설문조사 데이터를 SPSS로 정리하다 보면 이런 문항을 만날 때가 있습니다.
“나는 현재 직장생활에 만족한다.”
“나는 현재 직장생활에 만족하지 못한다.”
두 문항 모두 ‘직무만족’을 측정하기 위한 문항이라고 해보겠습니다.
그런데 5점 척도에서 두 문항 모두 ‘매우 그렇다’에 5점을 부여한 상태로 그대로 분석하면 문제가 생깁니다.
첫 번째 문항의 5점은 만족도가 높다는 의미지만,
두 번째 문항의 5점은 만족도가 낮다는 의미이기 때문입니다.
이처럼 문항의 방향을 맞춰주는 작업이 역코딩(Reverse Coding)입니다.
1. 역문항은 왜 사용할까요?
설문지를 보면 모든 문항이 같은 방향으로 작성되지 않은 경우가 있습니다.
예를 들어
정문항
나는 현재 업무에 만족한다.
역문항
나는 현재 업무를 그만두고 싶을 때가 많다.
처럼 긍정적인 문항과 부정적인 문항이 섞여 있을 수 있습니다.
척도에 따라 이러한 문항 구성이 사용되기도 하며, 중요한 것은 분석할 때 점수의 방향을 동일하게 맞추는 것입니다.
2. 5점 척도라면 어떻게 바뀔까요?
예를 들어 다음과 같은 5점 리커트 척도를 사용했다고 해보겠습니다.
1점 = 전혀 그렇지 않다
2점 = 그렇지 않다
3점 = 보통이다
4점 = 그렇다
5점 = 매우 그렇다
역코딩이 필요한 문항이라면 일반적으로 다음과 같이 변환됩니다.
1 → 5
2 → 4
3 → 3
4 → 2
5 → 1
즉, 점수의 방향을 반대로 바꾸는 것입니다.
5점 척도의 경우 간단하게 생각하면
새로운 점수 = 6 – 기존 점수
가 됩니다.
예를 들어 원래 5점이었다면
6 – 5 = 1점,
원래 2점이었다면
6 – 2 = 4점으로 변환됩니다.
3. 7점 척도는 어떻게 해야 할까요?
원리는 같습니다.
7점 척도라면
1 → 7
2 → 6
3 → 5
4 → 4
5 → 3
6 → 2
7 → 1
로 변환할 수 있습니다.
계산식으로 표현하면
새로운 점수 = 8 – 기존 점수
입니다.
따라서 무조건 ‘6에서 빼면 된다’고 외우기보다 사용한 척도의 최솟값과 최댓값을 먼저 확인하는 것이 중요합니다.
일반적으로는
역코딩 값 = 최댓값 + 최솟값 – 기존 값
으로 이해하면 다양한 척도에 적용하기 쉽습니다.
4. 역코딩을 안 하면 어떤 문제가 생길까요?
예를 들어 ‘연구 만족도’를 측정하는 5개 문항 중 4개는 점수가 높을수록 만족도가 높고,
1개만 점수가 높을수록 만족도가 낮다고 해보겠습니다.
이를 그대로 합산하거나 평균을 내면 서로 반대 방향의 점수가 하나의 변수 안에 섞이게 됩니다.
그 결과
- 변수의 평균점수가 왜곡될 수 있고
- 문항 간 상관관계가 이상하게 나타날 수 있으며
- Cronbach’s α 신뢰도가 낮아질 수 있고
- 이후 회귀분석 등의 결과에도 영향을 줄 수 있습니다.
그래서 신뢰도 분석 결과가 예상보다 이상하다면 역문항 처리가 제대로 되었는지 확인하는 것도 중요한 점검 사항입니다.
5. SPSS에서는 기존 변수를 덮어쓰지 않는 것이 좋습니다
SPSS에서 역코딩을 할 때는 기존 변수에 바로 새로운 값을 덮어쓰기보다 새로운 변수로 생성해두는 방식이 관리하기 편합니다.
예를 들어 기존 문항이
Q3
이라면 역코딩한 변수는
Q3_R
처럼 구분해두는 것입니다.
그러면 나중에 문제가 생겼을 때 원래 응답값과 변환된 값을 비교하기 쉽습니다.
RAW DATA 역시 별도로 보관해두는 것이 좋습니다.
데이터 정리 과정에서 실수가 발생했을 때 원본으로 돌아갈 수 있기 때문입니다.
6. ‘부정적인 문장’이라고 전부 역코딩하는 것은 아닙니다
이 부분은 특히 주의해야 합니다.
문장이 부정적으로 보인다고 해서 연구자가 임의로 역코딩 여부를 결정하면 안 됩니다.
중요한 것은 해당 척도에서 높은 점수가 무엇을 의미하도록 설계되었는지입니다.
기존 척도를 사용했다면 원척도의 문항 구성과 채점 방법을 확인해야 합니다.
번안척도를 사용했다면 해당 연구에서 어떤 문항을 역문항으로 처리했는지도 확인하는 것이 좋습니다.
즉,
“문장이 부정적이네 → 역코딩”
이 아니라
“이 문항의 점수 방향이 다른 문항과 반대인가?”
를 확인해야 합니다.
역코딩 전에 이것만은 확인하세요 ✅
- 사용한 척도는 몇 점 척도인가?
- 각 점수가 무엇을 의미하는가?
- 원척도에서 지정한 역문항은 무엇인가?
- 모든 문항의 최종 점수 방향이 동일한가?
- 역코딩한 변수와 원변수를 구분했는가?
- 신뢰도 분석에는 변환된 문항을 사용했는가?
- RAW DATA 원본은 별도로 보관했는가?
특히 다른 논문에서 사용한 척도를 가져왔다면 문항만 복사하지 말고 원척도의 채점 방식까지 확인하는 습관을 들이는 것이 좋습니다.
마무리
역코딩은 계산 자체는 어렵지 않습니다.
하지만 한 문항이라도 놓치면 신뢰도 분석부터 변수의 평균, 이후 통계분석까지 영향을 받을 수 있습니다.
그래서 설문조사가 끝난 뒤 바로 SPSS 분석으로 넘어가기보다 변수 코딩 → 역문항 확인 → 결측값 및 데이터 검수 → 분석용 변수 생성 순서로 데이터를 정리하는 것이 좋습니다.
더브레인에서도 논문 통계분석을 진행할 때 이러한 데이터 전처리와 변수 구성을 확인하는 과정이 중요합니다.
역코딩에서 중요한 것은 부정적인 문장을 찾는 것이 아니라,
모든 문항에서 ‘높은 점수’가 같은 방향의 의미를 갖도록 점수 체계를 맞추는 것입니다.
