5. 통계적 분석방법의 선택
본 논문에서의 실증연구의 기본적인 목적은 설정된 주요 구성개념들간의 전체적인 모형관계를 동시에 검증하는 것이라기 보다는 이들 개념들이 과연 다른 주요 구성개념들과 유의적인 상관관계 또는 영향관계를 가지고 있는 가를 검증하는 것이다.
이는 본 논문이 규범적이고 탐색적인 성격을 가지고 있기 때문이며, 따라서 가설을 검증하기 위한 통계적 분석방법의 선택 및 분석진행에 있어서도 위와 같은 점을 주로 고려하였다.
각 구성개념간의 관계를 설정한 가설에 대해 우선 상관관계분석을 사용하여 일차적인 상관여부를 검증하였다. 그러나, 단순상관관계분석은 잠재된 제3의 변수효과때문에 변수들간의 상호영향 관계를 정확히 반영하지 못하고 있으며, 연구대상인 구성개념들을 직접 측정한 값 또는 측정한 항목들을 어떤 형태론가 종합한 단일항목값만이 사용된다는 점에서 한계가 있다.
따라서, 본 연구에서와 같이 연구의 신뢰도를 높이기 위해 연구대상 구성개념을 복수항목으로 측정한 경우 이들간의 관계검증은 공변량구조모형(Covariance Structure Modeling)분석이 더 적절하다고 하겠다. 그러나, 본 연구의 주제가 과거에 많이 연구되지 않은 분야이며 변수들간의 관계에 대해서도 정확한 인과관계의 설정이 어려워 전체모형에 대해 높은 적합도를 기대할수 없기 때문에, 분석은 각 주요 변수군간의 관계만을 살펴보는 부분모형에 대해서만 수행되었다. 즉, ①수요불확실성변수군과 정보처리특성변수군과의 관계모형 ② 경로시스템내부특성변수군과 정보처리특성변수군과의 관계모형 ③ 정보처리특성변수군과 경로시스템산출특성변수군간의 관계모형의 각각에 대해 공변량구조모형분석을 실시하였고 여기서 나온 분석결과에서는 주로 변수들간의 관계의 유의성에 촛점을 맞추었다.
제5절 연구가설의 검증결과
1. 상관관계분석에 의한 가설검증
주요 연구변수들은 다항목으로 측정되어졌으므로, 변수들간의 직접적인 상관관계분석은 곤란하다. 그러나, 신뢰성 검증을 통해 각 변수를 측정하는 측정항목들이 내적 일관성을 가지고 있다는 것이 확인되었으므로, 각 변수를 구성하는 측정항목들의 표준화 점수를 평균한 단일 값을 이용하여 분석을 수행하였다.
분석결과는 다음과 같다.
1) 수요불확실성이 경로구성원 정보처리특성에 미치는 영향
연구가설로서 수요다양성의 수준이 높을수록 경계연결단위에서의 정보처리다양성수준과 정보처리표준화수준이 높아질 것이라고 예측되었으나, 실증분석의 결과 이들 변수간의 상관관계계수는 유의하지 않은 것으로 나타났다. 또한 수요변동성수준도 가설과는 달리 정보처리표준화수준과 양의 상관관계가 존재하지 않았다.
반면, 수요다의성은 가설에서 설정되었던대로 정보처리의 표준화수준과 통계적으로 유의한 음의 상관관계가 있는 것으로 나타났으나, 정보처리의 다방향화와는 예측했던 것과는 반대로 음의 관계가 나타났다.
2) 경로시스템 내부특성이 정보처리특성에 미치는 영향
경로시스템 내부특성은 경로구성원의 정보처리 특성 특히 그 과정적 특성과 유의한 관계에 있는 것으로 나타났다. 즉, 경로구성원의 지식 및 가치의 통합성, 그리고 자율/창조성수준이 높을수록 이들이 수집하고 처리 전달하는 정보의 유용성과 신뢰성수준도 높은 것으로 나타났다.
3) 경로구성원의 정보처리특성간의 관계
정보처리다양성이 정보처리의 다방향화를 촉진할 것이라고 예측되었으며, 이것은 유의한 상관관계계수로서 입증되었다. 또한, 정보처리의 다방향화도 정보처리의 유용성수준과 양의 상관관계에 있는 것으로 나타났다.
