다차원척도법 (Multidimensional Scaling)
쉽게 풀면
지도가 없는 상태에서 "서울-부산 400km, 서울-대구 250km, 부산-대구 100km"처럼 도시 간 거리 숫자만 주어졌다고 해봅시다. 이 숫자들만 가지고도 서로 거리 관계가 최대한 맞아떨어지도록 평면 위에 점을 찍으면, 실제 지도와 꽤 비슷한 그림을 그려낼 수 있습니다. 다차원척도법은 바로 이 원리를 이용합니다. 소비자가 여러 브랜드를 얼마나 비슷하게 느끼는지, 또는 여러 개념을 얼마나 가깝게 인식하는지 같은 "눈에 보이지 않는 심리적 거리"를 숫자로 모은 다음, 그 거리 관계를 그대로 유지하는 지도를 그려서 한눈에 파악할 수 있게 해줍니다.
왜 중요한가
다차원척도법은 사람들의 인식이나 평가처럼 직접 좌표로 측정하기 어려운 개념들을 눈으로 확인 가능한 공간 구조로 바꿔주기 때문에, 마케팅의 포지셔닝 분석부터 심리학의 개념 간 유사성 연구, 생태학의 군집 간 거리 분석까지 폭넓게 쓰입니다. 특히 변수 자체보다 "대상 간 관계"에 관심이 있는 연구에서, 복잡한 거리 행렬을 해석 가능한 그림 하나로 요약해준다는 점이 논문에서 자주 언급되는 이유입니다.
논문에서는 이렇게 쓰입니다
이 문장은 응답자들이 여러 브랜드 쌍에 대해 매긴 "얼마나 비슷한가" 점수를 이용해, 브랜드들이 소비자 마음속에서 서로 얼마나 가깝거나 멀게 자리 잡고 있는지를 2차원 지도로 표현했다는 뜻입니다.
이 문장은 설문이나 관찰로 얻은 사람들 사이의 관계 거리를 바탕으로, 누가 누구와 가까운 무리를 이루는지를 지도 형태로 드러냈다는 의미입니다.
이 문장은 실험 참가자들이 여러 자극 쌍을 얼마나 비슷하게 느꼈는지를 근거로, 그 지각이 실제로 몇 개의 심리적 차원(예: 밝기, 크기 등)으로 이루어져 있는지를 역으로 추정했다는 뜻입니다.
조금 더 깊게 보면
다차원척도법은 크게 거리 값을 그대로 수치로 맞추려는 계량적(metric) 방식과, 거리의 순위 정보만 맞추려는 비계량적(non-metric) 방식으로 나뉩니다. 결과 지도가 원래의 거리 관계를 얼마나 잘 재현하는지는 흔히 스트레스(stress) 값으로 평가하며, 이 값이 낮을수록 저차원 지도가 원래 거리 구조를 잘 보존한다고 해석합니다. 또한 몇 차원으로 배치할지(보통 2차원 또는 3차원)를 정하는 과정에서 스크리 도표 등을 참고하기도 하며, 축 자체의 절대적 방향에는 의미가 없고 점들 사이의 상대적 배치만 해석 대상이 된다는 점도 논문을 읽을 때 유의할 부분입니다.
주의할 점
다차원척도법은 주성분분석과 마찬가지로 여러 정보를 적은 차원으로 압축해 시각화하는 기법이지만, 주성분분석이 변수들의 분산-공분산 구조에서 출발하는 반면 다차원척도법은 대상들 간의 거리(비유사도) 자체에서 출발한다는 점이 다릅니다. 또한 원래의 거리 관계를 2차원 지도가 얼마나 잘 재현하는지를 나타내는 적합도 지표(스트레스 값)를 함께 보고해야 하며, 이 값이 크다면 지도 해석에 주의가 필요합니다.