설문 변수 유형(연속·리커트·범주형), 어떻게 구분하고 왜 중요한가요?

변수 유형이 무엇인가요?

변수 유형(측정 수준)은 그 변수의 값으로 무엇을 계산해도 되는지를 정하는 구분이에요. 값이 이름표일 뿐인지(전공), 순서가 있는지(학년), 값 사이의 간격까지 뜻이 있는지(나이)를 봐요. 그에 따라 평균을 내도 되는지, 순서를 따질 수 있는지, 몇 명인지 셀 수만 있는지가 달라져요. 분석 방법은 이 유형에 따라 정해지기 때문에, 유형이 맞아야 그다음 결과를 해석할 수 있어요.

샘플 데이터(대학원생 설문, 응답자 180명)의 열 몇 개를 시트에서 보이는 대로 보면 다음과 같아요.

같은 표 안에 있어도 열마다 값의 성격이 달라요. 성별은 두 갈래뿐이에요. 전공은 이름표라 순서가 없어요. 학년은 순서가 있지만 간격이 같다고 볼 수 없어요. 나이는 숫자 그대로 크기를 재요. 「나는 학업 때문에 스트레스를 받는다」에 1~5점으로 답한 학업스트레스1은 리커트 문항이고, 강의_좋은점은 글로 적은 주관식이에요.

숫자로 저장돼 있다는 사실이 유형을 정하지는 않아요. 샘플 데이터의 학년은 1~4 숫자로 들어 있어서 평균을 계산할 수는 있고, 그 값은 2.53이에요. 그런데 「2.53학년」은 해석하기 어려워요. 1학년과 2학년의 차이가 3학년과 4학년의 차이와 같다고 보기 어렵기 때문이에요. 반면 수면시간의 평균 6.96시간은 뜻이 있어요. 숫자 사이의 간격이 뜻이 있는지가 유형을 정해요.

어떤 유형이 있나요?

통계학에서는 Stevens(1946)의 네 가지 척도, 명목·서열·등간·비율로 나눠요. 명목은 이름표만 있고, 서열은 순서가 있고, 등간은 값 사이 간격이 같고, 비율은 절대 0점까지 있는 수준이에요. 설문 분석에서는 등간과 비율을 구분해 다른 방법을 쓰는 일이 드물어서(Field, 2018) 둘을 묶어 숫자형으로 봐요. 여기에 리커트 문항·2집단·주관식·식별자를 따로 두면 설문 데이터의 열이 빠짐없이 나뉘어요. 연구친구의 변수표도 이 일곱 가지로 유형을 보여드려요.

샘플 데이터의 변수 34개를 이 기준으로 나누면 식별자 1개, 2집단 3개, 숫자형 5개, 명목형 1개, 서열형 1개, 리커트 문항 22개, 주관식 1개예요.

리커트 문항은 왜 따로 두나요? 「전혀 그렇지 않다」부터 「매우 그렇다」까지 순서가 있는 답이라 엄밀히는 서열이에요. 그런데 사회과학에서는 같은 개념을 묻는 문항 여러 개를 평균이나 합으로 묶은 척도 점수를 등간 변수처럼 다뤄 평균·상관·회귀에 쓰는 것이 관례예요(Norman, 2010; Carifio & Perla, 2007). 샘플 데이터의 학업스트레스 척도 점수(4문항 평균)는 M = 3.31, SD = 0.94(N = 180)이고, 분석에 들어가는 값은 문항 하나가 아니라 이 점수예요. 묶지 않은 문항 하나는 순서형으로 봐요.

유형이 분석을 어떻게 정하나요?

분석마다 받아들이는 변수 유형이 정해져 있어요. 두 집단의 평균을 비교하는 t검정은 집단을 나누는 변수가 2집단이어야 하고, 평균을 낼 측정 변수는 숫자형이어야 해요. 상관과 회귀는 숫자로 크기를 잴 수 있는 변수를 받아요. 유형이 맞지 않는 변수는 그 분석에 넣을 수 없고, 억지로 넣으면 계산은 되더라도 결과가 뜻이 없어요.

2집단 변수는 0과 1로 코딩해 계산해요. 샘플 데이터의 성별은 남 = 0, 여 = 1이에요. 상관계수와 회귀계수의 부호는 이 코딩을 기준으로 읽어요. 예를 들어 회귀에서 성별의 계수가 양수면, 다른 독립변수가 같을 때 남성(0)보다 여성(1)의 종속변수 평균이 높다는 뜻이에요. 그래서 논문에도 어느 쪽이 1인지 적어요.

범주가 3개 이상인 명목형 변수는 그대로 넣을 수 없어요. 전공(교육·심리·사회복지·유아교육)은 순서가 없어 상관계수를 계산해도 뜻이 없고, 집단이 넷이라 t검정의 집단 변수도 될 수 없어요. 두 전공만 비교하려면 나머지 범주를 결측으로 처리해 2집단으로 만들어요. 이때는 미리 정한 한 쌍만 비교해요. 쌍을 바꿔 가며 여러 번 검정하면 우연히 유의한 결과가 나오기 쉬워요. 세 집단 이상을 한 번에 비교하려면 분산분석을 써요. 회귀에 넣으려면 기준이 될 범주 하나를 정하고 나머지 범주마다 0/1 더미변수를 만들어요. 더미변수의 개수는 범주 수보다 하나 적어요(Field, 2018). 분산분석과 더미변수는 연구친구에 순차 추가 예정이에요.