4) 경로구성원의 정보처리특성과 시스템산출과의 관계
예측했던바와 같이 정보처리의 표준화 수준이 높아질수록 채널시스템의 산출다양성과 산출신속성수준은 높아지는 것으로 밝혀졌다. 또한 정보처리의 유용성수준이 높으면 시스템산출의 신속성수준도 높았으며, 정보처리의 유용성수준과 시스템산출의 풍요성수준간의 상관관계도 유의한 것으로 나타났다.
2. 공변량구조모형 분석에 의한 가설검정
1) 공변량구조모형분석 적용의 의의
가설검증의 마지막 단계로서 공변량구조모형분석을 연구대상 자료에 적용하였다. 공변량구조모형분석은 종래의 회귀분석 또는 경로분석에서 요구되던 비현실적인 가정들을 버리고 보다 현실적인 상황에서의 분석을 가능하게 해준다는 점에서 최근 그 사용이 증가하고 있는 분석기법이다.(이순묵,1990,pp.39-41) 특히 사회과학에서 연구대상이 되는 변수(이론변수, 잠재변수,구성개념)들은 직접적으로 측정이 가능하기 보다는 이와 관련된 관찰가능한 변수(관찰가능변수,측정변수)들을 통해 간접적으로 측정되어야 하는 경우가 대부분이다. 회귀분석 또는 경로분석과 같은 종래의 인과관계분석에서는 연구대상변수가 하나의 측정변수에 의해 완벽하게 측정된다는 가정하에서 분석이 이루어지므로 측정변수의 선택의 적절성, 측정변수에 숨어있는 이론변수와 무관한 부분의 영향등의 문제를 지녀왔다. 그러나, 공변량구조모형분석에서는 요인분석과 경로분석을 결합함으로서 연구대상 이론변수가 여러개의 측정변수(항목)가 가지고 있는 공통적인 부분에 의해 반영되게 하는 한편, 이들 이론변수와 관계가 없느 측정변수 고유의 부분(오차)을 모형내에서 허용하고 있다. 또한 회귀분석이나 경로분석에서는 이론변수간 구조의 흐름이 일방적인 것만 허용된 데 비해 공변량구조분석에서는 쌍방향적/상호적인 관계설정이 가능하며, 예측대상 이론변수가 설명되지 않고 남은 부분(잔여분변수)간의 상관관계도 허용함으로서 보다 현실적인 측정 및 이론구조의 관계표시를 가능하게 하고 있는 것이다.
본 연구의 연구대상 개념들도 대부분 하나의 측정항목으로 측정되어지기 보다는 여러 측정항목이 가지고 있는 공통부분이 반영되어지는 지표(Reflcetive Indicator)의 성격이 강하므로 공변량구조분석을 적용할 경우 연구대상 개념들간의 관계가 보다 현실적이고 세부적으로 분석가능해지는 것이다. 이를 위해 앞의 단계에서 이론변수(구성개념)를 측정하는 항목들의 신뢰성 및 타당성을 검토를 수행한바 있다.
2) 공변량구조모형적용을 위한 전제조건의 검토
공변량구조모형적용에 있어 가장 중요한 전제조건은 이론변수(즉, 구성개념)들간의 인과관계구조의 이론적/논리적 타당성이다. 즉, 공변량구조모형은 기본적으로 변수들간의 숨겨져있는 관계구조를 찾아내려하기보다는 이론적 연구를 통해 얻어진 주요 연구대상 이론변수들간의 관계를 가설적으로 설정하고 이러한 관계가 어느정도 적합하고 타당한지를 평가하는 데 사용되어진다. 본 연구에서는 제6장의 1절에서 과거연구의 검토를 통한 가설도출과정에서 이러한 작업이 수행되어졌다.
이외에도 공변량구조모형적용을 위해서는 표본의 크기, 연구모형의 확인가능성, 연구자료의 다변량 정규분포가정등에 대한 검토가 필요하다.
공변량구조모형적용을 위한 연구표본의 크기에 관해서는 여러가지 주장들이 제기되고 있는데, 일반적으로 표본수가 최소한 100개이상(김재일,1989)이면서 가능하면 200개이상(Boomsma,1982)이 바람직하고, 最尤推定法을 사용한 경우에는 표본크기에서 자유도를 차감한 수가 50이상(Bagozzi,1991)되어야 한다고 하고 있다. 본 연구에서 표본의 수는 205개로 표본수기준에는 문제가 없으며, 표본크기에서 자유도를 차감한 수도 50을 넘어 Bagozzi의 기준에도 부합되고 있어 연구표본의 크기에 관한 전제조건에는 문제가 없다고 판단된다.
