|
◈ 데이터(Date)란?
어떤 결론을 내리는데 있어서 근거가 될 수 있는 모든 사실을 통칭하여 데이터(자료)라고 한다.
데이터는 숫자, 문자, 화상, 소리 등의 형태로 표현될 수 있지만 데이터 분석에서는 주로 수치
데이터를 대상으로 한다.
이렇게 어떤 현상에 대해 수치를 부여하는 과정을 ‘수치화’ 라고 한다.
◈ 측정의 표준
측정수준(level of measurement)이란 어떤 변수에 대한 속성들에 할당된 변수값들의 관계를
의미한다. 그러면 변수값들의 관계란 무엇을 의미하는 것인가? 예를 들어, “건강상태”라는
변수를 생각해 보자. 응답자들이 응답할 수 있는 건강상태는 여러 가지 척도로 응답할 수 있으나
여기에서는 “나쁘다”, “보통이다”, “좋다” 등으로 응답할 수 있다고 가정하면, 각각의 3가지 종류의
건강상태는 속성들이라고 할 수 있으며, 이러한 속성들에 숫자를 부여하는 과정을 수치화라고
한다. 이렇게 수치화 과정을 통하여 부여된 각 숫자를 변수값이라고 한다. 이러한 변수값들이
가지는 상호관계를 측정수준이라고 하며, 이 측정수준에 따라서, 즉 수치화된 변수값들 간의
관계에 따라 명목척도(nominal scale), 서열척도(ordinal scale), 등간척도(interval scale),
비율척도(ratio scale)등으로 나누어 진다.
◈ 측정 수준에 따른 정보량
상기 4종류의 데이터는 명목척도, 서열척도, 등간척도, 비율척도의 순으로 데이터가 갖고 있는
정보의 수준이 높아지므로 보다 정밀한 통계분석방법을 적용시킬 수 있다. 그러므로 분석자는
보다 정밀한 분석방법을 적용시킬 수 있도록 하기 위하여 비율척도나 등간척도를 사용하기를
원할 것이다. 그러나 비율척도나 등간척도는 응답자로부터 정확한 응답을 얻기가 어렵거나
불가능한 경우가 많고, 가능하다 하더라도 신뢰성이 높은 척도를 개발하기가 쉽지 않다.
이에 반해 서열척도나 명목척도를 이용한 측정은 설문에 대해 응답자의 협조를 얻기가 쉬운
장점이 있으나 적용할 통계적 분석방법에 한계가 있으므로 조사 분석자는 수집될 자료의
질적인 문제뿐만 아니라 응답자의 협조가능성 등을 고려하여 적절한 척도를 선정하여야 한다.
◈ 척도에 따른 데이터의 종류
|
척도 |
기본특성 |
일상적인 |
허용되는 통계량 |
|
활용사례 |
기술통계 |
추론통계 |
|
명목척도 |
숫자를 확인하고 대상을 분류 |
주민등록번호
선수의 등 번호
성별, 주거지 |
퍼센트(%)
빈도 |
카이스퀘어
이변량검정 |
|
(Nominal) |
| |
|
서열척도 |
대상의 상대적 위치를 지정
(단, 대상들간의 크기나 차이는 없음) |
품질 순위
석차
선호도 |
퍼센트(%)
중앙값 |
순위상관
ANOVA |
|
(Ordinal) |
|
|
|
구간척도 |
비교된 대상물의 차이,
영점(Zero)은 임의적으로 정해짐 |
온도 |
범위
평균
표준편차 |
가설검정 |
|
(Interval) |
|
|
|
비율척도 |
절대 영점이 존재하고,
척도값 비율을 계산하여 이용 |
길이
무게 |
기하학적 평균
조화평균 |
분산의 계수 |
|
(Ratio) |
|
0
Comments
