소비자 관점에서의 브랜드 자산 측정과 구성요인간 영향관계

제 4장 브랜드 자산 구성요인간 영향관계 검증

  제 1절 연구목적



본 장인 브랜드 자산 구성요인간 영향관계 검증은 3장 브랜드 자산 측정의 타당성 검증의 <연구문제 1>에서 도출된 브랜드 자산의 구성요인간 영향관계를 분석하는데 목적이 있다. 이를 토대로 하여 여러 가지 영향관계 모델을 제시하고 각 모델에 대한 적합도 평가를 통해 가장 적합한 브랜드 자산 구축 모델을 제시하고자 하였다.

브랜드 자산 구성요인간 영향관계에 대해서는 선행연구가 거의 없는데, 이는 브랜드 자산 구성요인에 대해 학자들간에 의견이 일치하지 않았기 때문인 것으로 사료된다. 따라서 Aaker(1991)를 비롯한 선행연구에서 일부 밝혀진 브랜드 자산 구성요인의 영향관계를 바탕으로 모델을 설정한 후 이를 검증하는 방식을 택하였다. 브랜드 자산 구성요인들간의 영향관계를 파악한다면, 브랜드 자산이 형성되는 과정을 알 수 있을 뿐만 아니라 효과적인 브랜드 자산 구축을 위한 전략을 도출하는데 기여할 수 있을 것이다.

  제 2절 연구모델 설정

  1. 연구모델

Aaker(1991)는 브랜드 자산의 각 구성요인들이 서로 인과관계가 있음을 주장한 바 있다. 또한 상징 같은 것을 연관시키면 브랜드 인지도를 높이는 효과를 가져을 수 있다고 하였다. 즉 브랜드 인지는 브랜드 이미지와 지각된 품질에 선행하는 것으로, 브랜드를 인지하지 못하면 브랜드 이미지와 지각된 품질은 생성될 수가 없다. 브랜드 인지는 브랜드 관련 연상 이미지를 만들고, 친근감과 호감을 조성하며 제품과 회사에 대해 신뢰감을 부여한다.

소비자 관여도가 낮은 제품은 물론, 구매액수와 소비자 관여도가 높은 제품을 구입할 때도 브랜드 인지와 연관되어 있는 친근감과 브랜드 이미지의 하부차원인 회사에 대한 신뢰도가 구매의사에 큰 영향을 미치게 된다. 여러 후보 브랜드에 대해 검토한 후에 특별히 나은 브랜드가 없는 경우, 브랜드에 대한 평가자의 평소 인지가 의사결정 과정에서 중요한 역할을 할 수 있다.

또한 Cob-Walgren, Ruble, & Donthu(1995)의 브랜드 자산모델과 Na, Marshall, & Keller(1999)의 브랜드 파워 모델은 충성도를 브랜드 자산의 종속변인으로 인식하여 브랜드 자산의 범주에 넣고 있지 않지만, 인지도와 이미지가 충성도에 영향을 미치는 과정을 설명하고 있다. Aaker(1991)와 Yoo, Donthu, & Lee(2000)는 충성도는 브랜드 자산의 핵심으로 인지도, 이미지에 의해 부분적으로 영향을 받는다고 하였다.

이홍승(2001)의 연구에서도 브랜드에 대한 인지와 연상(이미지)이 충성도에 영향을 미치는 것으로 나타났으며, 이지욱(2002)의 연구에서도 역시 이미지의 차원인 개성이 충성도의 태도적 차원인 선호도에 영향을 미치는 것으로 나타났다. 따라서 인지와 이미지와 같은 요인들이 결국 충성도로 수렴된다고 가정할 수 있다.

본 연구에서는 이론적 배경을 토대로 한 브랜드 자산 구성요인중 이미지와 지각된 품질이 섞여서 개성과 조직이라는 2가지 요인으로 묶임에 따라 도출된 구성요인을 토대로 하여 모델을 제시하였다.

