변수 유형

이번 시간에는 변수의 여러가지 종류에 대해서 살펴보도록 할텐데요. 우리가 변수가 어떻게 측정되었는지 이런 것을 나타내는 것을 스케일이라고 합니다. 그 스케일이 한국말로 하면 척도가 되죠. 그 중에서 명목척도라는 것은 어떤 값이 분류 내지 식별을 위한 의미밖에 없는 척도를 의미합니다. 예를 들자면 아래 설문 문항과 같이 이런 설문 문항 여러분들이 하게 됩니다. 첫 번째, 귀하의 성별은 어떻게 됩니까라고 하면 1번 남자, 2번 여자. 이 때 2번이 1번보다 낫다. 이런 말을 할 수가 없죠. 1번, 2번은 단순히 남자, 여자를 구분하기 위해서 사용하는 척도입니다. 2번도 보시면 거주지는 어디십니까? 1번 서울, 2번 부산, 3번 대구, 4번 광주. 대구가, 아니면 광주가 서울보다 더 낫다라고 말하기는 어렵죠. 왜냐하면 이거는 단순히 지역을 구분하기 위해서 사용된 척도이기 때문입니다. 3번, 직업은 어떻게 되십니까? 마찬가지로 1번, 2번, 3번이, 자영업이 회사원보다 더 우월하다 이런 의미는 아니죠. 직업을 구분하기 위해서 우리가 1, 2, 3이라는 척도를 사용한 겁니다. 그래서 이럴 때, 명목척도일 때는 그것을 요약하기 위해서 가장 많이 활용하는 게 최빈값입니다. 예를 들어서 10명의 피험자 중에서 2명이 여자고 8명이 남자다. 그랬을 때 여성을 0으로 코딩하고 남성을 1로 코딩했다면 이때 최빈값은 1이 되는 거죠. 혹은 여성 20%, 남성 80% 이런 식으로 요약하기도 합니다. 그래서 명목 척도는 우리가 최빈값으로 요약을 하거나 퍼센트로 요약을 할 수 있다라고 이해하시면 될 것 같습니다. 그다음에 순위형 척도에 대해서 살펴보도록 하겠습니다. 순위형 척도는 영어로 ordinal scale이라고 하고요. 측정 대상간의 순서 내지 서열을 나타내기 위해서 사용하는 척도라고 이해하시면 될 것 같습니다. 예를 들어서 질문이 '당신은 사과, 오렌지, 바나나 중에 어떤 것이 가장 좋은지 순서대로 나열해보세요.'라고 한다면 피험자가 예를 들어서 1번이 사과, 2번 오렌지 3번 바나나라고 했다고 가정을 해봅시다. 그러면 이때 1, 2, 3은 단순히 구분하는 것 이외에 어떤 의미가 더 있죠? 서열을 같이 나타낼 수가 있죠. 그래서 1번이 2번보다 더 선호가 되는 것. 그리고 3번이 2번보다 덜 선호가 되는 것. 이렇게 우리가 의미를 부여할 수 있다라는 거죠. 하지만 이 의미가 내가 오렌지를 사과의 1/2만큼만 좋아해. 이렇게 말할 수는 없죠. 단순히 순위정도만 말한 거죠. 사과가 첫 번째로 좋아하는 거고 오렌지가 두 번째, 바나나 세 번째. 그래서 이때 순위형 척도는 단순히 순서 내지 서열만을 나타낸다. 라고 이해를 하시면 될 것 같습니다. 좀 더 살펴보자면 순위형 척도의 대표적인 게 리커트 스케일입니다. 리커트 스케일이라고 앞으로 많이 보실텐데, 예를 들어서 이런 질문이 있다고 가정해볼게요. 굴에 대한 선호도는 어느 정도입니까? 라고 물어본다면 1번 매우 싫음, 2번 싫음, 3번 보통, 4번 좋음, 5번 매우 좋음 하면 이때 어떤 피험자가 5번이라고 선택을 했다면 5번은 4번보다 더 좋아한다는 거죠. 굴을 더 좋아한다는 겁니다. 3번을 선택한 사람은 4번보다 덜 좋아한다는 의미가 되는 거고요. 그래서 이렇게 리커트 스케일은 기본적으로 선호도에 대한 정보를 담고 있다고 이해하시면 되고 이런 순위형 척도는 우리가 그 데이터를 요약하기 위해서 주로 중앙값, 혹은 최빈값을 사용합니다. 예를 들자면 여기에서 피험자들이 가장 많이 응답한 값이 보통이라고 한다면 이건 최빈값이 되겠죠. 혹은 우리가 100명의 피험자의 응답을 쭉 큰 것에서부터 작은 것까지 세워놓는다면 거기에 딱 중간에 위치하는 값이 3이라고 한다면, 보통이라고 하면 이것도 중심화 경향치가 될 수 있겠죠. 