Á¦ 4 Àå ±â¾÷ À̹ÌÁö ºÐ¼®À» À§ÇÑ ½ÇÁõ¿¬±¸
Á¦ 1 Àý ±â¾÷ÀÇ À̹ÌÁö ºÐ¼® ¹æ¹ý
º» ³í¹®ÀÇ ¿¬±¸¹®Á¦ ¿¬±¸¿¡ ¾Õ¼ »çÀüÁ¶»ç·Î ¿ì¸® ³ª¶ó °æÁ¦¿¡ ÃàÀ» ÀÌ·ê ¼ö ÀÖ´Ù°í »ý°¢µÇ´Â 5´ë ±â¾÷, Áï »ï¼º, Çö´ë, LG, ´ë¿ì, SK¸¦ ¼±Á¤ÇØ ÀÌ ±â¾÷µé¿¡ ´ëÇØ ÀϹÝÀεéÀÌ °®°í ÀÖ´Â ±â¾÷ À̹ÌÁö´Â ¾î¶² °ÍÀÎÁö¸¦ ÆľÇÇÏ°íÀÚ 5´ë ±â¾÷ÀÇ À̹ÌÁö ºÐ¼®À» ÇÏ°íÀÚ ÇÑ´Ù.
5´ë ±â¾÷ÀÇ À̹ÌÁö ºÐ¼®Àº °¢ ±â¾÷¿¡ ´ëÇÑ ¼±È£µµ ºÐ¼®°ú ±â¾÷ À̹ÌÁö ¹× ±â¾÷¿¡ ´ëÇØ °®°í ÀÖ´Â ´À³¦¿¡ ´ëÇØ Á¶»çÇÏ°íÀÚ ÇÑ´Ù. ±â¾÷ À̹ÌÁö ¹× ±â¾÷¿¡ ´ëÇØ °®°í ÀÖ´Â ´À³¦¿¡ ´ëÇؼ´Â ¸Å³â ÀϺ» °æÁ¦½Å¹® ±â¾÷ Á¶»çºÎ¿¡¼ ½Ç½ÃÇÏ°í ÀÖ´Â °ËÁõµÈ 22°³ÀÇ ¼³¹® ¹®Ç×À» ¼öÁ¤ÇÏ¿© ±â¾÷ À̹ÌÁö¸¦ ÃøÁ¤ÇÏ°íÀÚ Çϸç, ¾î¶² ¿äÀÎÀÌ ±â¾÷ À̹ÌÁö¿¡ ¿µÇâÀ» ¹ÌÄ¡´Â°¡¸¦ ºÐ¼®ÇÑ´Ù. (<Ç¥ 4-1> ÂüÁ¶)
5´ë ±â¾÷ÀÇ À̹ÌÁö ºÐ¼®À» À§ÇÑ Á¶»ç¹æ¹ýÀº ¼³¹®Áö¹ýÀ» ÀÌ¿ëÇÏ¿´°í, ¹«ÀÛÀ§ ÃßÃâ¿¡ ÀÇÇØ ¼öµµ±Ç¿¡ °ÅÁÖÇÏ´Â 20´ë¿¡¼ 50´ë¿¡ À̸£´Â 360¸íÀ» Ç¥º»À¸·Î ÁøÇàµÇ¾ú´Ù. ¼³¹®Áö´Â °¢ ±â¾÷ÀÇ À̹ÌÁö¿¡ ´ëÇÑ 22°³ ¹®Ç×°ú ±¤°í ´À³¦¹ÝÀÀ 13¹®Ç×À¸·Î, 5Á¡ ôµµ¹ýÀ» »ç¿ëÇßÀ¸¸ç, º» ¿¬±¸¹®Á¦¸¦ À§ÇÑ 1Â÷ Á¶»ç·Î 1998³â 5¿ù°ú 6¿ù¿¡ ¹èÆ÷, ȸ¼öµÇ¾ú°í, ±× Áß ¹«¼ºÀÇÇϰųª À߸ø ÀÛ¼ºµÈ ¼³¹®À» Á¦¿ÜÇÑ 344°³ÀÇ ¼³¹®À» ºÐ¼®ÇÏ¿´´Ù.
ÀÚ·áºÐ¼®¿¡ ÀÌ¿ëµÈ ¹æ¹ýÀº SPSS(Statistical Package for Social Science) 8.0¹öÁ¯ Åë°èÇÁ·Î±×·¥À̸ç, ¼±È£µµ ºÐ¼®°ú, ¿äÀκм®, ºÐ»êºÐ¼® µîÀ» ½Ç½ÃÇÏ¿´´Ù.
¿¬±¸ Ç¥º»ÀÇ Àα¸Åë°èÀû ºÐ¼®Àº <Ç¥ 4-2>¿Í °°´Ù.
Á¦ 2 Àý ±â¾÷ À̹ÌÁöºÐ¼® °á°ú
1. ¼±È£µµ ºÐ¼®
¼±È£µµ ºÐ¼®¿¡¼´Â 5´ë ±â¾÷, Áï »ï¼º, Çö´ë, LG, ´ë¿ì, SKÀÇ ±â¾÷¼±È£µµ¸¦ ¾Ë¾Æº¸¾Ò´Ù.
Á¶»ç°á°ú 5´ë ±â¾÷ Áß »ï¼ºÀÇ ¼±È£µµ°¡ °¡Àå ³ô°Ô ³ªÅ¸³µ´Ù. °¢ ±â¾÷ÀÇ ¼±È£µµ¿Í Æò±ÕÀº ´ÙÀ½ <Ç¥ 4-3>¿Í °°´Ù.
