구성개념 타당성은 동일개념을 다른 방법을 측정했을 경우의 상관성 정도를 의미하는 수렴적 타당성과 다른 개념에 대해 동일한 측정방법 혹은 다른 측정방법을 적용했을 경우 측정값의 차별화정도를 의미하는 차별적 타당성으로 분류할 수 있습니다. 차별적 타당성은 다변량 분석 중 요인분석을 통해 파악할 수 있습니다. 요인분석은 항목들 간의 상관관계가 높은 것끼리 묶어 공통요인을 추출하는 분석방법입니다. 일반적으로 항목의 요인적재값(factor-loading) 즉 항목 중 상위요인이 설명하는 부분이 0.6이상이면 해당요인에 속하는 것으로 판단합니다. 요인분석을 통해 원래 의도한대로 하나의 개념으로 분류한 항목들이 동일한 요인으로 잘 묶이고 다른 개념으로 분류한 항목들은 다른 요인으로 묶이면 타당성이 있는 것으로 판단하게 됩니다. 다만 요인분석은 등간척도 이상에서만 적용가능하다는 한계가 있습니다.

신뢰성은 동일 개념에 대한 측정을 반복했을 때 동일한 측정값을 얻을 가능성을 의미합니다. 측정의 신뢰성을 평가하기 위해서는 개별문항 분산의 합을 이용하여 단일한 값으로 신뢰성 계수를 제시할 수 있는 크롬바하 알파값을 이용합니다. 일반적으로 크롬바하 알파값이 0.60을 넘으면 신뢰도가 만족할 만한 수준이라고 판단합니다.

궁금하신 점이 있으면 아래 버튼을 클릭해 주세요. 성실하게 답변 드리겠습니다!

최근 구매 브랜드의 사용 만족도에 대한 예시자료를 이용해 척도형에 유용한 분할수직막대형 차트를 구성해 보겠습니다. 분석대상 파일을 열어서 최근 구매 브랜드 변수인 brand를 범주형으로 변경하고 명칭을 부여해 줍니다. y변수는 해당 브랜드의 사용만족도로 5점 만점등간척도입니다.

bar_chart_3.csv

R을 이용해 차트를 만드는 방법에 대해 알아 보도록 하겠습니다. 먼저 수직막대형 차트를 작성해 보겠습니다. R에서 수직막대형 차트는 barplot()이나 qqplot()을 이용해 그릴 수 있습니다.

우선 최근 구입 브랜드에 관한 예시자료를 활성화하고 최근 구입 브랜드를 나타내는 변수 brand를 범주형으로 변경하고 각각의 브랜드를 나타내는 수치에 levels()를 이용해 브랜드명을 활당해 줍니다.

> bar=read.csv("bar_chart_1.csv")

> head(bar,3)

brand

1 1

2 9

3 1

>bar$brand=factor(bar$brand)

>levels(bar$brand)=c("brand A", "brand B","brand C","brand D","brand E","brand F","brand G","brand H","brand I","brand J")

> head(bar,3)

brand

1 brand A

2 brand I

3 brand A

table()과 prop.table()를 이용해 bar에 있는 brand 변수의 구성 비율을 구해 bar2에 저장합니다.

> bar2=table(bar$brand)

> bar2

brand A brand B brand C brand D brand E brand F brand G brand H brand I brand J

    187      55     204     171      51      33       4      29     197       2

> bar2=prop.table(bar2)

> print(bar2,digits=1)

brand A brand B brand C brand D brand E brand F brand G brand H brand I brand J

  0.200   0.059   0.219   0.183   0.055   0.035   0.004   0.031   0.211   0.002 t

마지막으로 barplot()를 이용해 수직막대형 차트를 그려 줍니다. decreasing은 내림차순으로 정렬하는 옵션입니다. col은 막대 안을 채우는 색상을 지정해주고, border는 막대의 테두리 색상을 지정합니다. ylim=c(0,1)은 y축의 범위를 0과 1로 지정하는 옵션입니다.