반대로 숫자형 변수를 집단으로 나눠 t검정에 쓰고 싶다면 구간 변수를 만들어요. 구간이 2개면 2집단, 3개 이상이면 서열형으로 다뤄요. 다만 숫자를 구간으로 나누면 정보가 줄어 검정력도 함께 낮아져요(MacCallum et al., 2002). 연구 문제가 집단 비교일 때만 나누고, 그 밖에는 숫자 그대로 상관·회귀에 넣어요.

자주 헷갈리는 경우는 무엇인가요?

유형을 정할 때 자주 헷갈리는 경우는 다음 다섯 가지예요.

• 숫자로 코딩한 범주. 전공을 1 = 교육, 2 = 심리, 3 = 사회복지로 입력했다면 숫자처럼 보여도 명목형이에요. 2가 1보다 크다는 뜻이 없고, 이 숫자의 평균도 아무 뜻이 없어요. 업로드하면 숫자 열로 읽히기 쉬우니 변수표에서 유형을 확인해요. 연구친구에서 숫자 열로 읽힌 변수는 표에서 숫자형과 리커트 사이로만 바꿀 수 있어요. 명목형으로 다뤄야 하는 열이라면 값을 「교육·심리·사회복지」처럼 이름으로 적어 올리는 편이 확실해요.
• 학년은 서열형인가요, 숫자형인가요? 1~4학년은 순서가 있지만 1학년과 2학년의 차이가 3학년과 4학년의 차이와 같다고 볼 수 없어 서열형으로 봐요. 샘플 데이터 학년의 평균 2.53은 계산은 되지만 해석하지 않고, 학년별 인원(1학년 39명, 2학년 53명, 3학년 42명, 4학년 46명)이나 중앙값으로 설명해요.
• 리커트 문항 하나와 척도 점수. 학업스트레스 1번 문항 하나(M = 3.26, SD = 1.13)는 순서형이고, 같은 개념의 문항 4개를 평균한 척도 점수(M = 3.31, SD = 0.94)는 숫자형처럼 다뤄요. t검정·상관·회귀에 넣는 값은 문항이 아니라 척도 점수예요.
• 나이와 나이대. 만 나이를 숫자로 적게 했으면 숫자형이고, 「20대 / 30대 / 40대」에서 고르게 했으면 서열형 범주예요. 숫자로 받은 나이는 나중에 구간으로 나눌 수 있지만, 구간으로 받은 나이대는 숫자로 되돌릴 수 없어요.
• 예/아니오 문항. 장학금 수혜 여부, 아르바이트 여부처럼 답이 둘뿐이면 2집단이에요. 「예 / 아니오 / 모름」처럼 세 번째 답이 있으면 명목형 3범주라, 모름을 결측으로 처리해야 2집단으로 분석할 수 있어요.

논문에는 뭐라고 쓰나요?

측정도구나 변수 설명 절에 변수마다 다음 세 가지를 적어요. 독자가 유형을 알아야 뒤에 나오는 분석이 맞는지 판단할 수 있어요.

1. 측정 방법과 유형. 숫자로 직접 적게 했는지, 보기에서 고르게 했는지, 몇 문항을 몇 점 리커트로 물었는지 적어요.
2. 코딩. 2집단 변수는 어느 쪽을 0으로, 어느 쪽을 1로 했는지 적어요. 명목형 변수는 범주 목록을 적어요.
3. 범위와 단위. 숫자형은 단위(만 나이, 시간, 만원)를, 리커트는 점수 범위(1~5점)와 척도 점수를 평균으로 냈는지 합으로 냈는지 적어요.

결과의 기술통계표에서는 숫자형과 척도 점수는 M과 SD로, 범주형은 빈도와 백분율(n, %)로 적어요(APA, 2020). 아래 「논문에 쓰는 문장」은 샘플 데이터의 숫자로 쓴 예예요. 변수 이름과 숫자만 바꿔 쓰면 돼요.

논문에 쓰는 문장

자주 묻는 질문

참고 자료

• Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103(2684), 677–680. · 명목·서열·등간·비율 네 가지 척도와 각 수준에서 허용되는 계산
• Norman, G. (2010). Likert scales, levels of measurement and the "laws" of statistics. Advances in Health Sciences Education, 15(5), 625–632. · 여러 문항을 합친 리커트 척도 점수를 등간 변수처럼 다뤄 모수 통계를 써도 된다는 근거
• Carifio, J., & Perla, R. J. (2007). Ten common misunderstandings, misconceptions, persistent myths and urban legends about Likert scales and Likert response formats and their antidotes. Journal of Social Sciences, 3(3), 106–116. · 리커트 문항 하나(서열)와 여러 문항을 합친 척도(등간 근사)의 구분
• Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). Sage. · 측정 수준에 따른 분석 선택, 2집단 0/1 코딩과 명목형 변수의 더미변수
• MacCallum, R. C., Zhang, S., Preacher, K. J., & Rucker, D. D. (2002). On the practice of dichotomization of quantitative variables. Psychological Methods, 7(1), 19–40. · 연속 변수를 구간으로 나눌 때의 정보·검정력 손실
• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). · 기술통계 표기(M, SD, n, %) 관례

함께 보기

• 나이·공부시간 같은 숫자 변수를 구간으로 나누는 기준은 무엇인가요?
• 리커트 척도 점수, 어떻게 만드나요?
• 리커트 척도 역채점, 어떻게 하나요?