À§ÀÇ Ç¥¿Í °°ÀÌ »ï¼ºÀÇ ¼±È£µµ´Â Æò±ÕÀÌ 4.12ÀÌ°í, »ï¼ºÀ» ¼±È£ 1¼øÀ§·Î ÀÀ´äÇÑ »ç¶÷Àº 344¸í Áß 195¸í, 2¼øÀ§·Î ÀÀ´äÇÑ »ç¶÷ÀÌ 60¸í, 3¼øÀ§·Î ÀÀ´äÇÑ »ç¶÷ÀÌ 42¸í, 4¼øÀ§·Î ÀÀ´äÇÑ »ç¶÷ÀÌ 30¸í, 5¼øÀ§·Î ÀÀ´äÇÑ »ç¶÷ÀÌ 17¸íÀ¸·Î ³ªÅ¸³µ´Ù. Çö´ëÀÇ ¼±È£µµ Æò±ÕÀº 3.24ÀÌ°í, Çö´ë¸¦ ¼±È£ 1¼øÀ§·Î ÀÀ´äÇÑ »ç¶÷ÀÌ 46¸í, 2¼øÀ§·Î ÀÀ´äÇÑ »ç¶÷ÀÌ 106¸í, 3¼øÀ§·Î ÀÀ´äÇÑ »ç¶÷ÀÌ 105¸í, 4¼øÀ§·Î ÀÀ´äÇÑ »ç¶÷ÀÌ 59¸í, 5¼øÀ§·Î ÀÀ´äÇÑ »ç¶÷ÀÌ 28¸íÀÌ´Ù. LGÀÇ ¼±È£µµ Æò±ÕÀº 3.60ÀÌ°í, LG¸¦ 1¼øÀ§·Î ¼±È£ÇÏ´Â »ç¶÷ÀÌ 75¸í, 2¼øÀ§·Î ¼±È£ÇÏ´Â »ç¶÷ÀÌ 125¸í, 3¼øÀ§·Î ¼±È£ÇÏ´Â »ç¶÷ÀÌ 88¸í, 4¼øÀ§·Î ¼±È£ÇÏ´Â »ç¶÷ÀÌ 43¸í, 5¼øÀ§·Î ¼±È£ÇÏ´Â »ç¶÷ÀÌ 13¸íÀ¸·Î ³ªÅ¸³µ´Ù. ¸¶Âù°¡Áö·Î ´ë¿ìÀÇ ¼±È£µµ Æò±ÕÀÌ 2.40¸íÀ̸ç, 1¼øÀ§·Î ÀÀ´äÇÑ »ç¶÷ÀÌ 21¸í, 2¼øÀ§´Â 37¸í, 4¼øÀ§´Â 153¸í, 5¼øÀ§·Î ÀÀ´äÇÑ »ç¶÷ÀÌ 66¸íÀ̾ú´Ù. SKÀÇ ¼±È£µµ Æò±ÕÀº 1.64·Î SK¸¦ 1¼øÀ§·Î ¼±È£ÇÏ´Â »ç¶÷ÀÌ 7¸í, 2¼øÀ§·Î ¼±È£ÇÏ´Â »ç¶÷ÀÌ 16¸í, 3¼øÀ§·Î ¼±È£ÇÏ´Â »ç¶÷ÀÌ 42¸í, 4¼øÀ§´Â 59¸í, 5¼øÀ§´Â 220¸íÀ¸·Î ¼ÒºñÀÚµéÀº »ï¼º, LG, Çö´ë, ´ë¿ì, SK ¼øÀ¸·Î ¼±È£ÇÏ´Â °ÍÀ» ¾Ë ¼ö ÀÖ´Ù.
¼±È£µµ Æò±ÕÀº 5Á¡ ôµµ·Î ÆíÀÇ»ó 1¼øÀ§ ÀÀ´äÀ» 5Á¡, 2¼øÀ§ ÀÀ´äÀ» 4Á¡, 3¼øÀ§ ÀÀ´äÀ» 3Á¡, 4¼øÀ§ ÀÀ´äÀ» 2Á¡, 5¼øÀ§ ÀÀ´äÀ» 1Á¡À¸·Î ó¸®ÇÏ¿© Æò±ÕÀ» ³½ °ÍÀÌ´Ù.
2. ±â¾÷ À̹ÌÁö¿¡ ´ëÇÑ °¢ Ç׸ñº° Â÷ÀÌ
±â¾÷ À̹ÌÁö¿¡ ´ëÇÑ 22°³ ¼³¹®¹®Ç׿¡ ´ëÇÑ 5°³ ±â¾÷ÀÇ Â÷ÀÌ°¡ À¯ÀÇÇϸç, °¢ ¼Ó¼ºº° 5´ë ±â¾÷ À̹ÌÁö¸¦ ºñ±³ ºÐ¼®ÇØ º¸¸é, <Ç¥ 4-4>¿Í °°´Ù.