> barplot(sort(bar2, decreasing = TRUE),col="#98E2FA",border="grey",ylim=c(0,1))

지난 시간에 R을 이용해 조사결과 테이블을 만드는 법에 대해 알아보았습니다. 그런데 결과에서 전체 연령별 응답값이 전체 데이터에서 차지하는 비중이 아니라 연령 내에서 차지하는 비중을 제시하지 못하는 아쉬움이 있습니다. 또한 테이블을 만드는 절차를 반복하지 않고 좀 더 간편한 방법이 없는지도 궁금합니다.

3. 테이블! R로 만들기

R을 이용해 IPA(Importance Performance Analysis)의 결과를 산점도(scatter diagram)로 만들어 보겠습니다.

아래와 같은 가상의 데이터를 가지고 작업을 시작해 보겠습니다. q1_1은 세부항목별 만족도 중 친절성을, q1_2, q1_3, q1_4, q1_5는 각각 전문성, 청결성, 다양성, 품질을 나타내고 q2는 전반적 만족도라고 해보겠습니다.

산점도를 작성하기 위해 q2와 q1_1, q1_2, q1_3, q1_4, q1-5의 Pearson상관계수를 구하고 각각의 상관계수를 표준화합니다.

R을 이용해 산점도를 작성하기 위해 필요한 패키지를 설치합니다.

산점도를 그리고자 하는 파일을 CSV형태로 저장하고 read.csv명령을 이용해 dataframe 형태도 불려 옵니다.

마지막으로 산점도를 작성합니다. 산점도의 점 모양은 원형으로 지정했고(shape=19), 산점도 값들의 라벨은 f변수로 설정했습니다. 이때 label=“f”로 지정하면 f를 문자로 인식해 라벨이 f로 일괄 지정되므로 쌍따옴표 없이 label=data$f로 지정해 줍니다. ‘데이터명$변수명’의 형식으로 변수를 지정해 주는 이유는 R에서는 변수가 기본적으로 벡터이기 때문입니다. dataframe을 지정해주지 않으면 독립적인 벡터로 인식하여 오류가 발생합니다. 이를 피하기 위해 dataframe을 등록해주는 방법이 있지만, 복잡한 분석이 아니라면 구태여 dataframe을 등록하지 않아도 크게 불편하지 않은 것 같습니다.

궁금하신 점이 있으면 아래 버튼을 클릭해 주세요. 성실하게 답변드리겠습니다!

R에 대해 아주 조금 알고 나니 R은 기본적으로 데이터 관리보다는 데이터 분석에 집중하는 프로그램이라는 생각이 들었습니다. 연구 및 분석 목적이라면 R이 매우 유용할 것이지만 고객의 구매 관련 데이터와 같이 분석만큼이나 데이터의 가공과 관리가 중요하다면 다른 대안을 고려하는 것도 좋을 것 같습니다.

R을 이해하는데 핵심은 R은 벡터 즉 집합이 데이터 가공 및 분석의 기본단위라는 점입니다. 데이터를 다루다 보면 개별 응답값보다는 변수(컬럼) 단위로 작업할 일이 많은데 이런 점이 R에 반영된 것이라 나름대로 추측해 봅니다.

통계적 추론을 실시하기 전에 데이터의 개략적인 내용을 파악하고 통찰을 얻을 수 있는 테이블(table; 조사결과 집계표)를 R로 작성해 보겠습니다.

다음과 같은 가상의 고객만족도 설문조사를 가정하고 논의를 진행하겠습니다.

위 설문지를 근거로 예시 데이터를 만들어 보았습니다. 예시 데이터는 csv파일 형태로 저장해 두었습니다. 전체 응답값과 연령별 응답값을 합쳐서 조사결과 집계표를 구성하기 위해 기존 변수 외에 X변수를 추가했습니다.