또한, 연구모형의 확인가능성은 추정하려는 특징수(Parameter, 母數라고도 번역됨)가 관계식내에서 계산가능함을 의미하는데, 확인의 必要조건으로서 "사용되는 정보의 수6)가 최소한 추정하려는 미지수의 수보다 많아야 한다"는 것이 요구된다. 본 연구에서 분석된 세 종류의 하위모형의 각각에 있어 이러한 조건은 충족되고 있다.
마지막으로 最尤推定法을 사용하는 경우에는 특히 자료가 다변량정규분포를 이룬다는 가정이 충족되어야 한다. 이는 자료가 양끝의 어느한쪽 또는 모두가 측정척도의 문제로 인해 제한(Censored)자료이거나, 또는 정규분포에서 크게 벗어나는 왜도(Skewness) 및 첨도(Kurtosis)를 가지고 있는 자료가 아닐 것을 요구하고 있는 것이다. LISREL의 부속프로그램인 PRELIS(V1.8)은 공변량구조분석에 앞서서 자료의 특성을 평가하고 수정하는 절차를 제공하고 있으며, 본 연구에서도 이를 이용하여 분석대상자료를 평가한 결과 문제가 될만한 분포상의 특징이 확인되지 않았으며, 여기서 제공하고 있는 다변량정규분포성의 평가지표인 Relative Multivariate Kurtosis수치7)에서도 1.069를 나타내어서 연구자료가 다변량정규분포가정을 크게 위반하고 있지 않음을 확인할수 있었다.
본 연구에서는 공변량구조분석을 위해 가장 널리 쓰이고 있는 LISREL (PC Verson 7.13)을 이용하였으며, 입력자료로서 추천되고 있는 공변량자료행렬을 주로 사용하여 最尤推定法(ML, Maximum Likelihood Estimation)으로서 분석을 행하였다.
3) 공변량구조모형분석의 진행과정
본 연구에서 설정된 가설들을 공변량구조분석을 통해 검증하기위해 가설들을 변수군을 중심으로하여 세 하위모형으로 나누었다. 하위모형 1은 수요불확실성변수군과 경로시스템정보처리특성변수군과의 관계를 반영하고 있으며, 하위모형 2는 시스템내부특성변수군과 시스템 정보처리특성변수군과의 관계를, 그리고 하위모형 3은 시스템 정보처리특성변수군과 시스템산출특성변수군과의 관계를 나타내고 있다.
공변량구조모형분석에서 얻어지는 특징수의 분석을 통해 설정된 가설을 검증하기 위해서는 변수간의 관계에 대한 연구모형의 적합도평가가 우선되어야 한다. 연구모형의 적합도평가는 일반적으로 ① 예비적인 적합도 기준에 의한 평가 ② 전반적인 적합도 평가 ③ 연구모형의 내부구조의 적합성 평가의 세 단계를 거쳐서 이루어진다.(Bagozzi/Yi,1988,p.82)
분석결과가 얻어지면 전반적인 적합도를 평가하기에 앞서 오차변량(Error Variance)에 음수가 존재하지 않는가, 상관관계계수에 1보다 큰 값이 존재하지 않는가, 상관관계가 1에 접근하는 것이 없는가, 인자적재치가 너무 작거나 너무 큰 것이 없는가, 표준오차(Standard Errors)에 너무 큰 값이 없는 가등에 대해 검토가 이루어져야 한다.
이러한 예비적 기준에 문제가 없다고 판단되는 경우 모형의 전반적인 적합도 기준을 살펴보게 되는데, 여기에서는 우선 χ2값이 유의하지 않아야 하며,(즉 설정된 연구모형과 자료에서 추정된 관계사이에 유의한 차이가 존재하지 않아 두 모형이 같다는 귀무가설을 기각할수 없어야 한다) 기초부합치(GFI, Goodness-of-fit Index), 조정부합치(AGFI, Adjusted Goodness-of-fit Index), 부합증가지수(Incremental Fit Index), 원소간 평균차이(RMR, Root Mean Square Residuals), 결정계수(Coefficients of Determination)등에서 만족할 만한 수치가 얻어져야 한다. 본 연구에서는 LISREL에서 기본적으로 제공하는 카이자승값 및 기초부합치, 조정부합치, 원소간 평균차이를 중심으로 전반적 적합도를 평가하였다.