<Ç¥ 4-4>¿¡¼ ´ÙÁߺñ±³ºÐ¼®À» º¸¸é, ±â¾÷ÀÇ ¼Ó¼º Áß ¼ÒºñÀÚµéÀÌ ÀνÄÇÏ´Â À̹ÌÁö´Â »ï»ó°ú Çö´ë°¡ °¡Àå ¿ì¼öÇÏ°í, ±× ´ÙÀ½ÀÌ LG, ´ë¿ì, SK µîÀ̾ú´Ù. ´ÙÁߺñ±³ºÐ¼®¿¡¼ °°ÀÌ ¹ØÁÙÄ£ ±â¾÷Àº µ¿ÀÏÇÏ°Ô Àνĵǰí ÀÖÀ½À» ³ªÅ¸³½´Ù. ÀÌ ºÐ¼®À» ÅëÇØ ¿ì¸®³ª¶ó »ç¶÷µéÀº ±â¾÷ÀÇ ¸ðµç ¼Ó¼º¿¡¼ »ï¼º, Çö´ë, LG, ´ë¿ì, SK ¼øÀ¸·Î ¿ì¼öÇÏ´Ù°í »ý°¢ÇÏ°í ÀÖ´Â °Í °°´Ù. Áï, ¾î¶² ¼Ó¼º¿¡¼ Ưº°È÷ ºÎ°¢µÇ´Â ±â¾÷ÀÌ ¾ø¾î Àüü ¼øÀ§¿¡ µû¶ó Æò°¡ÇÏ´Â µíÇÑ °æÇâÀÌ´Ù. ´Ù¸¸, LG°¡ ¸î¸î ºÎºÐ¿¡¼ Çö´ë¸¦ ¾Õ¼°í Àִµ¥, ±â¾÷±¤°í¿Í ±â¾÷ÀÇ Ä£±Ù¼º, °í°´ ¼ºñ½º, ±ú²ýÇÑ À̹ÌÁö°¡ Çö´ëº¸´Ù ÁÁÀº ÀνÄÀ» °®°í ÀÖ´Ù. ¶Ç ¿¬±¸°³¹ß ¼Ó¼º¿¡¼´Â SK°¡ Çö´ë, LGº¸´Ù ¿ì¼öÇÏ°Ô Àνĵǰí ÀÖ´Ù.
À̸¦ °¢ ¼Ó¼ºº°·Î ¼³¸íÇϸé,
¨ç ±â¾÷ÀÇ ÀüÅë¿¡¼´Â »ï¼º°ú Çö´ë°¡ ¼·Î ºñ½ÁÇÑ À̹ÌÁö·Î Àνĵǰí ÀÖ´Ù.
¨è ±â¾÷ÀÇ ±â¼ú¼ºÀº »ï¼º°ú Çö´ë, Çö´ë¿Í LG°¡ ºñ½ÁÇÑ À̹ÌÁö·Î ÀνĵǾî ÀÖ´Ù.
¨é ±â¾÷ÀÇ ¾ÈÁ¤¼º¿¡¼ º¸¸é »ï¼º°ú Çö´ë, Çö´ë¿Í LGÀÇ À̹ÌÁö°¡ ºñ½ÁÇÏ°Ô Àνĵǰí ÀÖ´Ù.
¨ê ±â¾÷±¤°í´Â »ï¼º°ú LG, Çö´ë¿Í ´ë¿ì°¡ ¼·Î ºñ½ÁÇÏ°Ô Àνĵǰí ÀÖ´Â °ÍÀ¸·Î ³ªÅ¸³µ´Ù.
¨ë ½Å·Ú¼ºÀº Çö´ë¿Í LG°¡, ±â¾÷±Ô¸ð´Â »ï¼º°ú Çö´ë, ±¹Á¦°æÀï·Â¿¡¼´Â Çö´ë¿Í LG, LG¿Í ´ë¿ì°¡ ºñ½ÁÇÏ°Ô Àνĵǰí ÀÖÀ½À» ¾Ë ¼ö ÀÖ´Ù.
¨ì ±â¾÷ÀÇ ÆǸŷ¿¡¼´Â Çö´ë¿Í LG, ½ÅÁ¦Ç° °³¹ß ³ë·Â¿¡¼´Â Çö´ë¿Í ´ë¿ì°¡ ¼·Î °ü·ÃµÇ¾î Àνĵǰí ÀÖ´Ù.
¨í ±â¾÷ÀÇ Ä£±Ù¼º¿¡¼´Â »ï¼º°ú LG°¡, »çȸ°øÇåµµ¿¡¼´Â »ï¼º°ú Çö´ë, LG, ´ë¿ì°¡ ºñ½ÁÇÏ°Ô Àνĵǰí ÀÖ´Ù.
¨î ±â¾÷ÀÇ Àå·¡¼º°ú °æ¿µÀÚÀÇ ´É·Â, ±Ù´ëÀûÀÎ ´À³¦, ±â¾÷ÀÇ ½Ã´ë¼º¿¡ ´ëÇÑ À̹ÌÁö´Â »ï¼º, Çö´ë, LG, ´ë¿ì°¡ ¼ÒºñÀÚµéÀÇ ÀνÄÀ» °°ÀÌÇÏ°í ÀÖ´Ù°í º¼ ¼ö ÀÖ´Ù.
¨ï ¿¬±¸°³¹ß ³ë·Â¿¡ ´ëÇÑ À̹ÌÁö´Â »ï¼º°ú SK, Çö´ë¿Í LG°¡ ¼·Î ºñ½ÁÇÑ ÀνÄÀ¸·Î ³ªÅ¸³µ´Ù.
¨ð °í°´¼ºñ½º´Â »ï¼º°ú LG, Çö´ë¿Í ´ë¿ì°¡ ºñ½ÁÇÑ À̹ÌÁö·Î ÀνĵǾú´Ù.
¨ñ ±ú²ýÇÑ ±â¾÷ À̹ÌÁö´Â 5´ë ±â¾÷ÀÌ ¼·Î °ü·ÃÀÖ°Ô ÀνÄÇÏ°í ÀÖ´Â °ÍÀ¸·Î Á¶»çµÇ¾ú´Ù.
ÀÌ¿Í °°ÀÌ Ç¥¿¡¼ °¢ ¼Ó¼º¸¶´Ù ¹ØÁÙÀ» ±×Àº ±â¾÷Àº ¼·Î °ü·ÃµÇ¾î Àνĵǰí ÀÖÀ½À» ¾Ë ¼ö ÀÖ´Ù.
