척도의 4가지 유형 명 서 등 비 측정 수준과 분석

연구와 통계의 기본! 명목, 서열, 등간, 비율 척도의 차이를 아시나요? 각 척도의 특징과 측정 수준, 그리고 어떤 통계 분석에 활용되는지 핵심만 완벽하게 정리해 드립니다.

 

데이터를 다루는 연구나 조사를 할 때, '척도'라는 말을 자주 듣게 됩니다. 척도는 우리가 측정하려는 대상의 속성을 숫자로 나타내는 규칙이나 단위를 말합니다. 간단해 보이지만, 어떤 척도를 사용하느냐에 따라 우리가 수집한 데이터의 수준이 달라지고, 활용할 수 있는 통계 분석 방법이 완전히 달라집니다.

즉, 척도를 잘못 선택하면 연구 결과 전체의 신뢰도가 흔들릴 수 있습니다. 오늘은 모든 데이터 분석의 가장 기초가 되는 척도의 4가지 유형, 즉 명목, 서열, 등간, 비율 척도에 대해 그 특징과 차이점을 알기 쉽게 정리해 보겠습니다.

1. 명목척도 (Nominal Scale)

가장 기본적인 척도입니다. 명목척도는 측정 대상을 단순히 분류하거나 구별하기 위해 숫자를 부여하는 방식입니다.

예를 들어, 성별을 '1=남자, 2=여자'로, 혈액형을 '1=A형, 2=B형, 3=O형, 4=AB형'으로 나타내는 것이죠. 여기서 숫자 1, 2, 3, 4는 순서나 크기를 의미하지 않습니다. 여자가 남자보다 2배의 속성을 갖는다는 뜻이 아니며, B형이 A형보다 낫다는 의미도 아닙니다.

단순히 '다르다'는 정보만 제공하며, 산술적인 덧셈, 뺄셈, 곱셈, 나눗셈이 불가능합니다. 오직 최빈값(가장 자주 나온 값)이나 빈도 분석 정도만 가능합니다.

2. 서열척도 (Ordinal Scale)

서열척도는 명목척도의 '분류' 기능에 '순서'나 '등급'의 정보가 추가된 척도입니다. 대상의 상대적인 서열을 나타낼 수 있습니다.

예를 들어, 학점을 'A, B, C, D, F'로, 선호도를 '1=매우 불만족, 2=불만족, 3=보통, 4=만족, 5=매우 만족'으로 측정하는 경우가 해당합니다. 'A학점'이 'B학점'보다 높고, '매우 만족'이 '만족'보다 높다는 순서는 알 수 있습니다.

하지만 그 '간격'이 동일한지는 알 수 없습니다. 1등과 2등의 실력 차이가 2등과 3등의 실력 차이와 같다고 말할 수 없는 것과 같습니다. 따라서 덧셈이나 뺄셈은 의미가 없으며, 중앙값이나 백분위수 등을 통해 분석합니다.

3. 등간척도 (Interval Scale)

등간척도는 서열척도의 '순서' 정보에 '동일한 간격'이라는 속성이 추가된 척도입니다. 척도 상의 숫자 간 간격이 동일한 의미를 가집니다.

대표적인 예가 섭씨 온도(℃)입니다. 10도와 20도의 차이는 20도와 30도의 차이와 '10도'로 동일합니다. 이처럼 간격이 같기 때문에 덧셈과 뺄셈이 가능하며, 평균이나 표준편차 같은 통계 분석을 할 수 있습니다.

하지만 '절대 영점(0)'이 존재하지 않습니다. 0도라는 것이 '온도가 아예 없는' 상태를 의미하지 않고, 물이 어는 지점을 인위적으로 0으로 정한 것뿐이죠. 따라서 곱셈이나 나눗셈은 의미가 없습니다. 20도가 10도보다 2배 따뜻하다고 말할 수 없는 이유입니다.

4. 비율척도 (Ratio Scale)

비율척도는 측정 수준이 가장 높은 척도입니다. 등간척도가 가진 모든 속성(분류, 순서, 등간)에 더해, '절대 영점(0)'을 가지고 있습니다.

여기서 0은 '아무것도 없는' 상태를 의미합니다. 예를 들어, 몸무게 0kg, 키 0cm, 소득 0원, 나이 0살 등이 있습니다. 절대 영점이 존재하기 때문에 덧셈, 뺄셈은 물론 곱셈, 나눗셈, 즉 사칙연산이 모두 가능합니다.

"A는 100kg이고 B는 50kg이므로, A는 B보다 2배 무겁다"라고 말할 수 있는 것이죠. 평균, 표준편차를 포함한 거의 모든 정교한 통계 분석이 가능한 척도입니다.

척도 수준이 중요한 이유: 통계 분석의 결정

요약하면 척도는 '명목 < 서열 < 등간 < 비율' 순으로 더 많은 정보를 담고 있으며, 상위 척도는 하위 척도의 속성을 모두 가집니다.

연구자는 자신이 측정하려는 개념을 가능한 한 높은 수준의 척도(가능하다면 비율척도)로 측정하려 노력해야 합니다. 왜냐하면 높은 수준의 척도는 더 다양하고 강력한 통계 분석을 가능하게 하여, 연구 결과로부터 더 풍부한 해석을 이끌어낼 수 있기 때문입니다. 내 데이터가 어떤 척도인지 아는 것이 올바른 분석의 첫걸음입니다.