측정수준 (Levels of Measurement)
쉽게 풀면
같은 "숫자"라도 그 숫자가 실제로 무엇을 의미하는지는 다 다릅니다. 축구선수 등번호 7번은 그냥 이름표일 뿐이라 3번보다 "더 크다"는 의미가 없습니다(명목척도). 마라톤 대회 등수 1등, 2등, 3등은 순서는 있지만 1등과 2등의 차이가 2등과 3등의 차이와 똑같다는 보장은 없습니다(서열척도). 섭씨 온도는 20도와 30도의 차이가 일정한 10도이지만, 0도가 "온도가 전혀 없다"는 뜻은 아니라서 30도가 15도의 두 배 덥다고 말할 수 없습니다(등간척도). 반면 몸무게 60kg은 30kg의 정확히 두 배이고 0kg은 진짜 "무게 없음"을 뜻합니다(비율척도). 이렇게 데이터가 어느 수준에 속하는지에 따라 평균을 내도 되는지, 어떤 통계 기법을 써야 하는지가 완전히 달라집니다.
왜 중요한가
측정수준은 어떤 통계 기법을 적용해도 되는지를 결정하는 가장 기초적인 판단 기준이라, 연구방법론 교육이나 논문 심사에서 변수의 척도를 잘못 다룬 통계 오용 사례를 지적할 때 자주 언급됩니다. 사회과학, 심리학, 보건학 등 설문 기반 연구에서는 리커트척도처럼 척도의 성격이 애매한 자료를 다루는 경우가 많아, 측정수준에 대한 명확한 이해가 분석 방법 선택과 결과 해석의 타당성을 좌우합니다.
논문에서는 이렇게 쓰입니다
이 문장은 변수마다 측정수준이 다르기 때문에, 예를 들어 명목척도인 성별에는 평균을 계산하는 대신 카이제곱검정 같은 범주형 자료 분석법을, 비율척도인 소득에는 평균이나 회귀분석 같은 기법을 구분해 적용했다는 뜻입니다.
임상연구에서 특정 척도를 등간척도로 간주하여 평균 비교 분석을 수행한 사례를 설명하는 문장이다.
서열척도 자료에 평균 대신 순위 기반 비모수 검정을 적용한 방법론적 선택을 설명하는 문장이다.
조금 더 깊게 보면
네 가지 측정수준은 명목에서 비율로 갈수록 담을 수 있는 정보량이 많아지는 위계 구조를 이루며, 상위 수준의 자료는 하위 수준으로 변환할 수 있지만 그 반대는 불가능합니다. 실제 논문에서는 서열척도 자료를 등간척도처럼 취급하는 관행이 흔한데, 이때는 모수 검정(평균, t검정)을 쓸 수 있는지와 순위만 이용하는 비모수 검정을 써야 하는지를 놓고 방법론적 판단이 갈리므로, 척도의 성격과 분석 목적을 함께 고려해 기법을 선택하는 것이 중요합니다.
주의할 점
서열척도 자료를 마치 등간척도처럼 취급해 평균을 계산하고 검정하는 실수가 흔합니다. 예를 들어 리커트척도로 얻은 "1=매우 불만족 ~ 5=매우 만족" 응답은 엄밀히는 서열척도이지만, 실제 논문에서는 관례적으로 등간척도처럼 취급해 평균과 t검정을 쓰는 경우가 많습니다. 이런 관행이 통계적으로 완전히 정당한지에 대해서는 여전히 논쟁이 있으므로, 척도의 성격을 인식하고 결과를 해석할 필요가 있습니다.