이제 위 데이터를 R에서 로드합니다. 먼저 디렉토리를 설정해 주고 read.csv 명령문으로 준비한 데이터를 로드하여 ex_data라는 dataframe에 저장해 주었습니다. R에서 분석이 가능하기 위해서는 변수의 속성이 vector여야 합니다. 그런데 sq1,sq2,X의 속성이 vector가 아니기 때문에 더 이상의 분석이 불가능합니다.

read.csv 명령문에서 범주형 변수가 있을 경우 아래와 같이 StringsAsFactors=FALSE 구문을 추가해서 문자형 변수를 범주형으로 인식하지 않도록 조치 후 로드해야 문제가 없습니다.구문을 추가한 후 변수의 속성을 점검할 결과 이전과는 달리 sq1이 vector임을 확인할 수 있습니다.

table 명령문을 사용해서 ex_data의 sq1과 sq2의 분할표를 만들어 fre라는 변수에 넣어줍니다. fre는 R의 명령문과는 무관하고 임의로 설정한 변수명입니다. R에서 이렇게 번거롭게 새로운 변수를 생성하는 이유는 당연한 이야기지만 A라는 개념이 동시에 A가 아닌 것이 될 수는 없기 때문입니다. 번거롭더라도 인내심을 가지고 작업해 줍니다.

sq1과 sq2의 빈도보다는 상대적인 비중이 궁금한 것이 일반적이므로 분할표의 빈도를 아래와 같이 비율로 변경합니다.

sq1과 sq2의 주변합도 궁금하므로 다시 주변합을 추가하는 명령을 실행합니다. 최종 분할표만 필요하므로 계속 동일한 변수에 덮어쓰기를 해주었습니다.

이제 등간척도로 만든 설문의 응답결과를 집계표로 만들어 보겠습니다. 척도형 문항인 q1_1과 전체 X변수간의 분할표를 만들고 이를 비율로 변환해 줍니다.

다음으로 q1_1변수의 평균을 구해 줍니다. mean 명령문만을 사용하지 않고 x 변수에 대한 평균을 구한 후 이것을 이미 만들어 둔 table1에 합쳐 줍니다. 행으로 합칠 때는 rbind, 열 방향으로 합칠 때는 cbind 명령을 사용해 주면 됩니다.

연령별 자료를 만들어 주기 위해 척도형 문항 q1_1과 연령별 변수 sq2으로 분할표를 만듭니다.

연령별 평균을 구해 이미 만들어 둔 table2에 행으로 합쳐 줍니다.

마지막으로 연령별 자료 table2를 전체 자료 table1에 열 방향으로 합쳐주면 조사결과 집계표가 완성됩니다.

다소 번거롭기는 하지만 처리해야할 문항수가 많은 상황이라면 R을 이용한 테이블 작업이 엑셀 피벗테이블 기능으로 문항별 데이터 하나 하나를 개별적으로 집계표로 만들어주는 것보다는 효율적인 방법이 될 것 같습니다.

궁금한 점이 있으면 아래 버튼을 클릭해 주세요. 성실하게 답변드리겠습니다!

서베이몽키는 Gold계정에서 주관식 문항의 핵심 키워드를 추출해주는 텍스트분석 기능을 제공하고 있습니다.

그런데, 서베이몽키 텍스트분석은 우리글의 특성을 고려하지 않아 표본수가 증가하게 되면 질문내용과는 무관한 조사와 서술어의 출현빈도가 높아지는 한계가 있습니다. R이 제공하는 word cloud 패키지를 이용하면 이러한 한계를 여느 정도 극복하는 것이 가능합니다.

우선 R에서 word cloud를 생성하기 위해서는 wordcloud 패키지 외에 한국어 관련 작업을 원활하게 하기 위해 KoNLP 패키지를 설치해야 합니다. 설치가 정상적으로 이루어지지 않는다면 JAVA가 최신 버전인지 확인해 보시기 바랍니다.

