대되는 쌍으로 구성되어 있으며, 감정 간의 혼합과 강도 변화를 통해 복합적인 감정 상태를 설명할 수 있다.
- 기쁨 + 신뢰 → 사랑
- 공포 + 놀람 → 경외감(Awe)
- 분노 + 혐오 → 경멸(Contempt)
활용 분야
- 소비자 심리 연구: 광고, 브랜드, 패키징 등 소비자가 어떤 감정을 느끼는지를 감정 휠을 통해 분석할 수 있다.
- 정신 건강 연구: 스트레스, 불안, 우울감 등의 감정 변화를 감정 휠 구조 내에서 시각적으로 추적할 수 있어, 심리치료, 상담, 감정일기 분석 등에서 활용된다.
- 교육 및 자기이해 도구: 학습자나 환자가 자신의 감정을 더 정교하게 인식하고 표현할 수 있도록 돕는다.
“이 브랜드를 접했을 때, 어떤 감정을 느끼셨습니까?”
➡️ 선택: 기쁨 😊 / 신뢰 🤝 / 기대감 😍 / 실망 ☹️