4. 자료의 수집 다음은 사교육 실태 및 의식 조사에서 사용된 설문지이다.

I. 사교육 실태에 대한 조사1) 자녀가 사교육을 받은 주당 평균시간을 기입하여 주십시오. 시간2) 자녀의 사교육 년 평균비용을 기입하여 주십시오. 천원3) 자녀의 영어 사교육 년 평균비용을 기입하여 주십시오. 천원4) 자녀의 수학 사교육 년 평균비용을 기입하여 주십시오. 천원

II. 사교육 의식에 대한 조사다음 사항에 대하여 귀하가 생각하는 정도를 ✔ 표시하여 주십시오.

전 혀

아니다보통이다

매 우

그렇다

1 2 3 4 5

1. 사교육의 영향

1) 자가학습 능력 저하 ✔ 2) 학교 수업 소홀 ✔ 3) 학습에 대한 이해력 향상 ✔ 2. 사교육 증가원인

1) 자녀에 대한 기대치 상승 ✔ 2) 남들 다하는 분위기 ✔ 3) 대학 서열화 구조 ✔ 4) 출신 대학의 중요성 ✔ 5) 학교 교육의 불만족 ✔ 3. 사교육 감소원인

1) 방과후 학교 활성화 ✔ 2) EBS 전문방송 활성화 ✔ 3) 대학 입시 전형 개선 ✔ 4) 수준별 이동 수업 ✔

III. 개인신상에 대한 조사(1) 자녀의 성별은? ① 남(✔) ② 여( )

(2) 자녀의 성적은?① 상위10%이내( ) ② 상위11~30%( ) ③ 상위31~60(✔) ④ 상위61~80%( ) ⑤ 하위20%이내( )

(3) 귀댁의 월평균 소득은?

① 100만원미만( ) ② 100~199만원( ) ③ 200~299만원(✔) ④ 300~399만원( ) ⑤ 400~499만원( ) ⑥ 500~599만원( )

⑦ 600~699만원( ) ⑧ 700만원이상( )

(4) 귀하의 거주지역은?① 강남( ) ② 강북( ) ③ 광역시(✔) ④ 중도소시( ) ⑤ 읍면지역( )

수집된 설문지의 자료를 입력하기 위하여 다음과 같이 정리하였다.

사교육 실태 및 의식 조사(edu.xls)

(.는 무응답을 의미함)

위의 자료 파일에 대한 항목별 세부사항은 다음과 같다.

변수명 내 용 코딩형식 칼 럼

ID 번호 1~30 1~2

TIME 주당 평균시간 ( )시간

TOTAL 년 평균 사교육비 ( )천원

ENGLISH 년 평균 영어 사교육비 ( )천원

MATH 년 평균 수학 사교육비 ( )천원

전 혀아니다 보통 매 우

그렇다

1 2 3 4 5

I1 자가학습 능력 저하

I2 학교 수업 소홀

I3 학습에 대한 이해력 향상

J1 자녀에 대한 기대치 상승

J2 남들 다하는 분위기

J3 대학 서열화 구조

J4 출신 대학의 중요성

J5 학교 교육의 불만족

K1 방과후 학교 활성화

K2 EBS 전문방송 활성화

K3 대학 입시 전형 개선

K4 수준별 이동 수업

GENDER 자녀 성별 1: 남, 2: 여

SCORE 자녀 성적1: 상위10%이내, 2: 상위11~30%, 3: 상위31~60,

4: 상위61~80%, 5: 하위20%이내,

INCOME 월평균 소득

1: 100만원미만, 2: 100~199만원, 3: 200~299만원

4: 300~399만원, 5: 400~499만원, 6: 500~599만원,

7: 600~699만원, 8: 700만원이상

LOCATION 지역 1: 강남, 2: 강북, 3: 광역시, 4: 중도소시, 5: 읍면지역

5. 자료의 입력

5.1 텍스트 형식으로 입력한 자료를 불러오기

파일(F)

텍스트 데이터 읽기(R)...

텍스트 파일을 불러오기 위해서 찾아보기 단추를 누르고, 텍스트 파일이 위치한 경로를 탐색한 후 텍스트(*.txt)를 선택한다. 텍스트 가져오기 마법사(Text Import Wizard Step 6)의 6단계를 통해 SPSS로 텍스트 파일을 불러 올 수 있다.

