사회통계1

Part 1

사회통계의 기본 개념과 빈도/교차표분석

SPSS WIN 기초통계 및 교차표 분석
SAS WIN 기초 입문 및 활용

Alan Bryman and Duncan Cramer. 1982. Quantitative Data Analysis for Social Scientists. 장상희 홍동식 공역. 1989.『사회통계학-원리와 실제』. 박영사

정충영, 최이규. 1998. 『SPSSWIN을 이용한 통계분석』. 무역경영사

1. 사회연구의 과정

사회연구의 과정은 인간이 살고 있는 세계에서 발생하는 일들에 대한 질문으로부터 시작된다. 사회과학자들의 질문은 관찰할 수 있는 사람, 집단의 두 가지 특성 또는 그 이상의 특성간의 관계로 서술될 수 있다. Talcott Parson의 행위이론과 같은 거시 이론조차도 연구가 가능한 수없이 많은 현상들 중에서 어떤 제한된 부분에만 초점을 두고 정교한 설명을 할 수 있다. 이러한 제한이 사회적 행위에 대한 충분한 설명을 어렵게 하는 것으로 보이나, 또한 이러한 제한이 있음으로 해서 연구자들의 연구진행을 가능하게 해 주는 것이다. 비록 사회과학자들이 그들의 논문이나 연구 모델이 현실세계를 불안전하게 묘사하고 있다는 점을 인식하고 있다 하더라도, 이러한 이론적 단순화는 사회과학자들에게 도움을 준다. 이론적 단순화는 사회과학자들에게 그들이 무엇을 연구하고자 하는지, 또 연구로부터 무엇을 기대하고 있는지를 아주 간명하게 설명할 수 있도록 해주기 때문이다.

1.1 이론이란 무엇인가

사회이론이란 "특정 사회현상을 나타내는 개념들이 서로 인과적으로 관련되어 있다고 가정하는 둘 또는 그 이상의 일련의 명제들을 말한다(p 18)." 모든 사회과학자들이 이론에 대한 이러한 정의를 받아들이고 있지는 않다.

이러한 정의를 전제로 할 때, 이론은 둘 또는 그 이상의 진술로 되어 있고 이 진술은 명제로 불리며 이것은 두 가지의 필수적인 요소 즉 개념과 개념들의 관계로 구성되어 있다.

1.2 이론적 명제와 조작적 가설

언급된 개념이 추상적인 것일 때 명제란 용어가 사용되고 언급된 개념이 구체적 일 때 조작적 가설, 작업가설, 연구가설, 또는 그냥 간단하게 가설이란 용어를 사용한다.

사회적 행동에 관한 연구에 기여하기 위해서는 이론적 명제들은 검증가능한 가설들로 옮겨 놓을 수 있어야 한다. 즉 그것은 관찰할 수 있는 현상간의 관계를 나타내는 진술로 바꾸어져야 한다는 것이다.

변수(variable)는 값(value)이 각각 다른 사람, 대상물 또는 사건의 특성을 말한다. 변하지 않는 것은 변수가 될 수 없으며 이것은 하나의 상수(constant)이거나 변수의 단 한가지 범주일 뿐이다. 성(SEX)은 두 가지 속성으로 분류될 수 있으므로 변수이고 남성과 여성은 다른 값을 갖질 않으므로 상수이자 성이라는 변수의 값이 된다.

1.3 독립변수와 종속변수

변수들간의 관계는 한 변수에서 일어난 변화가 다른 변수에 어느 정도 예측이 가능한 변화를 가져올 것이라는 가정에 기초를 두고 있다. 그러므로 한 변수는 다른 변수보다 선행(antecedent)하고 다른 변수는 한 변수 이후에 변화가 나타나는(consequent) 관계가 성립된다. 선행하는 변수는 독립변수(independent variable)이라 부르고 뒤따르는 후행변수는 종속변수(dependent variable)라고 부른다.

* 인문학에서 인과적 추론의 출발점: 흄

흄은 '귀납의 문제(problem of induction)'를 제기한 대표적인 경험주의 철학자로 간주되고 있다(Chalmers, 1982: 19). 흄은 선험적인 방법을 사용하지 않고 자연과학적 방법, 곧 실험의 방법을 철학을 비롯한 인문학에 적용하고자 하였다는 점에서 경험주의적인 입장에 섰으며, 그의 전 생애에 걸쳐서 경험과 관찰을 근간으로 삼는 실험적 내지는 과학적 방법을 일관되게 강조하였다(김효명, 1995: 16). 이것은 당시 눈부신 발달을 보여주었던 뉴튼(Newton) 물리학의 실험 방법을 흄이 인문학에 적용하였다고 볼 수 있으며, 영국의 경우 이러한 자연주의(naturalism)의 발전은 중세 말기의 오컴(Ockham)에 이어 흄을 거쳐 현대의 논리실증주의로 이어졌다.

흄의 인과적 추론을 이해하기 위해서는 먼저 인과성(causation)에 대한 흄의 근본적인 입장을 명료히 해야 한다. 먼저 이해해야 할 것은 흄이 관심을 가진 것은 원인 혹은 결과에 대한 분석이 아니라 인과성 혹은 인과관계(causal relation)에 대한 분석이었다. 이 점에 있어서 흄은 어떤 대상을 고립적으로 다루면서 원인을 규명할 수 없다고 주장하였다. 흄은 인과관계를 대상들 자체의 변화없이도, 변할 수 있는 관계로 보았다.

