여론조사를 할 때 많이 쓰는 방법이 5점이나 7점으로 의견을 수량화해서 묻는 방식입니다. 응답하기도 편하고 수치화하여 분석하거나 해석하기도 편하기 때문이죠 1점~5점으로 바로 물어보기도 하고 '매우 불만은 1점', '불만은 2점', '보통은 3점' 이렇게 수치에 의미(기준)을 함께 설명해 주기도 합니다. 응답자의 주관적인 평가에 어느 정도 기준을 제시하기 위한 방법입니다. 그런데 말입니다. 언론에서 발표되는 만족도 조사를 보면 우리 기관이 90점 맞았다 80점 맞았다고 홍보하는 경우를 흔치 않게 볼 수 있습니다. 잉? 나는 5점으로 응답했는데 어떻게 100점으로 결과가 나오지? 궁금하지 않으셨나요? 오늘은 5점 척도를 어떻게 100점으로 환산하는지 환산식을 설명하겠습니다. 조사(조사원 조사진행)에서는 5점이나 7점 척도로 응답을 받은 후 분석 단계에서 100점 만점으로 환산을 합니다. 주로 만족도 조사에서 이런 방식을 많이 사용합니다. 이유는 일반인들이 이해하기 편하기 때문이죠. 우리 서비스가 '4점으로 만족한다는 평가를 받았습니다'라고 말하는 것보다 '100점 만점에 75점입니다.'라고 표현하는 게 일반인들의 이해도 편하고 홍보도 편하겠죠? (사실 기관 내부에서 의사결정하시는 분들도 이해가 편하기 때문에 100점 만점으로 변환해서 보고하는 것 같아요.) 100점 만점 형태로 만족도를 표현하는 다른 나라는 못 본 것 같아요. 아마도 우리나라가 초. 중. 고 학창 시절 점수를 100점 만점으로 평가하기 때문에 사용하게 된 관행이 아닐까 추측해 봅니다. 굳이 추측까지 말씀드리는 이유는 100점 환산에 치명적인 단점? 문제점? 이 있기 때문입니다. 5점 척도를 예를 들어 보통은 50점으로 환산됩니다. 0점과 100점의 딱 중간 점수이죠 하지만 우리가 일상적으로 생각했을 때 100점 만점에서 50점이 중간 점수라는 일반적으로 생각할까요? 수학시험에서 50점을 받았다면 좋은 점수를 받았다고 보기 힘들 거예요. 그런데 만족도조사에서 50점은 보통 정도 수준으로 평가받았다고 볼 수 있습니다. 그런데 50점이 낮은 점수로 인지되죠. 모두 최고가 될 수는 없잖아요? 보통 정도가 나쁘지는 않은 수준 아닐까요? 이런 인식과 평가점수의 차이 때문에 평가받는 기관의 과열경쟁이나, 가끔씩 (사실은 자주) 들리는 기획재정부 만족도 평가의 조작 문제들이 나오는 게 아닌가 생각합니다. 음.. 너무 멀리 갔네요. 5점척도를 100점으로 환산할 때 원칙은 간단합니다. 가장 부정 평가는 0점, 가장 긍정 평가는 100점으로 설정하고 중간은 동일한 간격(등간격)으로 수치를 나누어 배점을 합니다. 이 원칙은 척도 수가 많거나 작아져도 동일해요. 엑셀로 환산하는 방법까지 아래 그림으로 알려드리겠습니다. 자체 조사를 하시고 싶은 분들에게 도움이 되시길 바랍니다. 한 가지만 주의해 주세요. 앞서 말씀드렸듯이 만족도의 100점은 이해의 편의를 높이기 위해 사용하는 변환 방식입니다. 만족도나 평가가 아닌 다른 척도를 100점으로 변환하는 것은 조금 어색할 수 있겠죠? 예를 들어 "동의한다. 점수가 100점입니다."라는 표현은 좀 이상하죠. 비율(%)이 더 적당한 것 같다고 생각합니다. 보고서를 작성하시는 분들이 판단할 문제입니다. 수식이 이해되지 않으시면 100점 배점에 있는 점수를 사용하셔도 됩니다. (문항 예시) 문1. 