모델 1은 인지도가 충성도에 미치는 직접적인 영향력은 없고 개성과 조직을 통한 간접적인 영향만 있다는 것을 가정하고 있다. 모델 2는 인지도가 충성도에 직접적으로 영향을 미치고 개성과 조직을 통한 간접적인 영향도 있음을 가정하고 있다. 모델 3은 인지도가 충성도에 직접적으로 영향을 미치고 개성과 조직을 통하여 간접적으로도 영향을 미치며 개성이 조직에 영향을 미치는 것을 설명하고 있다. 모델 4는 인지도의 영향관계는 모델 3과 동일하나 조직이 개성에 영향을 미친다고 가정하고 있다. 모델 5는 인지도와 개성, 인지도와 조직이 상관관계가 있으며 이들 각각은 충성도에 영향을 미친다는 것을 가정하고 있다. 또한 모델 6은 인지도, 개성, 조직간 상호 상관관계가 있고 이들 각각이 충성도에 영향을 미친다는 것을 설명하고 있다. 6가지 모델은 <그림 4-1>에서 <그림 4-6>과 같다.

  2. 연구설계

본 절에서는 도출된 브랜드 자산 구성요인을 바탕으로, 구성요인들간의 영향관계에 대하여 여러 개의 이론적 모델을 설정한 후에 모델적합도(goodness of fit) 검증을 하여 적합도가 가장 높은 모델을 규명하고자 하였다. 브랜드 자산 구성요인간의 영향관계에 대해서는 실증적인 연구가 거의 없고, 일부 연구에서 부분적으로 구성요인간 인과관계가 검증(Aaker, 1991; Cobb-Walgren, Ruble, & Donthu, 1995; Yoo, Donthu, & Lee, 2000; 이흥승, 2001)되고 있다. 또한 브랜드 자산 구성요인간 영향관계는 도출된 브랜드 자산 구성요인들에 의존하여 모델이 만들어져야 하기 때문에, 특정한 가설모델을 제시하기보다는 적합도가 높은 연구모델을 여러 가지 설정한 후 그들 중에서 가장 적합한 모델을 규명하는 탐색적인 성격을 취하였다.

따라서 본 장에서는 3장의 <연구문제 1>에서 도출된 브랜드 자산 구성요민들 즉 '충성도', '개성', '조직', '인지도' 간의 인과관계를 파악하여 전체적인 모델을 구성하는데 목적이 있다. 브랜드 자산 구성요인간 영향관계 검증에 대한 연구설계는 <그림 4-1>과 같다.

  제 3절 분석방법



브랜드 자산 구성요인간 영향관계 검증은 AMOS 패키지를 통한 구조방정식 모델(Structural Equation Model) 분석을 토대로 하였다. AMOS는 기존의 통계방법인 회귀분석이나 요인분석만으로 해결할 수 없는 인과적인 모형을 행렬의 사용없이 쉽게 이용할 수 있다는 장점이 있다. 구조방정식은 공분산 구조방정식(Covariance Structural Modeling)이라고도 하는데, 구성개념간의 이론적인 인과관계와 상관성의 측정지표를 통한 경험적 인과관계를 분석할 수 있도록 개발된 통계기법이다(김계수, 2000). 즉, 구조방정식 모델은 인과분석을 위해서 요인분석과 회귀분석을 개선적으로 결합한 형태로, 다중 변인관계를 포괄적으로 측정하여 확인적인 분석에서 탐색적인 분석까지 실행할 수 있다.

따라서 본 연구에서는 브랜드 자산 구성요인간 영향관계에 대한 여러 가지 이론적 모델을 제시하고 이에 대한 적합도를 평가하여, 가장 적합도가 높은 브랜드 자산 형성 모델을 규명 하였다.

  제 4절 연구결과

  1. 브랜드 자산 구성요인간 영향관계 검증 결과

본 연구에서는 브랜드 자산 구성요인의 영향관계를 검증하기 위해 AMOS 패키지를 이용하여 사회과학 연구에서 모델의 적합도 평가에 많이 사용되는 카이제곱(X2 ) 검정, 기초적합도(CFI, goodness of fit index), 조정적합도(ACFI, adjusted goodness of fit index), 표준적합도(NFI, normed fit index) 등의 지표를 기준으로 검증하였다.

카이제곱 검정은 모형의 완전성 즉 모형이 모집단 자료에 완전하게 적합하다는 귀무 가설을 검정한다. 따라서 통계적으로 유의한 카이제곱은 귀무가설을 기각해서 모형은 불완전하며 부적합하다는 가능성을 시사한다. 길국 통계적으로 유의하지 않은 카이제곱은 귀무가설을 채택하여 모형이 적합하다고 해석할 수 있다(김계수, 2002).