흄이 이렇게 본 것은 인과관계를 그 대상들의 개별적인 성질들 가운데서 발견하려고 해서는 안된다고 생각했기 때문이다. 흄은 원인과 결과의 관계를 지각의 대상이 아니며, 그것은 현재의 경험을 넘어서서 추론하는 것을 허용하는 관계라고 주장하였다. 흄은 인과성이 결코 직접적으로 관찰할 수 없으며, 관찰들에 대한 해석을 통해서 파악될 수 있음을 강조하였다(Berk, 1988: 156). 이것은 현재의 경험을 넘어서서 추론하는 것을 허용하는 관계로 인과관계를 파악한 것이라고 할 수 있다.

흄이 밝히고 있는 인과관계의 본질은 세 가지 측면으로 나누어진다(Holland, 1986: 950). 하나는 시간과 공간에서의 인접성(spatial/temporal contiguity)이며 다른 하나는 시간적인 선행성(temporal succession)이고 세 번째 측면은 항시적 결합(constant conjunction)이다. 흄에 따르면, 원인이란 곧 "한 대상이 다른 대상에 선행하고 근접하되, 전자를 닮은 모든 대상들이 후자를 닮은 대상들과 유사한 선행성과 인접성의 관계를 가질 때의 그 전자의 대상"(정병훈, 1991: 177)이 된다.

흄은 정신과학자의 목표를 이러한 인과성의 세 가지 기준을 통해서 현상을 가장 단순하고도 가장 적은 수의 원인으로 설명하는 것으로 잡고 있다. 만일 여러 가지 현상에 대해 고찰할 때, 우리가 그것들을 하나의 공통된 원리로 분해하고, 그것을 다시 다른 원리로 환원한다면, 우리는 궁극적으로 모든 나머지가 그것에 의존하는 몇 안되는 간단한 원리가 있다는 사실에 도달하게 된다.

흄은 가장 확실한 원리라고 내세우는 추측과 가설을 거부하여 회의론적 입장을 취하였다. 흄은 인간의 본성의 궁극적이고 본질적인 성질을 발견하는 체하는 어떠한 가설도 거부한다. 그러나 흄은 조심스럽게 제시된 가설에 대해서는 거부하지 않았다. 그는 중력에 관한 뉴턴의 유물론적 설명에 동의할 뿐만 아니라, 관념의 연합을 설명하기 위해 역학적 가설을 제시하기도 했다. 흄은 가설이 경험에 의존해 있고, 독단적으로 주장된 것이 아니라면 정당화할 수 있다고 지적함으로써 귀납의 문제를 극복하고 있다.

결국 흄은 관찰에 근거하지 않은 현상(unobservation phenomena)에 대한 개념적 상태(conceptual status)를 부정하고, 모든 원인은 변수들간의 관찰된 상관관계를 이용하여 이해해야 한다고 주장하였다. 그러나 이러한 높은 상관관계가 인과관계를 의미한다는 흄의 견해는 이후 많은 학자들에 의해 반박되었다(채서일, 1990: 50).

이러한 흄의 설명에 있어서 문제점은 두 가지로 나누어 살펴볼 수 있다. 첫째는 "원인"과 "결과"를 명백하게 정의하고 있지 않다는 점이며, 둘째는 인과성의 세 가지 조건을 충족시키는 경우에도 인과적 관계라고 생각할 수 없는 사례들을 발견하게 된다는 점이다(Berk, 1988: 156). 첫 번째 문제점은 흄이 인과성이나 인과관계에 본질을 규명하였지만, 정작 인과관계의 두 측면인 원인과 결과에 대해서는 명백한 논의를 진행하지 않았다는 점이다.

두 번째 문제점은 한 대상이 다른 대상에 선행하고 인접하며 항구적으로 결합해 있지만, 사실상 그것의 원인이 아니라고 판명된 경우를 발견할 수 있다는 점이다. 따라서 우리는 인과관계에는 필연적인 결합이라는 요소가 있어야만 한다는 사실을 발견하게 된다. 이것은 단지 결정적인 관계(deterministic relationship)일 때에만 인과적 추론이 가능하다는 사실을 의미한다. 이러한 결론은 오늘날 사회과학에서 적용하고 있는 확률적인 판단의 여지를 없게 해버린다.

출처: http://was.pe.kr/mathso.htm

1.4 가설의 기각

가설은 측정가능한 변수들간의 관계에 관한 검증가능한 진술로서 명제를 기각할 수 있게 해 준다. 이론에 대한 입증(proof)을 그 이론의 타당성 여부 판단의 기준으로 삼는다면 어리석은 것이 될 것이다. 그 보다는 명백히 구체화된 어떤 조건하에서 가설이 기각(rejection)될 수 있는 어떤 기준을 채택하는 것이 훨씬 좋다.

과학적 합리주의에 대한 허위입증적 접근법이 아주 단순해 보임에도 불구하고, 사회과학에 대한 이의 적용은 논란의 대상이 되고 있다. 그 이유는 부정확한 개념들, 경험적 준거가 없는 개념들을 사용한 명제들, 타당범위나 적용범위가 불명확한 이론들, 여러 다른 수준에서 초점을 둔 설명, 그리고 논박의 여지가 있는 중요 변수의 측정 등을 포함하여 대단히 많다.