3. ±â¾÷ À̹ÌÁö¿¡ °üÇÑ Áö°¢µµ
(1) Áö°¢µµÀÇ °³³ä
Áö°¢µµÀº ¸¶ÄÉÆÿ¡¼ ½ÃÀ屸Á¶¸¦ ºÐ¼®Çϰųª, ½ÅÁ¦Ç° °³¹ß, ±¤°íÀü·«À» ¸ð»öÇÏ´Â µîÀÇ ¿©·¯ Ãø¸é¿¡¼ ³Î¸® »ç¿ëµÇ´Â ±â¹ýÀÌ´Ù. ƯÈ÷ Á¦Ç°Á¤Ã¥À» °èȹÇϴµ¥ ÀÖ¾î¼ Áö°¢µµ ±â¹ýÀº
1) ¼ÒºñÀÚ°¡ Á¦Ç°À» Æò°¡ÇÏ´Â µ¥ »ç¿ëÇÏ´Â ±âº»ÀûÀÎ ÀνÄÂ÷¿ø(cognitive dimension)À» ¾Ë·ÁÁÖ¸ç,
2) ÀÌ·± Â÷¿øÀÇ °üÁ¡¿¡¼ ±âÁ¸Á¦Ç°°ú ÀáÀçÀû Á¦Ç°ÀÇ »ó´ëÀû À§Ä¡¸¦ ¾Ë·ÁÁØ´Ù.88)
½ÅÁ¦Ç° °³¹ß¿¡ ÀÖ¾î¼ ¼ÒºñÀÚ¿¡°Ô È¿ÀÍÀ» Á¦°øÇÒ »Ó¸¸ ¾Æ´Ï¶ó °æÀïÁ¦Ç°°ú Â÷º°È½Ãų ¼ö ÀÖ´Â Á¦Ç°À» °í¾ÈÇϱâ À§Çؼ´Â ¼ÒºñÀÚÀÇ ÀÎ½Ä ¼Ó¿¡ Á¦Ç°À» µ¶Æ¯ÇÏ°Ô ÀÚ¸®Àâ°Ô ÇÒ ¼ö ÀÖ´Â Àü·«, Áï Á¦Ç° Æ÷Áö¼Å´× Àü·«ÀÌ ¿ä±¸µÈ´Ù. È¿À²ÀûÀÎ Á¦Ç° Æ÷Áö¼Å´×À» À§Çؼ´Â ¼ÒºñÀÚµéÀÌ Á¦Ç°À» Æò°¡ÇÏ´Â µ¥ »ç¿ëÇÏ´Â ÀνÄÂ÷¿ø¿¡ ´ëÇÏ¿© Â÷¿øÀÇ ¼ö¿Í ÀÌ Â÷¿øµéÀÇ ¼Ó¼º µîÀ» ¾Ë¾Æ¾ß Çϸç, ÀÌ Â÷¿ø¿¡ ÀÖ¾î¼ ±âÁ¸Á¦Ç°ÀÇ À§Ä¡¿Í °æÀïÁ¦Ç°ÀÇ À§Ä¡, ±×¸®°í ½ÅÁ¦Ç°Àº ¾î´À À§Ä¡¸¦ ¼±ÅÃÇØ¾ß È¿À²ÀûÀΰ¡¸¦ Æò°¡ÇØ¾ß ÇÑ´Ù. ÀÌ·¯ÇÑ Á¦Ç° Æ÷Áö¼Å´×ÀÇ ±¸Ã¼Àû ¹æ¾ÈÀ¸·Î¼ »ç¿ëµÇ´Â °·ÂÇÑ µµ±¸°¡ Áö°¢µµÀÎ °ÍÀÌ´Ù.89)
¶Ç, Áö°¢µµ´Â ¼ÒºñÀÚµéÀÇ ¼±È£µµ¸¦ °í·ÁÇÏ¿© ¼ÒºñÀÚ ÀÇ»ç°áÁ¤À» ¸ðÇüÈÇÑ °³³äÀ¸·Î¼ ÀÌ»óÁ¡(ideal point)À» µµÃâÇÏ¿© ³ªÅ¸³¾ ¼ö ÀÖ´Ù. ÀÌ»óÁ¡À̶õ ¼ÒºñÀÚµéÀÇ °¡Àå 'ÀÌ»óÀûÀÎ ÁöÁ¡'À¸·Î Ç¥ÇöµÇ´Â ÀÎÁö°ø°£»ó¿¡¼ÀÇ À§Ä¡¸¦ ÅëÇÏ¿© ±× ¼ÒºñÀÚµéÀ» ³ªÅ¸³» ÁÖ´Â °ÍÀÌ´Ù. µû¶ó¼ ÁÖ¾îÁø ºê·£µå¿¡ ´ëÇÑ °³ÀÎÀÇ È¿¿ëÀº ±× ¼ÒºñÀÚÀÇ ÀÌ»óÁ¡À¸·ÎºÎÅÍ °¡Áß À¯Å¬¸®µð¾È °Å¸®(weighted euclidean distance)¿Í ºÎÀÇ »ó°ü°ü°è°¡ ÀÖ´Â °ÍÀÌ´Ù. Áï ÀÌ»óÁ¡¿¡¼ °¡±îÀÌ À§Ä¡ÇÑ Á¦Ç°Àϼö·Ï ¼ÒºñÀÚµéÀº ±× Á¦Ç°À» ¼±È£ÇÏ°í ¸Ö¸® ÀÖÀ¸¸é ÀÖÀ»¼ö·Ï ±× Á¦Ç°À» ¼±È£ÇÏÁö ¾Ê´Â´Ù´Â °ÍÀÌ´Ù.
