거트만척도 (Guttman Scale)
쉽게 풀면
높이뛰기 시험을 상상해 보세요. 선수가 1m, 1.1m, 1.2m 순서로 바를 넘다가 1.2m에서 떨어졌다면, "1m와 1.1m는 당연히 넘었다"는 걸 굳이 확인하지 않아도 압니다. 거트만척도는 태도나 의견 문항을 이렇게 난이도(강도) 순서로 쌓아 올립니다. 예를 들어 "나는 이 정책에 찬성한다" → "나는 이 정책을 위해 서명하겠다" → "나는 이 정책을 위해 시위에 참여하겠다"처럼 갈수록 강한 동의를 요구하는 문항을 배열하면, 응답자가 몇 번째 문항까지 "그렇다"고 답했는지만 알아도 전체 태도 수준을 짐작할 수 있습니다. 리커트척도처럼 각 문항에 점수를 매겨 합산하는 방식과는 접근 자체가 다릅니다.
왜 중요한가
거트만척도는 문항 사이에 명확한 위계가 있는지를 검증하는 방법을 제공하기 때문에, 사회학·정치학의 태도 연구뿐 아니라 발달·재활 분야에서 기능 수행의 단계적 습득 순서를 확인하는 척도 개발에도 활용됩니다. 척도가 단순한 합산 점수가 아니라 누적적 구조를 갖는다는 것을 통계적으로 입증해야 하는 연구에서 방법론적 근거로 자주 인용됩니다.
논문에서는 이렇게 쓰입니다
이 문장은 문항들이 실제로 "쉬운 것에서 어려운 것" 순서대로 잘 쌓여 있는지를 재현계수라는 수치로 확인했고, 그 값이 기준(보통 .90 이상)을 넘어 척도 구성이 타당했다는 뜻입니다.
재활의학·간호학 논문에서는 이처럼 기능 상실이나 습득이 특정 순서를 따르는지를 확인할 때 거트만척도 구조를 활용하는 경우가 있다.
방법론 논문에서는 재현계수 외에도 척도도 분석과 같은 보조 기법을 함께 제시해 누적 구조의 타당성을 다각도로 검증하기도 한다.
조금 더 깊게 보면
거트만척도의 타당성은 흔히 재현계수와 함께 척도가능성계수(coefficient of scalability)로도 평가되는데, 이는 우연히 누적 패턴이 나타났을 가능성을 보정한 지표입니다. 실제 응답에서는 이론적으로 예상되는 순서에서 벗어나는 오차 응답이 일부 발생하기 마련이며, 이런 오차의 빈도와 패턴을 함께 살펴보는 것이 척도의 신뢰도를 판단하는 데 중요합니다.
주의할 점
거트만척도는 문항 간에 뚜렷한 위계(순서)가 존재하는 주제에만 적합합니다. 그런 위계가 분명하지 않은 태도나 성격 특성을 억지로 거트만척도로 구성하면 재현계수가 낮게 나오며, 이럴 때는 리커트척도나 의미분별척도가 더 적합할 수 있습니다.