1.5 조작화

조작이란 가설검증과 관련된 사람, 대상물, 혹은 사건의 여러 측면들을 관찰하고 기록하기 위한 방법을 말한다. 이것은 개념과 그 경험적 준거를 연결하는 작업으로 이 과정에서 타당성과 신뢰성의 문제가 제기된다.

타당성(validity)은 조작이 측정하고자 의도한 개념을 정확히 반영하는 정도를 말한다. 타당성은 달리 정확성(accuracy)이라고 볼 수 있는데 조작에 의해 이론의 개념들을 정확히 나타내는 측정치를 얻을 수 있을 때 그 측정치는 비로소 타당한 것이라고 할 수 있다.

신뢰도(reliability)는 같은 개념에 대한 각각 다른 조작들이 같은 결과를 가져 오는 정도를 말한다. 신뢰는 어떤 연구에 대한 관찰의 반복가능한(repeatable) 정도를 말한다. 어떤 측정도구가 시간적 간격을 두고 사용되었을 때 일관성 있는 관찰결과를 보여주어야만 그 측정도구는 신뢰할 만하다고 말할 수 있다. 혹은 다른 두 연구자가 동일한 측정도구를 동일한 측정대상에 대하여 사용했을 때 동일한 관찰결과를 보여주어야만 그 측정은 신뢰할 만하다고 할 수 있다.

어떤 개념의 측정이 신뢰할 수 없는 것이면 타당할 수도 없다. 그러나 측정은 타당한 것(혹은 진실된 측정)이 아니라도 신뢰성(혹은 일관성)을 가질 수 있다.

1.6 측정

불연속적 변수는 사람, 대상물 또는 사건을 그들 속성의 종류 혹은 성질에 따라 분류할 수 있는 것이다. 또한 그들의 속성을 순서대로 놓을 수 있느냐(서열적 불연속 변수) 또는 그렇지 않느냐(비서열적 불연속 변수)에 따라 더 분류할 수 있다. 연속적 변수는 사람, 대상물 또는 사건을 그들 속성의 크기나 양에 따라 분류할 수 있는 것이다.

변수를 측정하기 위해서는 이들의 범주가 상호배타적이고 포괄적이 되도록 해야 한다. 상호배타성은 각 관찰치가 변수의 단 하나의 범주에만 포함되어야 한다는 것이고 포괄성은 모든 관찰치가 빠짐없이 변수의 어떤 한 범주에 속하도록 만들어야 한다는 것이다. 성이라는 변수는 남성과 여성이라는 관찰치 외에 다른 관찰치가 있어서는 안되며(포괄성), 어떤 관찰치도 남성 아니면 여성이어야 한다(상호배타성).

1.7 통계적 검증

기술 통계-한 변수의 수의 속성을 기술하는 것이다.

관련 측정-둘 또는 그 이상의 변수간의 관계를 분석하는 것이다.

통계적 추 리-표본자료에 기초를 둔 기술적 통계로부터 모집단의 모수에 대해서 일반화를 하는 것을 의미한다.

2. 빈도분포

사회과학자들이 자료를 수집하는 일반적인 이유는 가설로 설정된 변수간의 관계를 검증하기 위한 것이다.
어떤 자료를 다른 자료와 비교할 때는 여러 응답범주에 대한 상대적 빈도수나 백분율을 검토해 보는 것이 아주 기본적인 비교 방법이다.

불연속 측정치인 경우 -> 막대그래프로 표시 (각 변수 값을 서로 닿지 않게 표시)

서열적 불연속 변수의 경우 -> 히스토그램과 꺽은 선 그림표(polygon)

연속적 측정치인 경우

(1) 관찰 대상을 집단으로 묶어서 집단화된 자료를 만드는 일이 제일 먼저 할 일이다. 변수를 측정계급나 측정구간으로 묶는 것이 자료에 대한 이해를 돕니다. 이때 적당한 크기의 구간을 구하는 것은 관찰치의 본래 분포가 심하게 왜곡되지 않을 만큼 측정구간을 작게 정하는 것이 좋다. 빈도분포표에 자료를 제시하기 위한 구간의 수는 6개에서 20개 사이로 정하는 것이 좋다.

(2) 정확한계와 중간점을 구한다. 각 측정구간의 정확한계의 하한계와 상한계를 더해서 2로 나눈어 정한 값이 중간점이다. 이 중간점은 전 측정구간을 가장 잘 나타내 주는 수이다.
** 단지 연구대상 변수가 연속적일 때에 한하여 관찰치들을 측정구간으로 나누어 놓을 수 있다.

(3) 어떤 점수의 누적빈도(cf)는 그 점수까지의 총 빈도수를 말한다.

(4) 백분위(P)는 분포상에서 관찰의 특정 누적백분율에 해당하는 점수를 말한다. 백분위를 사용하여 둘 또는 그 이상의 집단간에 어떤 변수의 분포가 같은지 아니면 다른지를 알아볼 수 있다.

*집단화에 따른 오차가 있기 때문에 집단화되지 않는 자료가 있을 때는 그 자료를 그대로 사용하는 것이 좋다.

3. 빈도분포의 기술

빈도분포를 요약하거나 기술하는 통계들은 넓은 의미에서 두 가지 목적을 가지고 있는데 첫째는, 분포의 평균 혹은 집중경향을 나타낸다. 둘째는 분포의 변이(variation) 정도를 측정할 수 있게 한다.