ÀÌ·¯ÇÑ ÀÌ»óÁ¡Àº ÀÎÁö°ø°£ »ó¿¡¼ ±âÁ¸Á¦Ç°°ú ÀÌ»óÁ¡°úÀÇ °Å¸®ÃøÁ¤Àº °¡´ÉÇÏÁö¸¸ ±× ÀÌ»óÁ¡ÀÌ ¾î¶² ½ÇÁ¦ÀûÀÎ Á¦Ç°°ú ÀÏÄ¡ÇÒ ÇÊ¿ä´Â ¾ø´Â ´ÜÁö ÁØ°ÅÁöÁ¡(reference location)À» ³ªÅ¸³½´Ù.90)
¼ÒºñÀÚ ÀÇ»ç°áÁ¤ÀÇ ´Ù¸¥ ¸ðÇüÀ¸·Î ÀÌ»ó¹æÇâ(ideal vector)¸ðÇüÀ» µé ¼ö Àִµ¥ ÀÌ°ÍÀº Áö°¢µµ »ó¿¡¼ Á¦Ç°¼Ó¼ºµé°ú ±× ¼Ó¼ºµéÀÌ ¸ð¾ÆÁ® ÀÌ·ç¾îÁø Â÷¿ø°úÀÇ °ü°è¸¦ ³ªÅ¸³»°í ¶ÇÇÑ °¢ Á¦Ç°¼Ó¼ºÀÇ Áß¿äµµ¸¦ ³ªÅ¸³½´Ù.
Áï, ÀÌ»ó¹æÇâ ¸ðÇüÀº È¿¿ëÀ» °¢ Á¦Ç°ÀÇ ¼Ó¼º ¼öÁصéÀÇ °¡ÁßÇÕÀ¸·Î ¸ðÇüÈ ½ÃŲ °ÍÀ¸·Î ÀÌ»óÁ¡ ¸ðÇüÀÇ Æ¯º°ÇÑ °æ¿ì¶ó ÇÒ ¼ö ÀÖ´Ù. ¿Ö³ÄÇÏ¸é ¸ðµç Á¦Ç° ¼Ó¼º Â÷¿ø¿¡ ´ëÇÏ¿© ÀÌ»óÀûÀÎ ¼öÁØÀ̶õ ÀϹæÀûÀ¸·Î ¸¹À¸¸é, ¸¹À»¼ö·Ï, ȤÀº ÀûÀ¸¸é ÀûÀ»¼ö·Ï ¼ÒºñÀÚ¿¡°Ô ¼±È£µÇ´Â °ÍÀ» ³ªÅ¸³»±â ¶§¹®ÀÌ´Ù.
ÀϹÝÀûÀÎ 2Â÷¿ø Áö°¢µµ»ó¿¡¼ °¢ Á¦Ç°¼Ó¼º¿¡ ´ëÇÑ ÀÌ»ó¹æÇâÀº °¢ ¼Ó¼º¿¡ ´ëÇÏ¿© ¾î´À Â÷¿øÀÌ ±× ¼Ó¼ºÀ» ´õ Àß ¹Ý¿µÇÏ´Â °¡¸¦ ³ªÅ¸³»ÁÖ°í, ¿øÁ¡¿¡¼ °¢ ¼Ó¼ºÀÇ ÀÌ»óÁ¡¿¡ À̸£´Â °Å¸®´Â ¼ÒºñÀÚ°¡ °¢ Á¦Ç°À» Æò°¡ÇÒ ¶§ Áß¿äÇÏ°Ô »ý°¢ÇÏ´Â ¼Ó¼ºÀÇ Áß¿äµµ¸¦ Ç¥½ÃÇÏ´Â °ÍÀÌ´Ù.91)
ÀÌµé ¾ç ¹æ¹ý »çÀÌÀÇ ¼±ÅÃÀº ÁÖ·Î °áÁ¤¼Ó¼ºÀÇ Æ¯¼º¿¡ µû¶ó Á¿ìµÈ´Ù. ±×·¯³ª µÎ ¹æ¹ýÀº Ưº°ÇÑ ¼Ó¼ºÁ¤ÀÇ¿¡ ´ëÇØ ¾î´À Á¤µµ ÀûÇÕ¼ºÀ» °®°í ÀÖ´Ù. ±×·¯¹Ç·Î µÎ ¹æ¹ýÀÇ È¥ÇÕ¸ðÇüÀº ÀϹÝÀûÀ¸·Î ÀåÁ¡À» Áö´Ñ´Ù°í ÇÒ ¼ö ÀÖ´Ù.92)
(2) Áö°¢µµÀÇ ÀÛ¼º±â¹ý
ÀϹÝÀûÀ¸·Î Áö°¢µµ¸¦ ÀÛ¼ºÇÏ´Â µ¥¿¡´Â 4°¡ÁöÀÇ ÁÖ¿ä ±â¹ý, Áï ¿äÀκм®(factor analysis), ´ÙÂ÷¿øôµµ¹ý(ratio multidimensional scaling) ±×¸®°í ´ÙÁßÆǺ°ºÐ¼®(multiple discriminant analysis)ÀÌ ÀÖ´Ù.
