설문 문항을 모두 숫자로 바꾸고
신뢰도 분석까지 했는데
이상하게 결과가 좋지 않습니다.
문항끼리 상관도 이상하고,
Cronbach’s α도 예상보다 낮습니다.
이럴 때 확인해야 할 것 중 하나가
역문항의 역코딩 여부입니다.
역문항 하나를 그대로 두는 작은 실수가
척도 전체의 결과에 영향을 줄 수 있습니다.
1️⃣ 역문항은 방향이 반대입니다
예를 들어 만족도를
5점 척도로 측정한다고 해보겠습니다.
📌 “나는 현재 생활에 만족한다.”
1점 → 만족도가 낮음
5점 → 만족도가 높음
그런데 역문항이
📌 “나는 현재 생활에 불만이 많다.”
라면 방향이 반대입니다.
그대로 합산하기 전에
같은 방향으로 점수를 맞춰주는 과정이 필요합니다.
2️⃣ 역코딩을 빼먹으면 평균점수가 왜곡됩니다
5점 척도에서 일반적인 역코딩은
1 ↔ 5
2 ↔ 4
3 ↔ 3
처럼 바꿉니다.
그런데 역문항 하나를
원래 점수 그대로 사용하면
높은 만족도를 의미하는 문항과
낮은 만족도를 의미하는 문항이
한 점수 안에 함께 들어가게 됩니다.
📊 결국 척도 평균이나 합산점수가
의도한 개념을 제대로 반영하지 못할 수 있습니다.
3️⃣ 신뢰도가 갑자기 낮아질 수 있습니다
같은 개념을 측정하는 문항들은
일반적으로 같은 방향의 관계를
보일 것으로 기대합니다.
하지만 역코딩되지 않은 문항은
다른 문항과 반대 방향으로 움직일 수 있습니다.
그 결과
⚠️ 문항 간 상관이 이상하게 나타나거나
⚠️ Cronbach’s α가 낮아질 수 있습니다.
이때 문항 자체가 나쁘다고 생각하고
바로 삭제하기 전에
역코딩 여부부터 확인해볼 필요가 있습니다.
4️⃣ 이후 분석 결과에도 영향을 줄 수 있습니다
잘못 계산된 척도 점수를
그대로 사용하면
문제는 신뢰도 분석에서 끝나지 않습니다.
그 점수를 가지고
상관분석이나 회귀분석 등을 진행하면
변수 간 관계의 크기나 방향도
영향을 받을 수 있습니다.
👉 데이터 전처리 단계의 작은 오류가
이후 분석까지 이어질 수 있는 것입니다.
5️⃣ 원본 변수는 남겨두는 것이 좋습니다
역코딩할 때
기존 값을 바로 덮어쓰기보다
새로운 변수를 만들어두면
나중에 확인하기 편합니다.
예를 들어
Q3 → 원본 문항
Q3_R → 역코딩 문항
처럼 구분할 수 있습니다.
📌 어떤 문항을 역코딩했는지도
코드북이나 분석 기록에 남겨두면
재검토할 때 훨씬 안전합니다.
🔥 핵심 정리
역코딩은 단순히
숫자의 순서를 뒤집는 작업이 아닙니다.
👉 같은 척도에 포함된 문항의 점수 방향을 일치시켜, 하나의 개념으로 올바르게 계산하기 위한 과정입니다.
📌 이렇게 보면 됩니다
✔ 설문지에서 역문항 먼저 표시
✔ 척도의 점수 범위 확인
✔ 역코딩 후 값이 제대로 변환됐는지 확인
✔ 원본 변수와 역코딩 변수 구분
✔ 신뢰도 분석 전에 코딩 방향 재확인
👀 많이 틀리는 포인트
역문항을 발견하고도 원점수 그대로 사용하기 ❌
신뢰도가 낮다고 바로 문항부터 삭제하기 ❌
역코딩하면서 원본 데이터를 덮어쓰기 ❌
모든 부정형 문장을 무조건 역문항이라고 판단하기 ❌
👉 역코딩 하나를 놓치면 단순한 코딩 실수로 끝나는 것이 아니라,
척도 점수부터 신뢰도와 이후 통계분석까지 연쇄적으로 영향을 줄 수 있습니다.