3.1 집중경향의 측정

최빈치(mode)- 가장 많은 사례수를 가지는 범주(어떤 변수에도 측정 가능)

중앙치(median)- 값이 순서대로 나열된 분포를 같은 크기의 두 개의 집단으로 나눈는 숫자(서열변수 사용) → 50번째의 백분 위를 의미.

평균(mean)- 각 관찰치들의 값을 모두 더한 후에 그것을 사례수로 나눈 값 (연속변수에만 사용가능)

** 집중경향을 측정하는 통계치로서 평균은 다른 통계치들이 갖지 않은 속성을 갖고 있다. 평균은 분포의 모든 관찰치로부터의 차를 자승했을 때 이 자승의 합을 최소로 하는 것이다. 평균은 개별사례의 값을 모두 포함하는 가중된 값이기 때문에 극단치에 영향을 받지만, 중앙치는 그렇지 않기 때문에 평균과 중앙치는 다르다.
평균은 가중치이므로 소득의 분포와 같이 심하게 비대칭적인 분포의 집중경향을 측정하기 위해서 평균 대신 중앙치를 흔히 사용한다.

3.2 변이의 측정

(1) 다양성 지수(D)-불연속변수의 변이(variation) 측정

(2) 질적변이지수(IQV)-다양성지수를 표준화한 것.다양성지수는 범주가 서로 다르면 다른 불연속변수간에 직접적인 비교가 어렵다는 점을 고려할 때 더욱 유용한 방법이다.

(3) 범위-분포의 모든 값을 포함하는 두 개의 양극단 값을 나타낸다. 분포의 범위는 최대값과 최소값의 차이로 정의된다. 이는 극단 값에 영향을 받기 때문에 분포들의 모습을 정확히 전달해주지 못한다. 그래서 이와 관련된 측정방법이 사분위범위(IQV)이다.

(4) 평균편차-평균은 두 극단값에 강하게 영향을 받는 단점은 있으나 연속변이의 변이성을 측정하는데 매우 유용하기 때문에 두 극단값의 영향을 적게 한다면 그 유용성을 배가할 수 있게 된다. 이를 위해서 평균을 기준으로 한 각 값의 위치를 모두 고려 해 보아야 한다. 평균편차는 "평균과 각 관찰치와의 차(편차:di)"에 절대값 부호를 붙여 평균을 구하는 것이다.

그러나 이것은 평균을 기준으로 측정한 변이도가 어떤 다른 값을 기준으로 측정한 변이도보다 적어야 한다는 점을 결여하고 있다.

(5) 분산과 표준편차

분산은 평균과 각 관찰치와의 편차의 자승에 대한 평균을 의미한다. 곧 변량 X의 평균값을 E(X)라 할 때, {X－E(X)}² 의 평균값 σ² 을 분산이라고 한다. 자료의 흩어짐의 정도를 나타내며, 특히 σ² ＝0일 때 자료는 모두 평균값에 집중되어 있어서 흩어짐이 없다고 말 수 있다.

분산 값은 자승한 값이기 때문에 본래의 관찰 치보다 커지게 되는데 분산 값을 본래의 측정단위로 복귀시키기 위해서 분산의 제곱근을 구하는데, 이것을 표준편차(Sy: standard deviation)라고 부른다. 표준편차가 0일 때는 관측값의 모두가 동일한 크기이고 표준편차가 클수록 관측값 중에는 평균에서 떨어진 값이 많이 존재한다. 따라서 표준편차는 관측값의 산포(散布)의 정도를 나타낸다.

* 표준오차(standard error of the mean) : 표본평균분포의 표준편차를 표준오차라고 하며 표본을 평균한 값들이 얼마나 퍼져있는 것을 말한다. 따라서 표준오차는 그 표본의 사례수와 편차에 많은 영향을 받는데 표준편차가 클수록 표준오차는 커지고, 사례수가 많을수록 표준오차는 작아진다.

(6) Z값
각각 다른 평균과 표준편차를 고려하여 분포간의 점수를 비교하려면 표준화된 점수, 즉 흔히 말하는 Z 값을 사용한다. 이렇게 되면 어느 분포의 값도 Z값 분포의 평균은 항상 0이되며, 표준편차는 항상 1이 된다.

4. 교차표(Crosstabulation)

빈도분포가 속성을 나타내주지만 사회과학자들은 분포의 변이를 설명하는데 더 관심을 두고 있다.

4.1 두 변수간의 교차표

++-----------------> column marginals(열의 누계)
||
|| 2*2
|| 3*3
V row marginals(행의 누계)

4.2 표본으로부터 모집단의 추리

표본을 통해서 모집단을 어떻게 추리할 것인가? 통계적 유의성 검증의 의의는 표본의 관찰을 통해서 얻은 결론이 그 표본이 추출된 모집단에서도 사실로 성립될 수 있는가 하는 합당한 추리를 하는데 있다.

4.3 확률과 영가설

어떤 표본에서 두 변수간에 관계가 있는 것을 보여주었을 때 이 표본이 실제로 두 변수가 없는 모집단으로부터 선정되었을 확률은 어느 정도인가? 만약 표본에서 두 변수간에 관계가 있는 것으로 밝혀졌다 하더라도 모집단에서는 관계가 없을 확률이 상당히 높다면, 두 변수간에 관계가 있다고 결론을 내리기는 대단히 어려울 것이다. 단지 두 변수간에 관계가 있음을 보여준 표본이 이러한 관계가 없는 모집단으로부터 선정되었을 가능성이 매우 적은 경우에만 조작적 가설을 받아들이게 된다.