이제 받고 싶은 선물에 대한 응답을 가지고 word cloud를 만들어 보겠습니다. 디렉토리 지정 후 KoNLP 패키지와 word cloud 패키지를 활성화합니다.

파일을 우선 txt라고 명명한 변수에 넣은 후 명사형 응답만을 선택하여 wish라는 변수에 다시 넣어 주었습니다. Wish 변수를 리스트업 해보면 “나이키”가 “나이”와 “키”로 인식되는 것처럼 의도하지 않은 결과가 나오는 것을 확인할 수 있습니다.

이런 문제가 제거하기 위해 사전에 원하는 명사형을 등록해 줍니다.  

☞ R에서 사용자가 많지 않아 삭제되면서 mergeUserDic(data.frame("명사로 등록할 단어","ncn")) 명령은 더 이상 사용할 수 없습니다.대체 명령어는 buildDictionary(ext_dic = "woorimalsam", user_dic=data.frame("명사로 등록할 단어","ncn"),replace_usr_dic = T)입니다. 그런데 문제는 이 명령어를 적용해도 단어가 등록되지 않는 오류가 발생한다는 점입니다. 아마 버그가 있는 것으로 판단되는데 해결될 때까지는 이 과정은 생략하고 wordcloud를 만들면 됩니다. 당분간 buildDictionary 명령 대신 단어를 수정하는 등의 조치를 취해 wordcloud에 나타날 수 있도록 원본 텍스트 데이터를 수정하는 수고를 하셔야 할 것같습니다.    

단어 등록 후 wish 변수를 다시 나열해본 결과, “나이”와 “키”로 구분되던 나이키가 “나이키” 하나로 인식되는 것을 확인할 수 있습니다.   

무의미한 단어를 제거하기 위해 두 개 이상인 단어만 선택했습니다.

다음으로 그 외 의미 없는 단어들을 변수에서 제거해 주었습니다.

불필요한 단어를 제거한 후에는 word cloud를 생성합니다.

word cloud를 생성한 결과는 아래와 같습니다.

R을 이용해 word cloud를 생성해 본 결과 확실히 우리글에 적합한 결과를 도출할 수 있음을 알 수 있습니다. 그러나, 필요한 단어를 등록하고 불필요한 단어를 제거하는 등, 주관식 문항을 코딩 하는 정도의 수고까지는 아니더라도 데이터를 정제하는 과정은 반드시 필요합니다. 만약 데이터의 표본수, 사례수가 많아진다면 의외로 손이 많이 갈 수도 있을 것 같습니다. 코딩요원을 투입해 주관식 문항을 처리하는 기존 방법을 대체하기 보다는 보완적인 방법으로 R word cloud를 사용할 수 있을 것으로 보입니다.  

기존 통계분석 프로그램을 사용하는 사람 입장에서는 R의 특성이 무엇이든 가장 관심이 가는 부분은 무료로 자유롭게 사용할 수 있다는 점입니다. 하지만 실제로 R을 접해보면 적지 않게 당황하게 됩니다. 우선 R은 대·소문자를 구분하기 때문에 기존 통계분석 프로그램에 익숙한 사람이 느끼는 이질감은 생각보다 큰 것이었습니다.

그러나, 최근 다소 과열이다 싶을 정도로 관심이 폭발하는 빅데이터에 대한 관심을 잠시 넣어두더라도 오픈소스가 주는 자유로움을 포기할 수는 없기에 걸음마부터 R을 시작해 보기로 했습니다.

R에서 데이터를 활성화하기 위해서는 우선 작업 디렉터리를 분석 데이터가 있는 폴더로 변경해야 합니다. 일반적으로 통계분석 프로그램에서 분석용 syntax 파일과 데이터 파일이 동일 폴더에 있거나 별도로 파일을 활성화하는 명령어가 필요한 것과 유사한 것 같습니다.