귀하는 전반적인 서비스에 대하여 전반적으로 얼마나 만족 또는 불만족 하십니까? #100점환산 #100점 #5점척도 #7점척도 #매우만족 #만족도 #만족도조사 #현대리서치 #현대리서치연구소 #환산 #100점만점 #설문조사 리커트 척도를 통해 수집한 자료를 분석할 때, 사소하지만 종종 고민되는 부분이 있습니다. 통계분석을 위한 수치를 계산할 때 합산을 할 것인지, 아니면 평균을 낼 것인지 헷갈린다는 것입니다. 통계를 어느 정도 잘 아는 분이라면, 척도의 단위는 통계 검증 결과에 영향을 미치지 않는다는 것을 이해하고 있을 것입니다. 그렇지만 어떻게 자료를 처리하는지에 따라 해석도 달라집니다. 오늘은 바로 그 부분에 대해서 다뤄볼 예정입니다. 리커트 척도(likert scale)은 응답자가 질문에 대해 얼마나 동의하는지 물어보는 척도로, 각종 설문조사에서 자료를 수집할 때 많이 사용하는 방법입니다. 이 척도의 대표적인 특징은 응답 범주(예, '그렇다', '아니다')에 서열성이 있어야 한다는 것입니다. 아래와 같은 설문 방식이 한 사례가 되겠습니다.
 위의 예는 4점 리커트 척도로, 응답 범주를 '전혀 그렇지 않다(1점)', '그렇지 않다(2점)', '그렇다(3점)', '매우 그렇다(4점)'로 구분한 것입니다. (제 경험상) 가장 흔히 쓰이는 예는 5점 리커트 척도로 이 경우에는 응답범주를 다음과 같이 구분합니다: '전혀 그렇지 않다(1점)', '그렇지 않다(2점)', '보통이다(3점)', '그렇다(4점)', '매우 그렇다(5점)'. 대체적으로 점수가 높을 수록 '그렇다' 혹은 '매우 그렇다'로 코딩을 하는 경향이 있습니다. 설문 자료를 다 코딩하게 되면 이런 형식으로 자료를 정리할 수 있을것입니다. 각 행에는 한 참가자가 개별 문항(예, 인터넷 사용으로 인해 학교 성적(업무 실적)이 떨어졌다)에 어떻게 답했는지 정보를 입력하게 되겠죠. 이렇게 자료를 다 입력했다고 가정하고, 본격적으로 오늘 다룰 얘기로 넘어가 보겠습니다.
자, 이제 자료를 다 입력했으니 의미있는 수치로 변환하기 위해 합산 혹은 평균을 해야 할 차례입니다. 여기서, 종종 고민을 하게 될 것입니다. "더할까?" 아니면 "평균을 낼까?" 사람마다 취향이 다르겠지만, 제가 드리는 팁은 "자료를 용이하게 해석할 수 있는 방법"을 택하라는 것입니다. 이를 좀 더 자세히 설명을 드려보겠습니다. 우선, 진단점(cutoff)이 존재하는 척도라면 무조건 합산을 하라고 권장하고 싶습니다. 이 경우에는 특정 점수를 넘었는지 혹은 넘지 못했는지에 따라 자료를 해석하는 방법이 완전히 달라지기 때문입니다. 가령 맨 위에 보여드린 설문지('성인 인터넷중독 자가진단 척도')의 경우에는 진단점이 존재합니다. 총점이 42점이 넘어가거나 요인 점수가 특정 점수 이상인 경우에는 '고위험 사용자군'으로 진단하고, 그보다 약간 낮으면 '잠재적 위험 사용자군', 그보다 더 낮으면 '일반 사용자군'으로 정의를 내립니다. 위의 사례처럼 진단이 목적인 설문지를 사용할 때 평균을 내는 것은 해석을 제한하게 하는 요인일 것입니다. 이 그러면, 평균은 언제 내는 것이 좋을까요? 진단점이 없고, 합산보다 평균을 의미있게 해석할 수 있을 때 사용하라고 권장드리고 싶습니다. 아래의 설문지가 그 예입니다.