두 변수가 서로 관련되어 있는지를 확인하는 방법은 두 변수가 서로 관련되어 있지 않다는 가설을 검증하는 것이다. 우선 두 변수간에 관계가 없다는 영가설을 세운다. 이 가설은 이론이나 선행연구에 기초하여 세운 두 변수간에 관계가 있을 것이라는 연구가설과는 반대되는 것이다. 만일 표본의 결과가 모집단으로부터 무작위 표집한 결과로 나타났을 가능성이 매우 적다면, 우리는 영가설을 기각할 수 있게 된다. 그렇게 함으로써 우리는 영가설에 대립되는, 즉 모집단에서 실제로 두 변수간에 관계가 있다는 조작적 연구가설을 조건적으로 받아들이게 된다.

제 1 종 오류( )-실제로 옳은 영가설을 기각하는 것. 표본이 모집단을 충분히 대표하지 못할 때 발생하게 된다. 이 오류는 확률수준과 같다.
제 2 종 오류( )-실제로 틀린 영가설을 기각하지 못하는 것. 이 오류를 줄이기 위해서는 표집 오차를 줄이는 것이 필요하다.

4.4 카이자승(chi-square)의 유의성 검증

카이자승은 교차표의 각 칸의 관찰빈도와 기대빈도(두 변수간에 아무런 관계가 없다는 영가설이 사실일 때 기대되는 빈도)의 비교에 기초를 둔 통계적 검증이다. 기대빈도는 두 변수가 통계적으로 독립적일 때 기대되는 빈도로 두 변수가 통계적으로 독립적이라면, 교차표의 독립변수의 범주 내에 종속변수가 일정한 비율로 분포되어 있을 것이며 마찬가지로 종속변수의 각 범주 안에도 독립변수가 같은 비율로 분포되어 있을 것이다.

각 검증통계치인 자유도와 표본의 크기에 따라 특정의 표집분포를 갖는다.
자유도(degrees of freedom:df)는 누계가 고정된 상태에서 값이 자유롭게 변할 수 있는 칸의 수를 의미한다.
df=(R-1)(C-1) R은 행의 수,C는 열의 수

1. 영가설을 기각할 확률수준을 정한다
2. 표의 자유도를 계산한다.
3. 표본으로부터 카이자승값을 구하고 이 값이 카이자승표의 행과 열에 따라 수준과 자유도에 상응하는 값(임계치:critical value)과 같거나 크게 되면 영가설을 기각할 수 있다.

SPSS WIN 기초 통계 및 교차표

이것은 SPSS Win 8.0 프로그램을 이용한 통계 처리와 결과 해석에 도움이 될 수 있도록 작성한 것입니다. 그래서 프로그램 자체의 사용법보다는 통계 처리와 결과 해석만을 다루었습니다. 곧, SPSS data edit 창의 메뉴 중에서 [Statistics]에 해당되는 내용입니다.

여기에서 분석에 쓰인 자료는 한국노동패널자료(KLIPS: Korean Labor & Income Panel Study) 1차년도 개인용 설문 응답자료로 케이스는 총 13,738명입니다.

■ SPSS의 연산자 및 기본 명령문

SPSS 연산자 (Operator)
IF 문 사용법
RECODE 문의 사용법
COMPUTE 문 사용법

SPSS 연산자 (Operator)

SAS 연산자는 자료의 산술 계산, 비교 및 논리식의 비교 등을 행하는 데 필요한 기호이다.

(1) 산술연산자

+ : 덧셈 - : 뺄셈 * : 곱셈 / : 나눗셈 ** : 지수

(2) 비교연산자

eq : = : 같다 ne: < > : 같지 않다 lt : < : 미만 le : <= : 이하 gt : > 초과 ge : => : 이상

(3) 논리연산자

& : 그리고 │: 또는 ~ : 아니면 Neqv : 서로 다르면

IF 문 사용법

SPSS IF 문은 어떤 변수에 조건을 주어 다룰 때 사용한다.

(1) 어떤 변수의 특정한 값을 갖는 자료만을 분석하고자 할 때 사용할 수 있다.

: 만약 성(sex)이라는 변수 중에서 남성(1)만을 분석할 때는 syntax문에서 다음과 같은 명령어를 사용한다.
IF sex eq 1.

Window상에서는 메뉴 중 데이터(D)를 선택한 후 케이스 선택(C)를 선택하고 조건 사장안에 sex=1을 입력한 후 확인 버튼을 누르고 분석하면 된다.

(2) 새로운 변수 X를 만들 경우 기본 변수 Y의 특정한 값을 지정하는데 사용할 수 있다.

: 만약 변수 Y의 값이 2 이하이면 새로운 변수 X는 1이라는 값을 주고, Y의 값이 3을 초과하면 X는 2라는 값을 갖는 것으로 할 때 syntax문에서 다음과 같은 명령어를 사용한다.
IF (Y le 2) X = 1. IF(Y gt 3) X = 2.

Window상에서는 메뉴 중 변환(T)을 선택한 후 변수 계산(C)를 선택한 후 조건식을 작성한다.