전반적 적합도에서 만족할 만한 평가가 얻어지면, 비로소 모형의 내부구조의 적합성 평가가 진행된다. 여기서는 각 구성개념(이론변수)를 측정하는 개별항목들의 신뢰성 및 이들이 결합되어 나타나는 결합신뢰성지수(Composite Reliability)의 수준, 가설을 뒷받침할 만한 통계적으로 유의한 특징수의 존재, 표준화된 잔차(Normalized Residuals)수준, 수정지수(Modification Index) 수준등의 검토가 이루어진다. 이 단계에서 비로소 검증하고자 헀던 가설관계에 대한 언급이 이루어질수 있는 것이다.
본 연구에서는 위와 같은 단계를 거쳐 3개의 각 하위모형에 대한 분석이 이루어졌으며, 그 주요내용은 아래와 같다.
4) 하위모형 1 분석 : 수요불확실성과 경로시스템 정보처리특성과의 관계
수요불확실성변수군과 경로시스템 정보처리특성변수군과의 관계모형의 적합도평가는 그림 6-4에 나타나있다. 전반적 적합도지수를 보면 χ2값이 115.26(p=0.059)으로 유의수준 α = 0.05에서 연구모형과 분석자료가 같다고 받아들여질 수 있으며, AGFI값도 0.904로 나타나 관계모형이 현실에서 얻어진 분석자료와 만족할 만한 수준에서 일치하고 있음을 보여주고 있다.8) 9)
이론변수를 측정하는 측정변수들의 개별신뢰도10) 및 결합신뢰도11), 그리고 AVE(Average Variance Extracted)12)의 수준은 표 6-10에 보고되어있다. 결합신뢰도수준에서는 모두 일반적인 기준을 통과하고 있으나, 수요변동성과 다의성 측정항목이 AVE값에서 낮은 값을 보이고 있다. 그러나, 이들은 앞에서 항목의 신뢰성과 타당성을 이미 거쳐 선별된 항목인 점을 감안하여 그대로 분석을 진행하였다.
모형에서 얻어진 특징수들의 추정치와 표준오차, t값13)들은 표 6-11에 나타나있다.
본 연구에서 관심을 가졌던 변수들간의 관계는 γ계수란에 보고되어 있는데, 연구가설별로 그 결과를 살펴보면 다음과 같다.
① 가설 1-1 : 수요불확실성의 다양성수준이 높을수록 정보처리다양성수준이 높아질 것이다.
이 관계를 나타내는 계수 γ11의 값은 0.197로 나타나있지만 t값이 2보다 낮아 통계적으로 유의하지 않았다. 따라서, 가설 1-1은 기각되며, 수요불확실성의 다양성수준과 정보처리다양성수준간의 관계는 입증되지 못하였다. 이 결과는 상관관계 분석에서 살펴본바와 일치하고 있다.
② 가설 1-2 : 수요불확실성의 다양성수준이 높을수록 정보처리 표준화수준이 높아질 것이다.
이론적 연구에서 도출된 바에 따르면 수요불확실성의 다양성수준이 높아질수록 보다 많은 정보를 효율적으로 수집하기 위해 정보처리의 표준화수준이 높아질 것이라고 예측되었으나 본 연구의 실증결과에 따르면 이 관계를 측정하는 계수 γ21의 값은 0.332(t=1.883)으로 통계적으로 입증되지 못하였다. 따라서, 가설 1-2는 기각되었다.
③ 가설 2 : 수요불확실성의 변동성수준이 높을수록 정보처리 표준화수준이 높아질 것이다.
수요불확실성의 다양성수준과 더불어 변동성수준의 상승도 정보처리의 표준화수준이 높아질 것이라고 예측되었으나 본 연구의 실증결과에 따르면 이 관계를 측정하는 계수 γ22의 값은 -0.117(t=-1.328)로 통계적으로 입증되지 못하였다. 따라서, 가설 1-2는 기각되었다.
