설문조사가 끝나고 데이터를 정리하다 보면
응답이 비어 있는 칸을 발견할 때가 있습니다.
엑셀에서 빈칸을 그대로 두자니
데이터가 정리되지 않은 것 같고,
숫자를 입력해야 할 것 같아
일단 0으로 채우는 경우도 있습니다.
그런데 이렇게 입력한 0 하나가
통계분석 결과에 영향을 줄 수 있다는 사실,
알고 계셨나요?
특히 설문 데이터에서 0은
단순히 비어 있는 값을 대신하는 숫자가 아닙니다.
0은 실제로 측정된 값일 수도 있고, 결측값은 응답이 없거나 확인되지 않은 상태일 수도 있기 때문입니다.
1️⃣ 0과 결측값은 서로 다른 의미입니다
데이터를 정리할 때 가장 먼저 구분해야 하는 것은
0과 결측값(Missing Value)의 차이입니다.
예를 들어 다음과 같은 질문이 있다고 해보겠습니다.
Q. 최근 1개월 동안 온라인 쇼핑을 몇 회 이용하셨습니까?
① 0회
② 1~2회
③ 3~4회
④ 5회 이상
여기서 ‘0회’를 선택한 응답자는
실제로 온라인 쇼핑을 이용하지 않았다는
정보를 제공한 것입니다.
반면 해당 질문에 응답하지 않았다면
온라인 쇼핑을 이용하지 않은 것인지,
단순히 답변을 누락한 것인지 알 수 없습니다.
즉, 두 경우는 서로 다릅니다.
📌 0은 실제 관측된 값일 수 있지만, 결측값은 해당 정보를 확인할 수 없는 상태를 의미합니다.
2️⃣ 빈칸을 0으로 채우면 평균이 달라질 수 있습니다
예를 들어 5명의 응답자에게
최근 한 달간 구매 횟수를 질문했다고 해보겠습니다.
응답 결과는 다음과 같습니다.
A: 2회
B: 4회
C: 6회
D: 8회
E: 무응답
이때 무응답을 제외한
4명의 평균 구매 횟수는 5회입니다.
하지만 E의 무응답을
임의로 0으로 입력한다면
평균 구매 횟수는 4회가 됩니다.
실제로 구매하지 않았다는
정보가 없는 상태인데도
구매 횟수가 0회인 사람으로 처리되면서
평균이 낮아진 것입니다.
이처럼 결측값을 임의로 0으로 바꾸면
평균뿐 아니라 분산과 변수 간 관계 등
다른 통계 결과에도 영향을 줄 수 있습니다.
👉 빈칸을 0으로 채우는 것은 단순한 데이터 정리가 아니라, 존재하지 않는 응답 정보를 추가하는 일이 될 수 있습니다.
3️⃣ 설문에서 사용하는 0의 의미부터 확인해야 합니다
설문 데이터에서는
같은 숫자 0이라도
문항과 코딩 방식에 따라
서로 다른 의미를 가질 수 있습니다.
예를 들어 다음과 같습니다.
📊 구매 횟수: 0
실제로 구매한 횟수가 없다는 의미
📊 만족도 문항: 0
0점부터 시작하는 척도라면 유효한 응답일 수 있음
📊 성별 변수: 0
연구자가 특정 범주에 부여한 코드일 수 있음
📊 결측값 코드: 0
연구자가 별도로 지정한 결측 코드일 수 있음
따라서 숫자 0이 입력되어 있다고 해서
무조건 잘못된 값이라고 판단해서는 안 됩니다.
반대로 0을 결측값으로 설정하면
실제 0회라고 응답한 데이터까지
분석에서 제외될 수 있습니다.
📌 숫자의 의미는 데이터 자체가 아니라 설문 문항과 코드북을 함께 확인해야 정확하게 판단할 수 있습니다.
4️⃣ 해당 없음과 무응답도 구분해야 합니다
설문조사에서는 응답자가
질문에 답하지 않은 이유도
서로 다를 수 있습니다.