RECODE 문 사용법

SPSS RECODE 문은 어떤 변수의 값을 바꿀 때 사용한다.

: 만약 성(sex)이라는 변수 중에서 남성의 값을 1에서 2로 바꿀 때 syntax문에서 다음과 같은 명령어를 사용한다.
recode sex (1=2).

Window상에서는 메뉴 중 변환(T)를 선택한 후 코딩변경(R)을 기존값 및 새로운 값(Q)에서 변경하면 된다.

COMPUTE 문 사용법

SPSS COMPUTE 문은 새로운 변수를 기존의 변수를 이용하여 만들 때 사용한다.

: 기존의 변수 X1, X2, X3로 이용하여 새로운 변수 X를 만들 때 syntax문에서 다음과 같은 명령어를 사용한다.
compute X = X1 + X2 + X3.

Window상에서는 메뉴 중 대상변수(T) 상자 안에 X를 입력하고 숫자표현식(E) 상자안에 X1+X2+X3라고 입력한 후 확인 버튼을 선택하면 X라는 새로운 변수가 생성된다.

1. 기초통계와 빈도

가. 기초통계-예제 1 연령/학력

(1) 프로그램 언어



var lab P01556 '본인의  연령'.

FREQUENCIES VARIABLES= P01556 
/NTILES= 4 
/STATISTICS=STDDEV VARIANCE RANGE 
MINIMUM MAXIMUM MEAN MEDIAN MODE SUM . 


*** 학력을 수학년수로 전환. p01564(교육수준)/p01565(졸업여부) 
무학=0 
초등학교(중퇴, 재학, 수료, 휴학)=3 
초등학교졸업=6 
중학교(중퇴, 재학, 수료, 휴학)=7.5 
중학교졸업=9 
고등학교(중퇴, 재학, 수료, 휴학)=10.5 
고등학교졸업=12 
전문대(중퇴, 재학, 수료, 휴학)=13
전문대졸업=14 
대학(중퇴, 재학, 수료, 휴학)=15 
대학교졸업=16 
대학원석사(중퇴, 재학, 수료, 휴학)=17 
대학원석사졸업=18 
대학원박사(중퇴, 재학, 수료, 휴학)=19 
대학원박사졸업=20   ***


compute pedu =  P01564.
recode pedu (2 = 0) (3 = 6) (4 = 9) (5 = 12) 
(6 =14) (7 = 16) (8 = 18) (9 = 20).
miss val pedu (99).

compute pedu2 =  p01565.
if (P01565  gt 1 and P01565 lt 9) pedu2 = 1.
if (P01565 eq 1) pedu2 = 0.
if (P01565 eq 9) pedu2 = 99.
miss val pedu2 (99).

compute pedu3 = pedu + pedu2.
if (Pedu  eq 0) pedu3 = 0.
if (Pedu  eq 6 and Pedu2 eq 1) pedu3 = 3.
if (Pedu  eq 9 and Pedu2 eq 1) pedu3 = 7.5.
if (Pedu  eq 12 and Pedu2 eq 1) pedu3 = 10.5.
if (Pedu  eq 14 and Pedu2 eq 1) pedu3 = 13.
if (Pedu  eq 16 and Pedu2 eq 1) pedu3 = 15.
if (Pedu  eq 18 and Pedu2 eq 1) pedu3 = 17.
if (Pedu  eq 20 and Pedu2 eq 1) pedu3 = 19.
if (pedu3 gt 20) pedu3 = 99.
miss val pedu (99).
FREQUENCIES VARIABLES= pedu3 
/NTILES= 4 
/STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM 
MEAN MEDIAN MODE SUM SKEWNESS SESKW KURTOSIS SEKURT.

(2) 결과

* SPSS에서 작업한 결과를 원형대로 한글이나 HTML로 가져오는 방법이 있습니다. 먼저 저장방식은 다음과 같습니다. SPSS의 OUT PUT 창의 메뉴중 [File]의 [Export]를 선택하여 형식을 HTML로 선택합니다(기본설정). 이렇게 저장한 파일을 선택하면 바로 인터넷 상의 테이블로 전환되며, 이를 한글 프로그램에 쓰려면 한글의 [불러오기]를 선택하여 해당 파일을 선택한 후 [변환후 읽기]를 선택하시면 됩니다. 이 때 셀은 음영 80%로, 선 모양은 투명으로 되어 있으므로 [셀모양]과 [선모양]을 선택하여 원하는 모양으로 바꾸면 됩니다.

**본인의 연령(P01556)**
N	Valid	13738
N	Missing	0
Mean		38.78
Median		37.00
Mode		17(a)
Std. Deviation		16.25
Variance		264.22
Range		84
Minimum		15
Maximum		99
Sum		532711
Percentiles	25	25.00
	50	37.00
	75	50.00
a Multiple modes exist. The smallest value is shown

본인의 수학년수(PEDU3)
N Valid 13730

Missing 8

Mean 10.7595

Median 12.0000

Mode 12.00

Std. Deviation 4.1901

Variance 17.5567

Skewness -.939

Std. Error of Skewness .021

Kurtosis .648

Std. Error of Kurtosis .042

Range 20.00

Minimum .00

Maximum 20.00

Sum 147728.00

Percentiles 25 9.0000

50 12.0000

75 13.0000

⇒

Mean 평균값

Std err 표준오차. 각 표본 평균들의 표준편차

Median 중앙값. 전체 사례중 50%에 해당하는 값.