강병서(2002)와 김계수(2002)에 의하면, 기초적합도는 주어진 모델에서 표본의 공분산 행렬이 모델을 설명할 수 있는 공변량의 상대적 양으로, 회귀분석의 다중상관제곱치와 유사한 개념이다. 기초적합도는 표본의 크기나 다변량 정규분포의 위반에 큰 영향을 받지 않고 모델의 적합도를 평가해준다. 기초적합도는 0-1 사이의 값을 가지는데 1에 가까울수록 적합도가 높다고 해석할 수 있다. 대개 .90이상이 되면 적합한 모델로 인정되며 .95이상이면 아주 좋은 모델이라고 판단할 수 있다.

조정적합도는 기초적합도를 자유도에 따라 수정한 것으로 기초적합도보다 현실적인 지수로 여겨지고 있으며, 회귀분석에서 조정된 다중상관제곱치와 유사한 개념이다. 조정 적합치 역시 0-1 사이의 값을 가지며 1에 가까울수록 모델의 적합도가 높은 것으로 본다. 조정적합도는 .85이상이면 적합한 모델로, .90이상이면 좋은 모델로 해석할 수 있다.

표준적합도는 연구자의 모델이 최적의 모델과 얼마나 일치하는가를 표준화된 지수로 제시한 것으로, 그 값이 0-1 사이에 존재하며 좋은 모델일수록 1에 가깝게 나타난다.

원소간 평균차이는 분석자료의 행렬과 미지수들에 의해 재생산된 행렬간에 원소들이 얼마나 차이가 있는가를 보여주는 것으로, 0에 가까울수록 모델과 현실간에 큰 차이가 없는 것으로 해석되고 모델의 적합도가 우수한 것으로 판정된다. 각 적합도 평가지수에 대한 설명은 <표 4-1>과 같다.

AMOS 패키지는 표본수가 너무 많거나 변인의 측정항목이 5개 이상일 경우 또는 변인들간의 관계가 너무 복잡하여 간명성(parsimony)이 떨어지면, 경로계수가 유의하지 않거나 적합도가 낮게 산출되는 경향이 있다. 따라서 3장 브랜드 자산 측정의 타당성 검증의 <연구문제 1>에서 실행한 요인분석에서 각 요인당 측정항목이 5개 이상 묶인 경우에는 요인적재치 상위 측정항목 4개까지로 한정하였다.

또한 요인간 경로계수는 최우추정법(Maximum Likelihood Method)을 이용하여 표준화된 경로계수를 구하였다. 최우추정법은 표본으로부터 모집단의 일반적인 분포를 알 수 있다는 가정하에 사응하는 일반적인 추정방법이다(김계수, 2002). 모델적합도 검증은 <표 4-1>에서 언급한 5가지 적합도 판정을 기준으로 하였다. 전체 브랜드에서 6가지 모델의 요인간 경로계수는 <표 4-2)와 같다.

모델 1에서 인지도→개성의 경로계수가 .745, 인지도→조직의 경로계수가 .404, 개성→충성도의 경로계수가 .666, 조직→충성도의 경로계수가 .178로 나타났고, C.R.>2와 p<.05를 모두 만족시켜 유의한 것으로 나타났다. 특히 인지도가 개성에 미치는 인과관계와 개성이 충성도에 미치는 인과관계가 높은 것으로 나타났으며, 인지도가 조직에 미치는 영향과 조직이 충성도에 미치는 인과관계는 상대적으로 낮게 나타났다.

모델 2에서는 인지도→개성의 경로계수가 .732, 인지도→조직이 .400, 인지도→충성도가 .368, 개성→충성도가 .392, 조직→충성도가 .153으로 나타났다. 역시 모든 변인의 인과관계가 성립되었고 인지도와 개성의 인과관계가 제일 높은 것으로 나타났다.

모델 3에서는 인지도→개성의 경로계수가 .704, 인지도→충성도의 경로계수가 .346, 개성→조직은 .510, 개성→충성도는 .404, 조직→충성도는 .168로 나타나 유의한 것으로 나타났다. 그러나 인지도→조직의 경우 .028로 유의하지 않았다. 이 모델에서도 인지도가 개성에 미치는 인과관계가 가장 높은 것으로 나타났다.

모델 4에서는 인지도→개성이 .608, 인지도→조직이 .331, 인지도→충성도가 .346으로 나타났다. 또한 개성→충성도가 .404, 조직→개성이 .289, 조직→충성도가 .168로 모델에서 제시한 모든 변인간의 인과관계가 유의한 것으로 나타났다. 이 모델에서도 인지도가 개성이 미치는 인과관계가 가장 높게 나타났으며 모델2, 3과 마찬가지로 인지도, 개성, 조직 중에서 개성이 충성도에 미치는 영향력이 가장 높았다.