6. 데이터 편집기여기에서는 데이터 입력이나 저장시에 알아두어야 할 부분을 설명한다.

6.1 변수 정의

SPSS 데이터 편집기창에는 이름(Name), 유형(Type), 자릿수(Width), 소수점이하자리(Decimals), 설명(Label), 값(Values), 결측값(Missing), 열(Columns), 맞춤(Align), 측도(Measure) 등 10가지 선택 메뉴가 있다.

(1) 변수이름변수 이름이 표시되며, 할당된 변수가 없으면 자동으로 이름을 할당한다.

(2) 변수유형변수유형은 관차자료를 표기하는 방식을 설명해준다. 일반적으로 SPSS의 변수값들은 숫자(Numeric)형식으로 간주하나, 적합한 통계분석을 위해서 변수의 형식을 임의로 바꿀 수 있다. [유형]의 ‘숫자’를 선택하고 [...] 단추를 누르면 여러 가지 유형을 선택할 수 있게 된다.

숫자 : 변수의 값이 수치인 경우콤마 : 3자리마다 콤마를 표기하는 경우

(예 : 1,234.56)점 : 세자리마다 점을 표기하는 경우

(예 : 1.234,56)지수표기 : 지수형식으로 표기하는 경우

(예 : 1.2E+3)날짜 : 날짜 및 시간으로 표기하는 경우달러 : 미국화폐를 접두어로 표기하는 경우

(예 : $1,234.56)사용자 통화 : 옵션대화상자의 통화탭에서 정의한

사용자 정의 통화형식으로 표시된 숫자변수

문자열 : 문자, 숫자, 특수문자를 표기하는 경우.

(3) 설명정의변수이름과 변수값에 대한 이해를 돕기 위해 사용되는 설명문이다. 설명의 종류에는 변수의 의미를 설명하는 변수값 설명이 있다. 예를 들어 ‘k1' 방과후 학교 활성화를 설명하기 위해 [설명]에 ’방과후 학교 활성화‘를 입력한다.

(4) 설명값

[값] 밑에 있는 ‘숫자’를 선택하고 [...] 단추를 누르고 ‘변수값’란에 k1변수가 갖을 수 있는 값인 1부터 5까지의 값을 하나씩 “1 = 전혀아니다”와 같은 방법으로 입력을 한다.

(5) 결측값결측값은 설문에 응답하지 않아서, 코딩시에 여백으로 또는 특별한 수치(예를 들어 999) 등으로 처리한 경우를 의미한다. 결측값의 종류에는 시스템 결측값과 사용자 결측값의 두가지가 있다.

- 시스템 결측값 : 응답치가 공백으로 처리된 경우, 이를 시스템 결측값이라고 한다. 이 무응답치는 점(.)으로 표시된다.

- 사용자 결측값 : 응답치가 구체적으로 어떻게 누락되었는가를 나타내기 위해 사용되는 경우이다. 설문조사에서 ‘잘모르겠음’은 99, ‘해당없음’은 999, ‘응답거부’는 9999 등으로 사용자 무응답치를 지정한다.

(6) 맞춤맞춤은 편집창의 셀 안에서 자료의 정렬방식을 알려준다.

(7) 측도측도는 변수의 척도를 결정하는 방식을 의미한다.척도는 등간척도와 비율척도에 해당되는 변수를 지정할 경우에 사용된다. 순서척도는 서열척도를 지정하는 경우, 명목척도는 분류, 구분하는 경우에 사용되는 척도를 말한다.

6.2 데이터의 편집편집(Edit)은 데이터의 내용을 수정하거나 복사하는데 사용되는 메뉴이다. 여기서는 데이터 복구하기, 수정하기, 잘라내기, 복사하기, 붙이기 등에 관하여 알아본다.

(1) 지워진 데이터 복구하기입력된 데이터가 지워진 경우, 복구(Undo)를 누르거나, Ctrl+Z를 누르면 원래의 데이터를 복구할 수 있다.

(2) 입력된 자료의 수정이미 입력된 자료를 수정하려면 셀에 마우스의 포인트를 이동시켜 자료를 입력한 뒤 Enter키를 누르거나, 화살표의 방향키를 누르면 자료값이 바뀌게 된다.