Mode 최빈값. 전체사례 중에서 가장 빈도가 높은 값.

Std dev 표준편차. 분산의 평균값 . 평균으로부터 개별값의 떨어진 거리를 표준화한 값.

Variance 분산(변량). 평균에서 개별 값까지의 떨어진 거리(편차)의 제곱의 합을 전체 사례수 로 나눈 값으로 표준편차의 제곱

Kurtosis 첨도. 정상분포 곡선이 뾰족한지 평평한지 알려주는 값. 정상분포곡선에서 첨도값 은 0이며 뾰족하면 0보다 큰 값을, 평평하면 0보다 작은 값을 가짐.

S E Kurt 첨도의 표준오차.

Skewness 왜도. 정상분포의 곡선이 좌우로 기울어졌는지 알려주는 값. 정상분포에 왜도 값음 0이며, 0보다 크면 좌측으로, 0보다 작으면 우측으로 기울어진 값을 가짐.

S E Skew 왜도의 표준오차.

Range 범위. 최대값에서 최소값을 뺀 값.

Minimum 최소값.

Maximum 최대값.

Sum 합계. 각 사례수가 가진 값을 모두 합한 값.

Percentile 사용자 정의 백분위수로 0%∼100%사이에 알고싶은 %의 변수값을 알고자 할 때 사용. 만약 알고 싶은 백분위수 값이 50%이면 이 값은 중앙값(Median)과 같음.

나. 빈도분석-예제 2 연령집단

(1) 언어


compute age =  P01556.
if (P01556 le 29) age = 1.
if (P01556 ge 30 and P01556 le 39) age = 2.
if (P01556 ge 40 and P01556 le 49) age = 3.
if (P01556 ge 50 and P01556 le 59) age = 4.
if (P01556 ge 60) age = 5.
var lab age '본인의  연령집단'.
value labels age 
		1 '29세 이하'
		2 '30대'
		3 '40대'
		4 '50대'
		5 '60세 이상'.
freq var = age.

(2) 결과

**본인의 연령집단**
		Frequency	Percent	Valid Percent	Cumulative Percent
Valid	29세 이하	4671	34.0	34.0	34.0
	30대	3064	22.3	22.3	56.3
	40대	2557	18.6	18.6	74.9
	50대	1701	12.4	12.4	87.3
	60세 이상	1745	12.7	12.7	100.0
	Total	13738	100.0	100.0

⇒

Percent 전체 응답자를 100%로 보았을 때 각 변수 값의 비율.

Valid Percent 무응답치를 제외한 응답자를 100%로 보았을 때 각 변수 값의 비율.

Cumulative Percent Valid Percent의 누적비율.

2. 교차분석

여기에서 분석에 쓰인 자료는 "전문직 종사자의 전문직업성과 직업만족도에 대한 연구('95)"에 쓰인 방송연기자(TV 탤런트) 100명을 대상으로 한 설문조사 자료입니다. 분석에 쓰인 것은 95명입니다.

가. 예제 1 성별 교육수준

(1) 언어

-> CROSSTABS

-> /TABLES=educa BY sex

-> /FORMAT= AVALUE NOINDEX BOX LABELS TABLES

-> /STATISTIC=CHISQ CC PHI LAMBDA UC ETA

-> /CELLS= COUNT EXPECTED ROW COLUMN TOTAL RESID SRESID ASRESID .

* 정확한 검정에 관한 선택사항(SPSS WIN).

가. 점근적 검정(A): 점근 유의성 확률(양측검정)의 값을 의미하며, 현재 데이터가 표준점근법을 사용하여 신뢰할만한 결과를 작성하는데 필요한 기본가정을 충족할 때 이용.

나. Monte Carlo(M): 몬테 카르로 유의성확률(양측검정)의 값을 의미.

다. 정확(E): 각 검정을 계산하는 최대시간 제한을 입력. 검정제한 시간이 30분을 초과할 때는 몬테 카르로 방법을 사용하는 것이 좋다.

(2) 결과

EDUCA 교육수준 * SEX 성별 Crosstabulation


			SEX 성별		Total
			1 남자	2 여자	Total
EDUCA 교육수준	1 고졸	Count	6	1	7
		Expected Count	4.7	2.3	7.0
		% within EDUCA 교육수준	85.7%	14.3%	100.0%
		% within SEX 성별	9.5%	3.3%	7.5%
		% of Total	6.5%	1.1%	7.5%
	2 전문대	Count	21	7	28
		Expected Count	19.0	9.0	28.0
		% within EDUCA 교육수준	75.0%	25.0%	100.0%
		% within SEX 성별	33.3%	23.3%	30.1%
		% of Total	22.6%	7.5%	30.1%
	3 대졸	Count	32	20	52
		Expected Count	35.2	16.8	52.0
		% within EDUCA 교육수준	61.5%	38.5%	100.0%
		% within SEX 성별	50.8%	66.7%	55.9%
		% of Total	34.4%	21.5%	55.9%
	4 석사 이상	Count	4	2	6
		Expected Count	4.1	1.9	6.0
		% within EDUCA 교육수준	66.7%	33.3%	100.0%
		% within SEX 성별	6.3%	6.7%	6.5%
		% of Total	4.3%	2.2%	6.5%
Total		Count	63	30	93
		Expected Count	63.0	30.0	93.0
		% within EDUCA 교육수준	67.7%	32.3%	100.0%
		% within SEX 성별	100.0%	100.0%	100.0%
		% of Total	67.7%	32.3%	100.0%

Count | 관찰빈도

Exp Val | 기대빈도. 영가설에 적절한 기대되어지는 빈도

Row Pct | 행의 퍼센트. 가로로 합계가 100%

Col Pct | 열의 퍼센트. 세로로 합계가 100%

Tot Pct | 전체 빈도 대비 각 셀의 비율

Residual | 표준화되지 않은 잔차(관찰빈도에서 기대빈도를 뺀 값)

Std Res | 표준화된 잔차

Adj Res | 조정된 표준화된 잔차.