ÀÌ·¯ÇÑ ¹æ¹ýµéÀº Á¦Ç°¼Ó¼ºÂ÷¿øÀ» µµÃâÇϴµ¥ ÀÔ·ÂÀÚ·á·Î »ç¿ëÇÏ´Â ¸ÅÆ®¸¯½ºÀÇ À¯Çü¿¡ Â÷ÀÌ°¡ Àֱ⠶§¹®¿¡ °á°ú¿¡ À־µ ´Ù¼Ò Â÷À̸¦ º¸ÀδÙ. ¿äÀκм®°ú ÁÖ¼ººÐºÐ¼®Àº ¼Ó¼º°£ÀÇ »ó°ü ¸ÅÆ®¸¯½º·ÎºÎÅÍ Â÷¿øÀ» µµÃâÇس»°í, ´ÙÂ÷¿ø ôµµ¹ýÀº À¯Å¬¸®µð¾È °Å¸®·Î °è»êµÈ ¸ÅÆ®¸¯½º·ÎºÎÅÍ, ±×¸®°í ´ÙÁßÆǺ°ºÐ¼®Àº Á¦Ç°°£ÀÇ ¸¶ÇÒ¶ó³ëºñ½º(mahalanobis)°Å¸®ÀÇ ¸ÅÆ®¸¯½º·ÎºÎÅÍ Â÷¿øÀ» ±¸ÇÑ´Ù.93)
´ÙÂ÷¿ø ôµµ¹ýÀº À¯»ç¼º ôµµ(similarity scaling)¿¡ ÀÇÇÑ ¹æ¹ýÀ̶ó°íµµ Çϴµ¥, ¼ÒºñÀڵ鿡°Ô¼ °¢ Á¦Ç°»ó¿¡ ´ëÇÑ À¯»ç¼º°ú ºñÀ¯»ç¼ºÀ» ÃøÁ¤ÇÏ¿© ±âÇÏÇÐÀû °ø°£»ó¿¡¼ Á¦Ç°°£ °Å¸®ÀÇ ¼øÀ§°¡ ¿ø·¡ ¼ÒºñÀÚÀÇ À¯»ç¼º ¼øÀ§¿Í °¡´ÉÇÑ ÀÏÄ¡Çϵµ·Ï À§Ä¡½ÃÅ´À¸·Î½á Áö°¢µµ¸¦ ±¸¼ºÇÏ´Â ¹æ¹ýÀÌ´Ù.
´ÙÂ÷¿ø ôµµ¹ýÀº ¿äÀκм®°ú ÆǺ°ºÐ¼®°ú´Â ´Þ¸® Á¦Ç°ÀÇ °³º° ¼Ó¼º¿¡ ´ëÇÑ Á¦Ç°µé°£ÀÇ Àü¹ÝÀûÀÎ À¯»ç¼ºÀ» ±âÁØÀ¸·Î Áö°¢µµ¸¦ ÀÛ¼ºÇÏ°Ô µÇ°í ÈļÓÀûÀ¸·Î ¿äÀκм®À» ½Ç½ÃÇÏ¿© Â÷¿øÀ» ÀÌ·ç´Â ¼Ó¼ºÀ» ¾Ë¾Æ³¾ ¼öµµ ÀÖ´Â °ÍÀÌ´Ù.94)
¿äÀκм®°ú ÁÖ¼ººÐ ºÐ¼®Àº ÀÔ·ÂÀÚ·áÀÇ Çüųª Áö°¢µµ µµÃâ°úÁ¤¿¡¼ °ÅÀÇ °°´Ù°í º¼ ¼ö ÀÖ´Ù. ¿äÀκм®¿¡ ÀÇÇØ Áö°¢µµ¸¦ ÀÛ¼ºÇÒ °æ¿ì, ÀÌ´Â ¼Ó¼º¿¡ ±âÃÊÇÑ ¹æ¹ýÀ¸·Î, ¼Ó¼ºµéÀÇ ±âÀú¿¡ ±Ù°ÅÇÑ Àνı¸Á¶¸¦ ¹àÈûÀ¸·Î½á Áö°¢µµ¸¦ ±¸¼ºÇÏ´Â ¹æ¹ýÀÌ´Ù. ÀÌ ¹æ¹ý¿¡ ÀÖ¾î¼ÀÇ ÁÖ¿ä °ü½ÉÀº ±âº» Àνı¸Á¶°¡ ¾î¶² °ÍÀΰ¡¿¡ ÀÖÀ¸¹Ç·Î, ¼Ó¼º°£ÀÇ »ó°ü°ü°è°¡ Á¦Ç°°ú ¼ÒºñÀڵ鿡 °ÉÃÄ °è»êµÇ¾î ÀÎÁöÂ÷¿ø(perceptual dimension)À» Çü¼ºÇÏ°í, Á¦Ç°ÀÇ Áö°¢µµ»ó À§Ä¡´Â ¿äÀÎÁ¡¼ö(factor score)¿¡ ÀÇÇØ ÃøÁ¤µÈ´Ù.
ÆǺ°ºÐ¼®¿¡ ÀÇÇÑ ¹æ¹ýµµ ¿ª½Ã ¼Ó¼ºÆò°¡¿¡ ±âÃÊÇÑ ¹æ¹ýÀÌÁö¸¸, ¼Ó¼º°£ÀÇ »ó°ü°ü°è¿¡ ±âÃÊÇÑ ±¸Á¶¸¦ ¹àÈ÷±â º¸´Ù´Â Á¦Ç°À» °¡Àå Àß ÆǺ°ÇÒ ¼ö ÀÖ´Â ¼±Çü°áÇÕÀ» ã¾Æ³»´Â °ÍÀÌ´Ù. ÀÌ ¹æ¹ý¿¡¼ÀÇ Á¾¼Óº¯¼ö´Â Á¦Ç°µî±ÞÀÌ°í ¼³¸íº¯¼ö´Â ¼Ó¼ºµî±ÞÀÌ µÈ´Ù. À̶§ ¼Ó¼ºÀÇ °øÅ뱸Á¶¸¦ ¾Ë±â À§ÇÏ¿© ¼ÒºñÀڵ鿡 ´ëÇÏ¿© ÆǺ°ºÐ¼®ÀÌ ÇàÇØÁö¸ç, Á¦Ç°ÀÇ Áö°¢µµ»ó À§Ä¡´Â ÆǺ°Á¡¼ö(discriminant score)¿¡ ÀÇÇØ Á¤ÇØÁø´Ù.95)
(3) Áö°¢µµ ÀÛ¼ºÀ» À§ÇÑ ¿äÀκм®
ÀÌ ¿¬±¸¿¡¼´Â ¿äÀκм®À» ÅëÇÑ ¼ÒºñÀÚÀÇ ±â¾÷ À̹ÌÁö Áö°¢µµ¸¦ ±¸ÇÏ¿©¼ÒºñÀÚµéÀÌ ¿¬±¸µÈ 5´ë ±â¾÷µé¿¡ ´ëÇØ ¾î¶°ÇÑ Â÷º°Àû ÀνÄÀ» °®°í ÀÖ´ÂÁö¸¦ »ìÆ캸·Á°í ÇÑ´Ù.