모델 5는 인지도, 개성, 조직이 충성도에 영향을 미치고, 인지도와 개성, 인지도와 조직이 상관관계가 있다는 것을 가정하고 있다. 인지도→충성도의 경로계수가 .366, 개성→충성도의 경로계수가 .422, 조직→충성도의 경로계수가 .189로 모두 유의한 인과관계를 나타냈다. 또한 인지도와 개성은 유의한 상관관계가 있었으나, 인지도와 조직간의 상관관계는 유의하지 않은 것으로 나타났다. 이 모델에서는 개성이 충성도에 가장 큰 인과관계를 보였으며, 그 다음 인지도와 충성도, 조직과 충성도 순으로 나타났다.

모델 6은 인지도, 개성, 조직이 각각 충성도에 영향을 미치고, 충성도를 제외한 이들 변인들간 상관관계가 있다는 것을 가정하고 있다. 인지도→충성도의 경로계수가 .346, 개성→충성도의 경로계수가 .404, 조직→충성도의 경로계수가 168로 유의한 것으로 나타났다. 또한 인지도와 개성, 인지도와 조직, 개성과 조직 모두 상관관계가 있는 것으로 나타났으며, 특히 인지도와 개성간의 상관관계가 높았고 그 다음 개성과 조직, 인지도와 조직의 순으로 나타났다.

전체적으로 볼 때 조직이 충성도에 미치는 영향은 낮은 반면에, 개성이 충성도에 미치는 영향과 인지도가 충성도에 미치는 영향은 높게 나타났다. 또한 인지도가 개성에 미치는 영향과 개성이 인지도에 미치는 영향이 모두 높아 이 두 변인은 상관관계가 아주 높은 것을 알 수 있다.

<표 4-3>은 6가지 모델의 적합도 평가결과를 보여준다. 각 모델의 접합도 검증을 위해 '충성도' 요인에서 구매2, 구매3, 구매4, 선호1, '개성' 요인에서 개성2, 개성3, 개성4, 리/인2, '조직' 요인에서는 조직1, 조직2, 조직3, 인지도 요인에서는 인지2, 인지3. 인지4 항목이 투입되었다. 그 결과 모델 3, 4, 6이 적합도 지수에서 동일한 수치를 보이며 모델 1, 2, 5보다는 설명력이 높은 것으로 나타났다.

카이제곱은 표본의 수가 많으면 수치가 높아지기 때문에 강병서(2002)는 통계적 유의성에 지나치게 의존하기보다는 다른 적합도 지수들을 고려하여 판단해야 한다고 주장하고 있다. 노형진(2002) 역시 카이제곱은 표본의 수가 적으면 모델이 기각될 가능성이 적어지지만, 데이터가 늘어나면 늘어날수록 관측치와 모델의 아주 작은 차도 민감하게 감지되게 되어 결국 모델이 기각된다고 주장하면서 여러 가지 다른 적합지표들을 고려할 것을 제안하고 있다. <표 4-3>의 6가지 모델에서 모델 3, 4, 6은 비록 유의도가 .000으로 나타났지만 카이제곱을 자유도로 나눈 값이 5 이하이므로 모델이 기각되었다고 볼 수는 없다. 따라서 이들 모델은 좋은 모델의 범주에 속한다고 볼 수 있다.

기초적합도와 표준적합도의 경우 .90 이상이 되면 좋은 모델아라고 할 수 있는데, 조정적합도는 기초적합도를 자유도에 대해 수정한 것으로 기초적합도보다 적은 수치가 산출된다. 위의 6가지 모델의 경우 기초적합도와 표준적합도가 모두 .90을 넘었고. 조정적합도 역시 .85를 넘었다. 그러나 원소간 평균차이의 경우에는 6가지 모델 모두 .08을 넘어 높은 적합도를 보이지는 못했다. 종합하면 모델 3, 4, 6이 좋은 모델의 범주에 들며 모델 1, 2, 5보다 높은 설명력을 가진다고 할 수 있다.

(1) 오프라인에서 브랜드 자산 구성요인간 영향관계 검증 결과

다음은 6가지 모델의 요인간 경로계수와 모델적합도를 오프라인과 온라인으로 구분하여 살펴보았다. 오프라인 브랜드에서 각 모델의 요인간 경로계수 및 모델적합도 평가 결과는 <표 4겊>와 같다.