Chi-Square Tests


	Value	df	Asymp. Sig. (2-sided)
Pearson Chi-Square	2.629(a)	3	.452
Likelihood Ratio	2.793	3	.425
Linear-by-Linear Association	2.004	1	.157
N of Valid Cases	93
a 4 cells (50.0%) have expected count less than 5. The minimum expected count is 1.94.

⇒ 카이자승(Chi-Square) 측정

Pearson: Pearson 카이자승 값과 자유도를 제시하며 이런 값일 때 유의도 수준을 제시. P값이 0.05보다 클 경우 유의 수준 5%에서 유의하지 못하다고 결론. 상호독립적이라는 0가설 채택.곧 성별로 교육수준이 다르다는 가설은 기각된다.

Likelihood Ratio: 우비도 값과 자유도를 제시하며 이런 값일 때 유의도 수준을 제시.

Mantel-Haenszel test:선형 대 선형결합 카이자승 값과 자유도 제시하며 이런 값일 때 유의도 수준을 제시.

나. 명목변수간의 관련측정-예제 2 성별 협회/노조 가입

(1) 언어

-> CROSSTABS

-> /TABLES=join BY sex

-> /FORMAT= AVALUE NOINDEX BOX LABELS TABLES -> /STATISTIC=CC PHI LAMBDA UC -> /CELLS= COUNT EXPECTED.

(2) 결과

JOIN 노조/협회 가입 * SEX 성별 Crosstabulation


			SEX 성별		Total
			1 남자	2 여자	Total
JOIN 노조/협회 가입	1 협회	Count	5	5	10
	1 협회	Expected Count	6.9	3.1	10.0
	2 노조	Count	3	1	4
	2 노조	Expected Count	2.8	1.2	4.0
	3 둘다 가입	Count	51	15	66
	3 둘다 가입	Expected Count	45.4	20.6	66.0
	4 미가입	Count	5	8	13
	4 미가입	Expected Count	8.9	4.1	13.0
Total		Count	64	29	93
Total		Expected Count	64.0	29.0	93.0

Directional Measures


			Value	Asymp. Std. Error(a)	Approx. T(b)	Approx. Sig.
Nominal by Nominal	Lambda	Symmetric	.054	.062	.835	.404
		JOIN 노조/협회 가입 Dependent	.000	.000	.(c)	.(c)
		SEX 성별 Dependent	.103	.118	.835	.404
	Goodman and Kruskal tau	JOIN 노조/협회 가입 Dependent	.059	.041		.001(d)
	Goodman and Kruskal tau	SEX 성별 Dependent	.102	.067		.024(d)
	Uncertainty Coefficient	Symmetric	.064	.042	1.494	.029(e)
		JOIN 노조/협회 가입 Dependent	.054	.036	1.494	.029(e)
		SEX 성별 Dependent	.078	.052	1.494	.029(e)
a Not assuming the null hypothesis.
b Using the asymptotic standard error assuming the null hypothesis.
c Cannot be computed because the asymptotic standard error equals zero.
d Based on chi-square approximation
e Likelihood ratio chi-square probability.

**Symmetric Measures**
		Value	Approx. Sig.
Nominal by Nominal	Phi	.320	.023
Nominal by Nominal	Cramer's V	.320	.023
N of Valid Cases		93
a Not assuming the null hypothesis.
b Using the asymptotic standard error assuming the null hypothesis.

⇒ Lamda

카이자승 측정은 관계성 여부만을 알려주기 때문에 변수간의 관련 정도를 알기 위해서는 다른 통계적 측정이 필요하다. lamda는 명목척도간의 측정방법으로 오차의 기술적 감소(PRE: proportionate reduction in error) 방법으로 이것은 한 변수를 앎으로 해서 다른 변수를 어느 정도 잘 예측할 수 있는가는 나타낸다. 람다 값은 0에서 1.00의 값을 가지며 1.00에 가까울수록 한 변수가 다른 변수를 완전히 예측할 수 있는 값에 가까워진다. 람다 값은 비대칭적 값으로 독립변수와 종속변수가 바뀌면 그 값도 바뀐다.

⇒ Phi

대부분 카이자승 값에 기초를 두고 있다. 이중에서 유관계수는 행과 열의 수에 영향받는다. 파이는 -1에서 +1까지 값을 가진다.

⇒ Goodman & Kruskal Tau / Uncertainty Coefficient

가장 유용한 람다 값 외에 유사한 측정을 수행하는 측정 값들. 대부분 0에서 1.00의 값을 가지며 1에 가까울수록 관계성이 높은 값이다.