(3) 잘라내기, 복사하기, 붙이기자료를 잘라내거나, 복사하거나, 붙이기를 위해서는 편집(Edit) 메뉴에서 작업을 진행하면 된다.

- 잘라내기(Cut) : 잘라내는 범위를 정한 후 편집메뉴에서 [잘라내기]을 누른다.- 복사(Copy) : 복사하는 범위를 정한 후 편집메뉴에서 [복사]를 누른다.- 붙여넣기(Paste) : 붙여넣는 범위를 정한 후 편집메뉴에서 [붙여넣기]를 누른다.

6.3 새로운 사례 및 변수의 삽입과 삭제(1) 새로운 사례의 삽입이미 입력된 파일에 새로운 사례(Case)를 추가할 경우, 삽입하고자하는 사례(Case) 행을 마우스로 지정하면 해당 행이 검은색으로 반전되어 나타나 있고, 이때, 다음과 같이 진행하면 새로운 행이 추가된다. 데이터(D)

케이스 삽입(I)

(2) 새로운 변수의 삽입 및 삭제- 새로운 변수 삽입 : Case를 삽입하는 것과 유사하다.

데이터(D)

변수 삽입(V)

(3) 변수 및 사례 삭제변수나 사례를 삭제하고자 할 경우에는 삭제하고자 하는 변수나 사례를 마우스로 선택한 후, Edit 메뉴에서 지우기(Del)을 누르거나, 마우스의 오른쪽 단추를 눌러 잘라내기(Cut)나 지우기(Del)를 선택하면 된다.

6.4 데이터 변환데이터 변환은 변수계산, 난수시작값, 코딩변경, 시계열변수 생성 등 다양한 작업을 할 수 있게 해준다.

6.4.1 코딩 변경

edu.sav 예제를 이용하여 location변수(지역)의 경우 1(강남)과 2(강북)이 서울로 나타낼 수 있다. 또한 4(중소도시)와 5(읍면지역)을 묶어 중소도시로 표현하고자 한다. 이때 연구자는 5개의 지역이 아닌 3개의 지역으로 구분하여 사교육비를 파악하고 싶을 것이다.

코딩 변경을 위해서 다음과 같이 실행한다. 변환(T)

코딩변경(R)

새로운 변수로(D)...

조건(If)는 논리조건에 따라 데이터 집단군에 대한 값을 선택적으로 변환하는데 사용되는 키워드이다. 출력변수창에서 이름(Name)란에 “location1"이라고 입력하고 기존값 및 새로운 값(Old and New Values)을 지정한다.

location 변수 중에서 ‘1=강남’은 기존값(Old Value)과 새로운 값(New Value)이 같기 때문에 모두 ‘1’을 입력하고, 추가(Continue)를 누르면 지정이 끝난다.

다음으로 ‘4=중소도시’와 ‘5=읍면지역’을 하나의 값(중소도시)으로 인식하기 위해서 범위(Range) 단추를 누르고 4 에서 5를 입력하고, 새로운 값에 3를 입력한다.

결과적으로1=강남 ⇒ 1=서울2=강북 ⇒ 1=서울3=광역시 ⇒ 2=광역시4=중소도시 ⇒ 3=중소도시5=읍면지역 ⇒ 3=중소도시으로 변경한다.

6.4.2 변수 만들기(Compute)

사교육 실태 및 의식 조사에 대한 설문지에서 통화품질, 서비스, 이미지는 각각 다항목으로 측정되었다. 이 요인들을 하나의 변수로 만들려면 다음과 같이 하면 된다.

사교육영향 = ( 자가학습 능력 저하 + 학교 수업 소홀 + 학습에 대한 이해력 향상 )

= ( i1 + i2 + i3)

사교육 증가원인 = ( j1 + j2 + j3 + j4 + j5 )

사교육 감소원인 = ( k1 + k2 + k3 + k4 )

여기서, 유의할 점은 변수들이 설명하는 타당성과 신뢰성이 확보되어야만, 이 계산이 유효하다는 점이다.

SPSS에서 새로운 변수 를 만드는 방법은 다음과 같다. 변환(T)

변수 계산(C)

함수 집단(Function group)에서 통계관련 함수를 찾기 위해서 통계(Statistical)을 선택하면 함수 및 특수변수(Functions and Special Variables)에 세부적인 함수들이 나타난다.