모델 1에서 인지도→개성의 경로계수가 .782, 인지도→조직의 경로계수가 .280, 개성→충성도의 경로계수가 .729, 조직→충성도의 경로계수가 .102로 유의한 것으로 나타났다. 특히 인지도가 개성에 미치는 인과관계와 개성이 충성도에 미치는 인과관계가 높았으나, 인지도가 조직에, 조직이 충성도에 미치는 인과관계는 상대적으로 낮았다.

모델 2에서는 인지도→개성의 경로계수가 .768, 인지도→조직이 .276, 인지도→충성도가 .393, 개성→충성도가 .409, 조직→충성도가 .113으로 나타나 모든 변인의 인과관계가 성립되었다. 인지도와 개성의 인과관계가 제일 높았고 그 다음 개성과 충성도로 나타났다.

모델 3에서는 인지도→개성의 경로계수가 .754, 인지도→충성도는 .381, 개성→조직은 .553, 개성→충성도는 .412, 조직→충성도는 .127로 유의한 것으로 나타났다. 그러나 인지도→조직의 경로계수는 -.202로 나타나 인지도가 높을수록 조직의 이미지에 영향을 미치지 않는 것으로 해석할 수 있다. 즉 조직→충성도이 모델에서도 인지도가 개성에 미치는 인과관계가 가장 높은 것으로 나타났다.

모델 4에서는 인지도→개성이 .701, 인지도→조직이 .215, 인지도→충성도가 .381로 나타났다. 또한 개성→충성도가 .412, 조직→개성이 .250, 조직→충성도가 .127로 모델에서 제시한 모든 변인간의 인과관계가 유의했다. 이 모델에서도 인지도가 개성이 미치는 인과관계가 가장 높게 나타났으며 모델2, 3과 마찬가지로 인지도, 개성, 조직 중에서 개성이 충성도에 미치는 영향력이 가장 높게 나타났다.

모델 5에서는 인지도→충성도의 경로계수가 .402, 개성→충성도의 경로계수가 .420, 조직→충성도의 경로계수가 .140로 모두 유의한 것으로 나타났다. 또한 인지도와 개성의 상관관계는 유의했으나, 인지도와 조직간의 상관관계는 유의하지 않았다. 이 모델에서는 인지도와 개성이 각각 충성도에 비슷하게 높은 인과관계를 보였으며, 조직과 충성도의 인과관계는 낮게 나타났다.

모델 6은 인지도, 개성, 조직이 각각 충성도에 영향을 미치고, 충성도를 제외한 이들 변인들간 상관관계가 있다는 것을 가정하고 있다. 인지도→충성도의 경로계수가 .381, 개성→충성도의 경로계수가 .412, 조직→충성도의 경로계수가 .127로 유의했다. 또한 인지도와 개성, 개성과 조직이 상관관계가 있는 것으로 나타났으며, 특히 인지도와 개성간의 상관관계가 높았다.

<표 4-5>의 오프라인의 모델적합도를 보면 6가지 모델이 모두 원소간 평균차이가 .08을 넘어 적합도 수준이 높지 않은 것으로 나타났다. 그러나, 기초적합도와 표준적합도가 .90을 넘었고, 조정적합도 역시 .85를 넘었다. 또한 카이제곱 검정도 모두 .50이하로 나타나 적합한 모델의 범주에 든다고 볼 수 있다. 전체브랜드에서와 마찬가지로 오프라인 브랜드에서도 모델 3, 4, 6이 모델 1, 2, 5보다 높은 적합도를 보이는 것으로 나타났다.

(2) 온라인에서 브랜드 자산 구성요인간 영향관계 검증 결과

온라인 브랜드에서 각 모델의 요인간 경로계수를 살펴보떤 <표 4-6>과 같다.

모델 1에서 인지도→개성의 경로계수가 .652, 인지도→조직의 경로계수가 .452, 개성→충성도의 경로계수가 .573, 조직→충성도의 경로계수가 .315로 유의하게 나타났다. 오프라인과 마찬가지로 인지도가 개성에 미치는 인과관계가 가장 높았다.

모델 2에서는 인지도→개성의 경로계수가 .639, 인지도→조직이 .444, 인지도→충성도가 .311, 개성→충성도가 .377, 조직→충성도가 .269로 나타나 모든 변인의 인과관계가 유의했다. 오프라인과 마찬가지로 인지도와 개성의 인과관계가 제일 높았으나, 두 번째는 오프라인과는 달리 인지도와 조직이 높게 나타났다.