그래서 순위형 척도에는 그 순위형 척도를 요약하기 위해서 중앙값이나 최빈값을 요약치로 사용한다고 이해해두시면 됩니다. 그다음에 등간 척도라고 있습니다. 등간 척도라는 것은 이름에서 어떤 척도인지 알 수 있는데요. 등간, 영어로는 interval 척도라고 합니다. 인터벌 척도라고 하는데 측정치에 부여된 수의 간격이 동일하다는 의미입니다. 그렇기 때문에 수의 연산이 가능하고요. 앞에서는 단순히 선호도만을 나타냈지 두 배 좋아한다, 세 배 좋아한다, 이렇게는 말 못한다고 했는데 등간척도를 사용하게 되면 기본적으로 수의 연산이 가능해집니다. 하지만 0의 의미가 절대적인 의미가 될 수 있는 것이 아니라 상대적인 특징을 가지고 있습니다. 등간척도의 예가 기온, 물가지수, 리커트 스케일. 리커트 스케일은 조금 있다가 더 심도있게 얘기해보고요. 일단 기온 같은 경우는 0도가 기온이 없는 거라고 말할 수 없죠. 단순히 기온을 수치화하다 보니까 0이라는 게 중간에 걸렸어요. 그렇다고 해서 기온의 부재, 기온의 무의 상태를 나타내는 게 아니라는 겁니다. 물가지수도 마찬가지고요. 따라서 0의 의미는 절대 영점이 아니라 상대적인 0이다, 라고 이해를 하시면 될 거 같고 리커트 스케일 같은 경우는 앞서서 우리가 엄격하게 보자면 순위형 척도로 분류하는 게 맞지만 관용적으로 굉장히 많은 경우에 리커트 스케일을 등간척도로 같이 혼용해서 사용하기도 합니다. 그래서 이 때는 1, 2, 3, 4, 5가 같은 간격이다. 등간격이다라고 간주를 하고 분석을 하는 거예요. 그래서 리커트 스케일 같은 경우는 조금 예외가 되겠습니다. 어떻게 우리가 그것을 보느냐, 5점을 어떻게 보느냐에 따라서 순위형 척도가 되기도 하고 실제로 분석에서 많이 쓰이는 등간척도로 분류되기도 합니다. 그래서 이런 등간척도를 요약하기 위해서 가장 많이 쓰는 요약치는 평균입니다. 아마 평균이 가장 많이 쓰이고요. 그다음 중앙값과 최빈값도 경우에 따라서 사용하기도 합니다. 그다음 마지막으로 비율 척도에 대해서 살펴보겠습니다. 비율 척도라는 것은 영어로 ratio scale이라고 합니다. 이름에서도 알 수 있듯이 비율 척도는 앞에 말한 등간 척도의 특성을 모두 다 포함하고 뿐만 아니라 추가로 0은 절대 영점 무의 의미를 가지는 그런 척도입니다. 그래서 절대영점이라는 것이 존재하고요. 이 비율척도를 요약하기 위해서 가장 많이 사용되는 것은 마찬가지로 평균입니다. 그다음 때에 따라서 중앙값, 최빈값 등이 사용되고 있고요. 여러분이 비율 척도와 등간척도를 많이 구분 안하는 이유가 실제로 SPSS는 순서형, 명목형 척도 외에 비율척도와 등간척도를 하나의 연속형 척도로 간주를 해서 그렇게 분석을 합니다. 이거는 우리가 한 마디로 개념적인 구분이 그렇다 뿐이지 실제적으로, 수치적으로 구분할 때는 이런 개념적인 구분이 그다지 필요가 없기 때문에 SPSS는 그냥 연속형 변수로 간주해서 분석이 진행이 됩니다. 요약을 하자면 일반적으로 범주형 척도라고 하는 큰 분류에서 우리가 볼 수 있는 거는 명목척도고 순서형 척도입니다. 그리고 연속형 척도라고 우리가 볼 수 있는 것은 기본적으로 등간척도, 비율척도고 때에 따라서는 순서형 척도가 가능합니다. 대표적인 예로 리커트 스케일을 들었죠. 아까 전에 말씀드렸죠. 리커트 스케일에서 1, 2, 3, 4, 5를 어떻게 보느냐. 엄밀하게 보면 순서형 척도가 맞지만 우리가 그냥 등간격으로 이해하겠다라고 간주하면 등간척도로 분류되기도 합니다. 그렇기 때문에 순서형 척도는 어떻게 그것을 해석하느냐, 바라보느냐에 따라서 연속형으로 간주되기도 하고 아니면 범주형으로 분류되어서 교차분석같은데 그냥 범주로써 사용되기도 합니다.