¿ì¼± ±â¾÷ À̹ÌÁö ¼Ó¼ºµéÀ» ¸î °³ÀÇ ±âº»ÀûÀÎ Â÷¿øÀ¸·Î ºÐ·ùÇÏ°í, °¢ ±â¾÷ÀÇ À§Ä¡¸¦ ºÐ·ùÇÑ Â÷¿ø»ó¿¡¼ À§Ä¡½ÃÄÑ º½À¸·Î½á ±â¾÷µéÀÇ Â÷º°Àû À̹ÌÁö¸¦ ÆľÇÇÏ°í ÃßÃâµÈ ÀÚ¿ø¿¡¼ÀÇ ÀÌ»ó ¹æÇâ°úÀÇ °ü°è¸¦ ÅëÇØ ±â¾÷µéÀÌ ÇâÈÄ ¼Ò±¸ÇØ¾ß ÇÒ ¹æÇâµéÀ» Á¦½ÃÇÏ°íÀÚ ÇÑ´Ù.
Áö°¢µµ¸¦ ÀÛ¼ºÇϴµ¥ ÀÖ¾î¼ ¿äÀκм®À» ÅÃÇÑ ÀÌÀ¯´Â ¿äÀκм®Àº °¢ ¼Ó¼ºÀ» °øÅë¿äÀο¡ ÀÇÇؼ Á¾ÇÕÇÔÀ¸·Î½á µµÃâµÈ Â÷¿øÀÌ ¹«¾ùÀÎÁö¸¦ ¸íÈ®È÷ ¾Ë¾Æº¼ ¼ö ÀÖ´Ù´Â ÀåÁ¡¿¡ ±âÀÎÇÑ´Ù.
¸ÕÀú, ±â¾÷ À̹ÌÁö ¼Ó¼ºÀ» ¸î °³ÀÇ Â÷¿øÀ¸·Î ºÐ·ùÇϱâ À§ÇØ ¿äÀκм®À» ½Ç½ÃÇÏ¿´´Ù. ÁÖ¼ººÐ ºÐ¼®(principle component analysis)À» ÅëÇØ 4°³ÀÇ ¿äÀÎÀ» ÃßÃâÇÏ¿´´Ù.
Á÷±³È¸ÀüÀÎ º£¸®¸Æ½º(varimax) ȸÀüÀ» ½ÃŲ °á°ú ±¸ÇØÁø °¢ ¿äÀεé°ú ¼Ó¼ºµé°£ÀÇ ¿äÀÎÀûÀç°ª(factor loadings)Àº ´ÙÀ½ <Ç¥ 4-5>°ú °°´Ù.
(4) ±â¾÷ À̹ÌÁö ¼Ó¼º¿¡ ´ëÇÑ ¿äÀκзù
¿äÀÎ 1 ±â¾÷ÀÇ ¿ÜÀû ¸Å·Â - ±â¾÷ÀÇ ÀüÅë°ú ¾ÈÁ¤¼º, ±â¼ú¼º, ½Å·Ú¼º°ú ±Ô¸ð, ±¹Á¦°æÀï·Â µî°ú °°Àº ¼Ó¼º¿¡ ³ôÀº ¿äÀÎ ÀûÀç°ªÀÌ(<Ç¥ 4-5>) ºÎ¿©µÇ¾î ÀÌ·± ¼Ó¼ºµéÀº ±â¾÷ À̹ÌÁöÀÇ ¿ÜÀû ¸Å·ÂÀ¸·Î ºÐ·ùÇÏ¿´´Ù.
¿äÀÎ 2 ±â¾÷ÀÇ ¸¶ÄÉÆà ´É·Â - ±â¾÷ÀÌ ±¤°í¸¦ ÀßÇÏ°í, ÆǸŷÂÀÌ ÀÖÀ¸¸ç, Ä£±Ù°¨À» ÁÖ°í, ¿¬±¸°³¹ß¿¡ ³ë·ÂÇÏ´Â ¸¶ÄÉÆà ´É·Â¿¡ ¿äÀÎ ÀûÀç°ªÀ»(<Ç¥ 4-5>) ³ªÅ¸³»¾î ±â¾÷ÀÇ ¸¶ÄÉÆà ´É·Â ¿äÀÎÀ¸·Î ºÐ·ùÇÏ¿´´Ù.