6.5 자료처리 분석 절차연구자가 자신의 연구목적을 달성하기 위하여 통계기법을 사용하고자 하는 경우에 다음과 같은 일반적인 절차를 거치게 된다.

7. 기초자료분석연구자는 각종 통계분석에 앞서 측정된 변수들이 지닌 분포의 특성을 알아 볼 필요가 있다. 분포의 특성이란 자료가 어느 곳에 몰려 있는 정도, 또는 흩어져 있는 정도를 말한다. 분포의 특성은 평균, 분산, 빈도를 통해 알 수 있다.

7.1 빈도분석 실행빈도분석(Frequency Analysis)은 도수분포나 막대그림표를 이용하여 측정된 변수들이 지닌 분포의 특성을 알게 하여 준다. 분포의 특성이란 자료가 어느 곳에 몰려 있으며, 또한 어느 정도 흩어져 있으며, 정규분포를 기준으로 어느 정도 뾰족한지의 정도 등을 나타낸다. 이러한 분포의 특성은 평균, 분산, 빈도 등과 같은 수치로 파악할 수 있다. 분석(A)

기술통계량(E)

빈도분석(F)

성적  빈도 퍼센트 유효 퍼센트 누적퍼센트유효

상위10%이내 20 20.0 20.0 20.0상위11~30% 43 43.0 43.0 63.0상위31~60% 27 27.0 27.0 90.0상위61~80% 7 7.0 7.0 97.0하위20%이내 3 3.0 3.0 100.0합계 100 100.0 100.0  

결과

여기서 퍼센트는 전체 케이스수 대비 빈도의 비율을 나타내며, 유효 퍼센트는 결측값을 제외한 케이스수 대비 빈도의 비율을 나타낸다. 다음은 빈도분석시 사용가능한 통계량의 설명이다.

선택란 설명내용Perceltile Values 백분위수 값

□ Quantiles(사분위수) 사분위수로서 25번째, 50번째, 75번째 비율을 출력

□ Cut points(절단점) 전체 케이스를 지정한 수만큼의 동일집단으로 나누는 기준값들

□ Percentiles(백분위수) 프로그램 사용자가 0과 100사이의 값을 입력할 수 있다.

Central Tendency 중심경향

□ Mean 산술평균 : 관찰값 전체를 합한 후에 관찰값 총 개수로 나눈값

□ Median 중앙값 : 데이터를 크기순서대로 배열한 상태의 정 중앙값

□ Mode 최빈값 : 자료의 분포에서 빈도수가 가장 높은 관찰값

□ Sum 자료들의 총합

□ Values are group midpoints 변수집단의 중앙값

Dispersion 산포도

□ Std. deviation 표준편차 : 분산의 제곱근

□ Variance 분산 : 각 편차 제곱의 합을 관찰값의 수로 나눈값

□ Range 범위 : 데이터의 최대값과 최소값의 차이

□ Minimum 최소값 : 데이터의 최소값

□ Maximum 최대값 : 데이터의 최대값

□ S.E. mean 표본평균의 분산에 제곱근을 취한 표준편차

Distribution 분포

□ Skewness 왜도 : 분포의 편중(치우침)

□ Kurtosis 첨도 : 분포의 뾰족한 정도

7.2 기술통계 분석일반적으로 범주형 자료의 특성을 살펴볼때는 빈도분석 혹은 교차분석을 사용하며, 연속형 자료는 기술통계를 통해 평균과 분석을 살펴본다.. 분석(A)

기술통계량(E)

기술통계(D)

기술통계량  N 최소값 최대값 평균 표준편차사교육시간 100 0 22 9.82 6.216년평균사교육비(천원) 92 106 8959 3770.26 2075.489년평균 영어사교육비(천원) 64 106 3292 1391.39 778.801년평균 수학사교육비(천원) 60 34 4704 760.05 725.297유효수 (목록별) 49        

8. 가설설정과 검정

8.1 가설의 설정가설검정에서 가장 기본적인 사항은 검정하고자 하는 모집단의 모수에 대하여 가설을 설정하는 것이다. 가설(Hypothesis)은 항상 귀무가설(Null Hypothesis : )과 대립가설(Alternative Hypothesis : ) 2가지로 설정하며 가설검정이란 표본관찰 또는 실험을 통하여 귀무가설과 대립가설 중에서 하나를 선택하는 과정이라고 할 수 있다.두 가설 와 은 각각의 경우에 따라서 결정되어지는데 모수에 대한 가설 중에서 ‘항상 간단하고 구체적인 표현’을 귀무가설로 설정한다.