④ 가설 3-1 : 수요불확실성의 다의성수준이 높을수록 정보처리 표준화수준이 낮아질 것이다.
수요불확실성의 다의성수준이 높아지면 정보의 양보다는 정보의 질의 문제, 정보의 해석의 문제가 발생하기 때문에 이는 정보처리표준화수준을 낮추는 방향으로 작용한다. 분석결과 이 관계를 측정하는 계수 γ23는 -0.212(t=-2.990)으로서 통계적으로 유의하였으며, 관계의 방향도 가설에서 설정된 방향과 일치하여 가설 3-1은 채택되었다.
⑤ 가설 3-2 : 수요불확실성의 다의성수준이 높을수록 정보처리 다방향화수준이 낮아질 것이다.
수요불확실성의 다의성수준이 높아지면 정보해석의 정확도를 높이기 위해 정보처리가 다방향화될 것으로 예상될 수 있다. 그러나, 분석결과 이 관계를 측정하는 계수 γ33는 -0.291(t=-3.976)으로서 통계적으로 유의하였으나, 관계의 방향이 가설에서 설정된 방향과 반대로 나타났다. 그 결과 가설 3-2은 기각되었다.
종합해 보면 수요불확실성변수군중에서 수요다의성만이 정보처리표준화 수준 및 정보처리 다방향화수준에 유의한 영향을 미치고 있었으며, 나머지 두 변수(수요다양성 및 수요변동성)는 정보처리수준과 유의한 관계가 입증되지 못하였다. 이러한 결과와 관련해서 수요불확실성변수군들이 정보처리특성관련 변수군들의 분산을 설명하는 비율은 아주 낮게 나타나고 있는데, 정보처리 다양성의 경우는 1%미만, 정보처리 표준화수준의 경우는 9.2%, 정보처리다방향성의 경우는 12.7%만이 설명되고 있었다.
5) 하위모형 2 : 경로시스템 내부특성과 경로시스템 정보처리특성과의 관계
경로시스템 내부특성변수군과 정보처리특성관련 변수군간의 관계모형 적합도 평가결과는 그림 6-5에 제시되어있다.
전반적 적합도 지수를 보면 χ2값이 151.90(p=0.0004), AGFI값이 0.888로 관계모형이 현실에서 얻어진 분석자료와 아주 잘 부합한다고는 할수 없는 수준으로 나타났다. 그러나, 본 연구에서는 연구모형 전체의 적합여부보다는 각 이론변수간의 관계를 검증하는 데 주 목적이 있으며, 이러한 관점에서는 위의 적합도 수준은 그다지 나쁜 수준이 아니라고 여겨진다.
이론변수를 측정하는 측정변수들의 개별신뢰도 및 결합신뢰도, 그리고 AVE의 수준은 표 6-12에 나타나 있는데, 결합신뢰도수준에서는 모두 일반적인 기준을 통과하고 있으나, 가치통합성 측정항목과 정보처리 신뢰성측정항목이 AVE값에서 약간 낮은 값을 보이고 있다.
모형에서 얻어진 특징수들의 추정치와 표준오차, t값들은 표 6-13에 나타나있다.
경로시스템 내부특성과 정보처리특성의 관계에 관련된 연구가설별로 그 결과를 살펴보면 다음과 같다.
① 가설 4 : 지식통합성 수준이 높을수록 정보처리의 유용성수준이 높을 것이다.
이 관계를 나타내는 계수 γ11의 값은 0.108로 나타나있지만 t값이 1.692로 통계적으로 유의하지 않았다. 따라서, 경로구성원간의 지식통합성 수준과 정보처리 유용성수준간의 관계에 관한 가설 4는 기각되었다.
② 가설 5-1 : 가치통합성 수준이 높을수록 정보처리 유용성 수준이 높을 것이다.
정보처리의 유용성수준에 미치는 중요한 영향변수중 하나는 경로구성원간의 가치통합성 수준이다. 분석결과를 보면 이 관계를 측정하는 계수 γ12의 값은 0.331(t=4.607)로 통계적으로 유의한 관계로서 입증되었다. 따라서, 가설 5-1의 채택에 따라 가치통합성수준은 정보처리의 유용성수준에 유의한 영향을 미치고 있다고 결론지을수 있다.
다음 페이지로