이윤희 (2014). 청소년의 기질과 게임 이용동기가 게임 몰입과 중독에 미치는 효과. 계명대학교 심리학과 석사학위 청구 논문. 이 설문지는 5개의 게임 동기 요인을 측정하는 5점 리커트 척도의 문항으로 구성되어 있습니다. 각 요인(예, 현실도피 동기, 공격 동기)이 얼마나 높은지/낮은지 평가하는 절단점이 따로 없습니다. 이때는 평균을 내는 것이 합산하는 것보다 더 의미가 있다고 생각합니다. 예를 들어, 5점 리커트 척도 10문항에서 얻어진 점수의 총 합이 39라고 가정을 해보죠. 여기서 39라는 점수는 해석하기가 어렵습니다. 그러나, 평균을 내서 3.9라는 점수로 변환했을 때는 얘기가 달라집니다. 5점 리커트 상에서 3.9라는 수치는 '보통이다'보다는 높을 가능성이 있습니다. 이를 단일 표본 t-검증을 통해 특정 점수(예, 3점)보다 높은지 혹은 낮은지 검증함으로써 사람들의 반응이 (주관적인 기준에서) 보통 이상/이하인지 아닌지를 검증할 수 있다는 이점이 있습니다.
앞의 예에서는 절단점을 기준으로 합산을 할것인지, 평균을 낼 것인지를 구분할 수 있다고 말씀드렸는데 그 기준이 절대적이지는 않습니다. 대표적인 사례를 꼽아보라면 '성격 질문지'입니다. 성격은 개인마다 독특한 성질이다보니 질문지에서 얻어진 점수를 평균하는 것이 크게 의미가 없을 수 있습니다. 가령, 5점 리커트 척도에서 얻어진 외향성 점수가 3점을 초과한다고 해서 이 사람이 외향적인 사람이라고 단정짓기는 무리가 있다는 것이죠. 그러다 보니 저도 학위논문을 쓸 때 성격 점수와 특정 두뇌 영역의 활동 수준과 상관분석을 할 때, 평균을 내지 않고 합산해서 점수를 사용했습니다. 여기서는 '외향성이 높다' 혹은 '낮다'와 같은 절대적인 기준을 적용할 수 없기에 평균을 내지 않았습니다.
정호진 (2016). Gray의 행동 체계 민감성의 개인차와 휴지기 두뇌의 내재적 활동 간 관계. 강원대학과 심리학과 석사학위 청구 논문. 결론을 내리면, 늘 같은 얘기지만 데이터를 처리할 때는 '분석 목적'을 고려해야 한다는 것입니다. 내가 어떤 목적으로 이 자료를 수집했으며, 연구 질문에 답하기 위한 최선의 방법이 무엇인지 끊임없이 고민을 해야 합니다. 아무리 화려한 분석 방법을 사용했다고 할지라도 그것이 목적에 부합하지 않는 것이라면 의미가 없습니다. 지금까지 논문을 쓰면서 자료를 왜 평균을 내지 않고 합산을 했는지 혹은 합산하지 않고 평균을 냈는지와 관련하여 지적을 받은 적은 없었지만 '과학자'로서 자료가 갖고 있는 의미를 가능한 많이 끄집어내서 해석할 수 있는 사람이 되고 싶다면 한번쯤은 생각해볼 법한 주제라고 생각합니다. |
리커트 5점 척도 계산 - likeoteu 5jeom cheogdo gyesan
관련 게시물
저작권 © 2024 ihoctot Inc.