모델 3에서는 인지도→개성의 경로계수가 .622, 인지도→조직의 경로계수가 .112, 인지도→충성도는 .302, 개성→조직은 .494, 개성→충성도는 .375로 유의한 것으로 나타났으나 인지도→조직의 경우 .112로 유의하지 않게 나타났다. 이 모델에서도 인지도가 개성에 미치는 인과관계가 가장 높았다.

모델 4에서는 인지도→개성이 .420, 인지도→조직이 .468, 인지도→충성도가 .302로 나타났다. 또한 개성→충성도가 .375, 조직→개성이 367, 조직→충성도가 .258로 모델의 모든 변인간의 인과관계가 유의했다. 이 모델에서는 인지도가 개성이 미치는 인과관계가 가장 높았던 오프라인과는 달리 인지도가 조직에 미치는 인과관계가 가장 높게 나타나 차이를 보였다. 모델2, 3에서와 같이 인지도, 개성, 조직 중에서 개성이 충성도에 미치는 영향력이 가장 높게 나타낮다.

모델 5에서는 인지도→충성도의 경로계수가 .321, 개성→충성도의 경로계수가 .408, 조직→충성도의 경로계수가 .296으로 모두 유의한 것으로 나타났다. 또한 인지도와 개성의 상관관계는 유의했으나 인지도와 조직간의 상관관계는 유의하지 않았다. 또한 이 모델에서는 인지도와 개성의 인과관계가 가장 높게 나타났다.

모델 6은 인지도→충성도의 경로계수가 .302, 개성→충성도의 경로해수가 .375, 조직→충성도의 경로계수가 .258로 유의하게 나타났다 또한 인지도와 개성, 인지도와 조직, 개성과 조직 모두 상관관계가 있는 것으로 나타났으며, 특히 인지도와 개성간의 상관관계가 높았다.

<표 4-7>에서 볼 수 있듯이 온라인의 경우에는 오프라인에 비해 기초적합도와 조정 적합도, 표준적합도가 다소 낮게 나타났다. 원소간 평균차이 역시 모두 .08을 넘었고 오프라인보다 다소 높게 나타나 적합도 수준이 낮았다. 그러나, 모델 3, 4, 6은 기초적합도와 표준적합도가 .90을 넘었고, 조정적합도 역시 .85를 넘었으며, 카이제곱 검정도 모두 .50 이하로 나타나 적합한 모델의 범주에 든다고 볼 수 있다. 결국 전체, 오프라인과 온라인 모두 모델 3, 4, 6이 가장 적합도가 높은 것으로 나타났다.

모델 1, 2, 4는 인지도, 개성, 조직이 직 ?간접적으로 충성도에 영향을 미치지만 개성과 조직간에는 영향관계가 없다는 것을 가정하고 있다. 반면에 모델 3, 4, 6은 인지도, 개성, 조직이 직 ?간접적으로 충성도에 영향을 미치면서 개성과 조직간에도 영향관계가 존재한다는 것을 가정하고 있다. 따라서 모델 3, 4, 6이 적합도가 높다는 것은 개성과 조직간의 영향관계가 있는 것으로 해석할 수 있다. 그러나 모델 3, 4, 6이 적합도가 동일하게 나타났으므로, 수정모델을 구성하여 가장 적합한 모델을 규명하고자 하였다.

(3) 수정모델 구성

지금까지 전체 및 오프라인, 온라인 브랜드 자산 구성요인간 영향관계를 모델의 구성 및 검증을 통해 살펴보았다. 그 결과 모델 3, 4, 6이 적합한 것으로 나타나, 이들 중 가장 적합한 모델을 규명하기 위하여 수정모델을 구성하였다. 본 연구의 모델이 비교적 변인간 경로계수가 높고 단순하기 때문에, 수정지수(modification indices)를 이용하여 변인이나 오차항을 연결하는 방법으로 수정모델을 구성하였다.

수정지수는 나타난 변인 또는 오차항을 연결할 경우 카이제곱 통계량이 나타난 수치만큼 감소한다는 의미로, 모델의 타당성을 높이기 위해서는 카이제곱 통계량의 감소치가 제일 높은 변인 또는 오차항을 연결하는 것이 좋다. 또한 Par Change의 값이 양수인 경우를 선택해야 하는데, Par Change는 모수의 기대변화량으로 이것이 양수인 것은 이 관계가 전체적인 모델에 안정적으로 구성될 수 있다는 것을 의미한다(노형진, 2002).