[사례 1] 인가 또는 인가를 판단하고자 하는 경우 : (1995년도 월평균 판매량이 3,000개이다) : (1995년도 월평균 판매량이 3,000개보다 많다)

[사례 2] 인가 또는 ≠인가를 판단하고자 하는 경우 : (강남지역과 강북지역 학생의 평균성적이 같다) : ≠(강남지역과 강북지역 학생의 평균성적이 같지 않다)

[사례 3] 인가 또는 인가를 판단하고자 하는 경우 : (재래식 제조 방법과 새로운 제조방법에 의한 타이어의 평균수명이 같다) : (새로운 제조방법에 의한 타이어의 평균수명이 재래식 방법보다 길다)

가설검정이란 두 가설 와 중에서 하나를 선택하는 과정이므로 을 채택(Accept)하면 을 기각(Reject)하게 되고, 를 기각하면 을 채택하게 된다. 따라서 가설검정이란 “귀무가설 을 채택하든지 또는 기각하는 과정”이라고 이해할 수 있다.

8.2 가설검정의 절차가설의 채택 또는 기각하는 절차를 가설검정이라고 하는데, 가설검정은 연구실험 또는 실제상황에서 예측한 것과 결과치를 비교하는데 쓰인다. 가설검정의 절차에 대하여 간단히 살펴보면 다음과 같다.

(1) 귀무가설 과 연구가설 의 설정(2) 유의수준과 임계값의 결정(3) 의 채택영역과 기각영역 결정(4) 통계량의 계산(5) 통계량과 임계값의 비교 및 결론

- 귀무가설과 대립가설은 서로 반대이다. 현재까지 주장되어 온 것을 귀무가설로 정하고, 반대로 기존상

태로부터 새로운 변화 또는 효과가 존재한다는 주장을 대립가설로 정하게 된다.

가설검정의 종류는 크게 양측검정과 단측검정으로 나누며, 단측검정은 다시 왼쪽꼬리 검정과 오른쪽꼬리 검정으로 나눈다.

양측검정단측검정

왼쪽 꼬리 검정 오른쪽 꼬리 검정

≧ ≦

≠

- 일반적으로 가설검정에서 의 수준은 등으로 정한다. 이때 를 유의수준이라고 한다. 유의수준(Significance level)이란 제 1종의 오류 의 최대치를 말한다. “유의하다”라고 할때, 이것은 모수와 표본통계량의 차이가 현저하여 통계치의 확률이 귀무가설을 부정할 수 있을만큼 낮은 경우를 뜻한다. 유의수준이 설정되었을 때 가설을 채택하거나 기각시키는 판단기준이 있어야 하는데, 이를 임계값(Critical Value)이라고 한다. 수준에서 로 표기할 수 있는데, 이것은 계산된 확률수준이 보다 작으면 귀무가설을 기각할 수 있다는 것을 의미한다. 이때 통계적으로 유의하다라고 해석한다. 만일 이면 매우 유의하다라고 한다. 여기서 값은 귀무가설을 가정했을 때 주어진 표본관측결과 이상으로 귀무가설에서 먼 방향의 값이 나올 확률이다.

가설검정을 시행할 때는 두가지 오류를 범할 수 있다. 실제로 올바른 가설을 기각시키는 경우 또는 그릇된 가설을 채택하는 경우이다. 예를 들어, 무죄의 피의자를 유죄로 선고한다든지, 또는 유죄의 피의자를 무죄로 선고하는 경우이다. 전자의 경우를 제 1종의 오류라고 하고 로 나타내고, 후자의 경우는 제 2종의 오류라고 하여 로 나타낸다.

실제상태

의사결정올바른 그릇된

채택 올바른 결정 제 2종의 오류, 오류

기각 제 1종의 오류, 오류 올바른 결정

( 제 1종의 오류 ) = ( 기각 \ 진실 ) = ( 제 2종의 오류 ) = ( 채택 \ 거짓 ) =

- 세 종류의 검정방법에서 의 채택 및 기각영역

<왼쪽 꼬리 검정> <양측 검정> <오른쪽 꼬리 검정>