¿äÀÎ 3 ±â¾÷ÀÇ ¹Ù¶÷Á÷ÇÑ À̹ÌÁö - ±â¾÷ÀÇ Àå·¡¼º°ú °æ¿µÀÚÀÇ ´É·Â, ±â¾÷ÀÇ Çö´ë¼º, ±â¾÷ÀÇ ±ú²ýÇÑ À̹ÌÁö, Àû±Ø¼º, ½Ã´ë¼º ÀÖ´Â ±â¾÷ÀÇ ¼Ó¼º°ú ±â¾÷¹®È³ª ±â¾÷ ºÐÀ§±â°¡ ÁÁÀº ¿äÀεéÀÌ ³ôÀº ÀûÀç°ªÀ»(<Ç¥ 4-5>) ³ªÅ¸³»¾î ±â¾÷ÀÌ °¡Á®¾ß ÇÒ ¹Ù¶÷Á÷ÇÑ À̹ÌÁö·Î °ü·Ã¼Ó¼ºµéÀ» ºÐ·ùÇÏ¿´´Ù.
¿äÀÎ 4 ±â¾÷ÀÇ ¼ÒºñÀÚ º¹Áö ±â¿©µµ - °í°´¿¡ ´ëÇÑ ¼ºñ½º, ȯ°æ¿¡ ´ëÇÑ °ü½É, ¼ÒºñÀÚ¹®Á¦¿¡ Àû±ØÀûÀÎ ±â¾÷ ¼Ó¼ºµéÀÌ ³ôÀº ¿äÀÎ ÀûÀç°ªÀ»(<Ç¥ 4-5>) ³ªÅ¸³»¾î ±â¾÷ÀÌ ¼ÒºñÀÚ¿¡ ´ëÇÑ º¹Áö ±â¿©µµ·Î ºÐ·ùÇÏ¿´´Ù.
¿äÀκм®À» ÅëÇØ ÃßÃâµÈ 4°¡Áö ¿äÀÎÀÌ Áö°¢µµ¸¦ ±¸¼ºÇÏ´Â 4°¡ÁöÀÇ Â÷¿øÀÌ µÇ°í, 4Â÷¿øÀÇ Áö°¢µµ »ó¿¡¼ °¢ ±â¾÷µéÀÇ À§Ä¡¸¦ ¾Ë±â À§ÇÏ¿© °¢ ÀÀ´äÀÚº°·Î ¿äÀÎÁ¡¼ö(factor score)¸¦ °è»êÇÏ¿´´Ù. ¿äÀÎÁ¡¼öÀÇ °è»êÀº ÁÖ¼ººÐ ºÐ¼®¿¡ ÀÇÇØ »êÁ¤µÇ¾ú´Ù.
°¢ ±â¾÷ÀÇ Áö°¢µµ »ó¿¡¼ À§Ä¡´Â °¢ ÀÀ´äÀÚÀÇ °¢ ±â¾÷¿¡ ´ëÇÑ ¿äÀÎÁ¡¼ö¸¦ Æò±ÕÈÇØ ±¸ÇÒ ¼ö ÀÖ´Ù. °¢ ±â¾÷¿¡ ´ëÇÑ ¿äÀÎÁ¡¼ö´Â <Ç¥ 4-6>°ú °°´Ù.
¶ÇÇÑ, Àüü ÀÀ´äÀÚÀÇ ÀÌ»óÀûÀÎ ¼Ò±¸¹æÇâ(ideal vector)Àº ¾Õ¿¡¼ ±¸ÇÑ ¿äÀÎÁ¡¼ö¸¦ µ¶¸³º¯¼ö·Î ÇÏ°í °¢ ÀÀ´äÀÚÀÇ ¼±È£µµ ¼øÀ§ÀڷḦ Á¾¼Óº¯¼ö·Î Çϴ ȸ±ÍºÐ¼®À» ½Ç½ÃÇÔÀ¸·Î½á ±¸ÇØÁú ¼ö ÀÖ´Ù.
Àüü ÀÀ´äÀÚ¸¦ ´ë»óÀ¸·Î ÇÑ È¸±ÍºÐ¼® °á°ú´Â <Ç¥ 4-7>°ú °°´Ù.
<Ç¥ 4-7>¿¡¼ º£Å¸°ªÀº ÀÀ´äÀÚµéÀÌ °¢ ¿äÀο¡ ´ëÇØ ºÎ¿©ÇÏ´Â »ó´ëÀûÀÎ ¼±È£µµ °¡ÁßÄ¡ÀÌ´Ù. Áï, º£Å¸°ªÀº °¢ ¿äÀÎÀÇ Áß¿äµµ¸¦ ÀǹÌÇÏ¸ç º£Å¸°ªÀ» ÀÌ¿ëÇÏ¿© Áö°¢µµ»ó¿¡ Ç¥½ÃµÇ´Â ÁÂÇ¥´Â ÀÀ´äÀÚµéÀÇ ÀÌ»óÀûÀÎ ¼Ò±¸¹æÇâÀ» ³ªÅ¸³» ÁØ´Ù. ¿¹¸¦µé¾î, ±â¾÷ÀÇ ¿ÜÀû¸Å·Â°ú ±â¾÷ÀÇ ¸¶ÄÉÆà ´É·ÂÀ» °í·ÁÇÒ °æ¿ì ÀÌ»ó ¹æÇâÀÇ ±â¿ï±â´Â .357/.409°¡ µÈ´Ù.
Ç¥¿¡¼ ³ªÅ¸³ °Íó·³ ÀÀ´äÀÚµéÀº ±â¾÷ÀÇ ¿ÜÀû ¸Å·Â°ú ±â¾÷ÀÇ ¸¶ÄÉÆà ´É·ÂÀ» ³ª¸ÓÁö 2¿äÀÎ, Áï, ±â¾÷ÀÇ ¹Ù¶÷Á÷ÇÑ À̹ÌÁö¿Í ±â¾÷ÀÇ ¼ÒºñÀÚ º¹Áö±â¿©µµ º¸´Ù ´õ Áß¿ä½ÃÇÑ´Ù°í º¼ ¼ö ÀÖ´Ù.