수정지수는 대개 한계값을 5이상으로 설정하나 엄격한 경우에는 10이상을 설정하기도 한다. 이때 5 또는 10이상의 값을 보이는 변인 또는 오차항을 양방향 화살표로 연결하며 양방향의 화살표는 공분산 정도가 있음을 나타낸다. 그러나 연구자가 변인 또는 오차항에 공분산이 존재할 개연성이 있는지를 면밀하게 검토한 후에 양방향 화살표를 연결할 수 있으며, 양방향 화살표를 통하여 변인 또는 오차항 사이의 공변량을 자유화시킴으로써 모델 부합도가 높아진다(김계수, 2002).

본 연구에서는 3장 브랜드 자산 측정의 타당성 검증에서 변인간 상관관계가 나타났으므로, 수정지수를 엄격하게 적용하여 10이상으로 설정하였다. 수정지수가 10이상으로 나타나고 논리상 무리가 없는 오차항의 공분산을 가정하였으며, 수정지수가 10이상으로 나타났지만 연결할 경우 순환적 모델이 되어 비논리적이 될 수 있는 el과 인지도, d3과 el은 연결하지 않았다. 따라서 <그림 4-8>, <그림 4-9>, <그림 4-10>과 같은 수정모델을 구성하였다.

전체 브랜드에서 3가지 수정모델의 요인간 경로계수를 살펴보면 <표 4-8>과 같다

모델 3 전체에서는 인지도→개성의 경로계수가 .704, 인지도→충성도는 .372, 개성→조직이 .476, 개성→충성도는 .378, 조직→충성도는 186으로 유의했으나, 인지도→조직의 경우 .001로 유의하지 않았다. 이 모델에서는 인지도가 개성에 미치는 인과관계가 가장 높았고 그 다음이 개성이 조직에 미치는 영향이었다.

모델 4 전체에서는 인지도→개성이 .616, 인지도→조직이 .327, 인지도→충성도가 .361로 나타났다. 또한 개성→충성도가 .386, 조직→개성이 .273, 조직→충성도가 .186으로 모든 변인간의 인과관계가 유의했다. 이 모델에서도 인지도가 개성이 미치는 인과관계가 가장 높았고, 그 다음 개성이 충성도, 인지도가 충성도, 인지도가 조직에 미치는 영향이 높았다.

모델 6 전체는 인지도→충성도의 경로계수가 .372, 개성→충성도의 경로계수가 .378, 조직→충성도의 경로계수가 .186으로 유의하게 나타났다. 또한 인지도와 개성, 인지도와 조직, 개성과 조직 모두 상관관계가 있는 것으로 나타났으며, 특히 인지도와 개성간의 상관관계가 높았다.

<표 4-9>의 3가지 수정모델의 적합도를 살펴보면, 기초적합도와 조정적합도, 표준적합도가 각각 ,969, .951, .983으로 모두 같게 나타났다. 또한 원소간 평균차이가 모델 3전체, 모델 6전체와 모델 4전체가 각각 .080과 .081로 .001의 차이를 보였고, 카이제곱 검정에서 모델 3-전체, 모델 6-전체와 모델 4-전체가 각각 2.571과 2.576으로 .005의 차이를 보여 거의 같은 수준에서 적합도를 보인다고 할 수 있다.

1) 오프라인에서의 수정모델 구성

다음은 오프라인에서의 수정모델 구성으로, 전체에서와 마찬가지로 수정지수를 엄격하게 적용하여 10이상으로 설정하였다. 수정지수가 10이상으로 나타난 43과 el의 연결 역시 순환적인 모델이 되어 비논리적이 될 수 있기 때문에 연결하지 않았다. 따라서 <그림 4-11>, <그림 4-12>, <그림 4-13>과 같은 수정모델을 구성하였다.

오프라인에서 3가지 수정모델의 요인간 경로계수를 살펴보면 <표 4-10>과 같다

모델 3-오프라인에서는 인지도→개성의 경로계수가 .755, 인지도→충성도는 .387, 개성→조직이 .535, 개성→충성도는 .403, 조직→충성도는 .137로 유의하게 나타났으나, 인지도→조직의 경우 -.194로 유의하지 않게 나타났다. 즉 인지도가 개성에 미치는 인과관계가 가장 높게 나타났다.