예를 들어 다음과 같은 질문이 있다고 해보겠습니다.
Q1. 최근 1개월 동안 배달앱을 이용한 경험이 있습니까?
① 있다
② 없다
Q2. 최근 1개월 동안 배달앱에서 지출한 금액은 얼마입니까?
Q1에서 ‘없다’를 선택한 응답자는
설문 분기 설정에 따라
Q2에 답변하지 않을 수 있습니다.
이 경우 Q2가 비어 있다고 해서
일반적인 무응답과 동일하게
처리하는 것은 적절하지 않을 수 있습니다.
또한 지출 금액이 실제로 0원이라는 의미인지,
해당 질문이 적용되지 않는다는 의미인지도
구분할 필요가 있습니다.
분석목적에 따라 처리 방식이 달라질 수 있기 때문입니다.
👉 응답하지 않은 값과 응답할 필요가 없었던 값은 가능한 한 구분해서 관리하는 것이 좋습니다.
5️⃣ 데이터 정리 전에 코딩 기준을 정해야 합니다
이러한 문제를 방지하려면
데이터를 정리하기 전에
각 변수의 코딩 기준을 확인해야 합니다.
특히 엑셀이나 SPSS로
설문 데이터를 분석할 때는
다음 내용을 점검하는 것이 좋습니다.
🔎 0이 실제 응답값인지
🔎 결측값은 어떤 방식으로 표시할 것인지
🔎 해당 없음과 무응답을 구분할 필요가 있는지
🔎 변수별 응답 범위가 올바르게 설정되었는지
🔎 분석 프로그램에서 결측값이 제대로 인식되는지
예를 들어 SPSS에서는
특정 숫자를 사용자 정의 결측값으로
지정할 수 있습니다.
하지만 실제 응답값으로 사용되는 숫자를
결측값으로 지정하면
정상적인 데이터가 분석에서 제외될 수 있습니다.
또한 결측값을 대체해야 하는 상황이라면
무조건 0을 입력하기보다
결측 발생 원인과 분석목적에 맞는
처리 방법을 검토해야 합니다.
📌 데이터 코딩은 숫자를 입력하는 작업이 아니라, 응답의 의미를 분석 가능한 형태로 정확하게 옮기는 과정입니다.
🔥 핵심 정리
설문 데이터에서 숫자 0은
단순히 빈칸을 대신하는 값이 아닙니다.
실제로 관측된 응답일 수도 있고,
연구자가 특정 범주에 부여한
코드일 수도 있습니다.
반면 결측값은
해당 정보가 확인되지 않았거나
응답이 제공되지 않은 상태를 의미합니다.
이 둘을 구분하지 않고 처리하면
평균이나 분산, 변수 간 관계 등
통계분석 결과가 달라질 수 있습니다.
👉 데이터를 정리할 때 중요한 것은 빈칸을 없애는 것이 아니라, 각 숫자가 가진 의미를 정확하게 유지하는 것입니다.
📌 이렇게 보면 됩니다
✔ 실제 0과 결측값을 구분하기
✔ 빈칸을 임의로 0으로 채우지 않기
✔ 설문 문항과 코드북을 함께 확인하기
✔ 해당 없음과 무응답을 구분해서 관리하기
✔ 분석 프로그램의 결측값 설정 점검하기
👀 많이 틀리는 포인트
빈칸이 보기 싫다는 이유로 모두 0으로 입력하기 ❌
실제 0회 응답을 결측값으로 처리하기 ❌
해당 없음과 무응답을 동일하게 코딩하기 ❌
변수별 코딩 기준을 확인하지 않고 통계분석 시작하기 ❌
👉 데이터 정리에서는 숫자 하나를 입력하거나 변경하는 일도 신중해야 합니다.
특히 0과 결측값을 잘못 구분하면 실제 응답과 다른 정보가 분석에 반영될 수 있습니다.
결국 정확한 통계분석의 시작은 데이터를 깔끔하게 만드는 것이 아니라, 응답자가 제공한 정보의 의미를 정확하게 보존하는 것입니다.