모델 4-오프라인에서는 인지도→개성이 .707, 인지도→조직이 .207, 인지도→충성도가 .381로 나타났다. 또한 개성→충성도가 .403, 조직→개성이 .237, 조직→충성도가 .136으로 모든 변인간의 인과관계가 유의하게 나타났다. 이 모델에서도 인지도가 개성이 미치는 인과관계가 가장 높았고, 그 다음에 개성이 충성도에 미치는 인과관계가 높은 것으로 나타났다.

모델 6-오프라인에서는 인지도→충성도의 경로계수가 .387, 개성→충성도의 경로계수가 .403, 조직→충성도의 경로계수가 .137로 유의하게 나타났다. 또한 인지도와 개성, 개성과 조직은 상관관계가 유의한 것으로 나타났으나, 특히 인지도와 조직간의 상관관계는 유의하지 않게 나타났다.

<표 4-11>의 오프라인에서 3가지 수정모델의 적합도를 살펴보면, 기초적합도와 조정적합도, 표준적합도가 모델 3-오프라인과 모델 6-오프라인은 각각 .948, .923, .971로 동일하게 나타났고 모델 4-오프라인은 각각 .951, .926, .973으로 나타났다. 원소간 평균차이와 카이검정은 모델 3-오프라인과 모델 6-오프라인이 각각 .106과 2.107로 역시 동일하게 나타났고, 모델 4-오프라인이 각각 .104와 2.016으로 나타났다. 결국 모델 4-오프라인이 모델 3-오프라인과 모델 6-오프라인에 비해 상대적으로 근소하게 더 높은 모델적합도를 보였다.

2) 온라인에서의 수정모델 구성

다음은 온라인에서의 수정모델 구성으로, 역시 수정지수를 엄격하게 적용하여 10이상으로 설정하였다. 또한 Par Change값이 양수인 변인 및 오차항을 양방향 화살표로 연결하여 공분산을 가정하는 것을 원칙으로 하였다. 따라서 <그림 4-14>, <그림 4-15>,<그림 4-16>과 같은 수정모델을 구성하였다.

온라인에서 3가지 수정모델의 요인간 경로계수를 살펴보면 <표 4-12>와 같다.

모델 3-온라인에서는 인지도→개성의 경로계수가 .617, 인지도→조직이 .145, 인지도→충성도가 .294으로 유의하게 나타났다. 또한 개성→조직이 .460, 개성→충성도가 .410, 조직→충성도는 .270으로 역시 유의하게 나타났다. 인지도가 개성에 미치는 인과관계가 가장 높았고 개성이 조직에 미치는 인과관계가 그 다음으로 높았다.

모델 4-온라인에서는 인지도→개성이 .473, 인지도→조직이 .415, 인지도→충성도가 .291로 나타났다. 또한 개성→충성도가 .414, 조직→개성이 .353, 조직→충성도가 .269로 모든 변인간의 인과관계가 유의하게 나타났다. 이 모델에서도 인지도가 개성이 미치는 인과관계가 가장 높았고, 인지도가 조직에 미치는 영향과 개성이 충성도에 미치는 영향이 그 다음으로 거의 비슷하게 나타났다.

모델 6-온라인에서는 인지도→충성도의 경로계수가 .294, 개성→충성도의 경로계수가 .410, 조직→충성도의 경로계수가 .270으로 유의한 것으로 나타났다. 또한 인지도와 개성, 개성과 조직은 상관관계가 모두 유의했으며, 역시 인지도와 개성의 상관관계가 가장 높았다.

<표 4-11>에서 볼 수 있듯이, 온라인에서 3가지 수정모델의 적합도는 기초적합도와 조정적합도, 표준적합도가 모델 3-온라인과 모델 6-온라인이 각각 .944, .914, .969로 나타났고 모델 4-온라인는 각각 .945, .915, .969로 나타났다. 원소간 평균차이와 카이제곱 검정은 모델 3-온라인과 모델 6-온라인이 각각 .092와 2.421로 나타났고, 모델 4-온라인이 각각 .093과 2.410으로 나타났다. 결국 오프라인에서와 마찬가지로 모델 4-온라인이 모델 3-온라인과 모델 6-온라인에 비해 근소하게 더 높은 모델적합도를 보이고 있음을 알 수 있다.

다음 페이지로