리서치 지식 - 논문리커트 척도란? 뜻과 예시, 장점 및 단점, 분석 방법 총정리

리커트 척도(Likert Scale)란 태도, 의견, 만족도처럼 눈에 보이지 않는 개념을 수치화해 측정하는 대표적인 설문 척도입니다. 응답자가 진술문에 얼마나 동의하는지를 단계로 표현하게 하며, 5점·7점 같은 홀수 점수 체계가 일반적으로 쓰입니다.

설문지를 만들 때 가장 많이 쓰는 척도이지만, 정작 '어떻게 분석해야 하는지', '어떤 한계가 있는지'까지 정확히 알고 쓰는 경우는 드뭅니다. 이 글에서는 리커트 척도의 뜻과 유형별 예시, 장점과 단점, 그리고 올바른 분석 방법까지 정리했습니다.

리커트 척도 뜻

리커트 척도는 1932년 미국의 사회심리학자 렌시스 리커트(Rensis Likert)가 고안했으며, 이름도 그의 성에서 따왔습니다. 그는 여러 문항의 응답을 합산하거나 평균 내면 하나의 잠재된 태도를 측정할 수 있다고 보았습니다.

여기서 자주 혼동되는 개념을 먼저 정리하면 좋습니다.

• 리커트 문항(Likert item) — "매우 동의 ~ 전혀 동의 안 함"처럼 단계로 응답하는 개별 문항 하나
• 리커트 척도(Likert scale) — 같은 개념을 재는 여러 문항을 묶어 합산·평균한 것

엄밀히 말하면 '리커트 척도'는 여러 문항의 묶음을 뜻합니다. 이 구분은 나중에 분석 방법을 고를 때 중요해집니다.

리커트 척도 예시

측정하려는 대상에 따라 선지 표현이 달라집니다. 유형별로 살펴보겠습니다.

1. 동의 수준

문항: "나는 새로운 기술을 배우는 데 흥미를 느낀다"
선지: 전혀 동의하지 않음 – 동의하지 않음 – 보통이다 – 동의함 – 매우 동의함

2. 빈도

문항: "업무 중 스마트폰을 자주 확인한다"
선지: 전혀 그렇지 않다 – 거의 그렇지 않다 – 보통이다 – 자주 그렇다 – 항상 그렇다

3. 중요도

문항: "고객 응대 시 신속한 대응은 얼마나 중요하다고 생각하십니까?"
선지: 전혀 중요하지 않다 – 중요하지 않다 – 보통이다 – 중요하다 – 매우 중요하다

4. 만족도

문항: "현재 근무 중인 조직의 복지 수준에 만족하십니까?"
선지: 전혀 그렇지 않다 – 그렇지 않다 – 보통이다 – 그렇다 – 매우 그렇다

5. 재이용 의향

문항: "다음에 기회가 있다면 이 서비스를 다시 이용할 것이다"
선지: 전혀 그렇지 않다 – 그렇지 않다 – 보통이다 – 그렇다 – 매우 그렇다

리커트 척도 장점

리커트 척도 단점

리커트 척도는 편리하지만 몇 가지 구조적인 한계를 갖습니다. 이를 모르고 쓰면 데이터가 왜곡되거나 분석이 잘못될 수 있습니다.

1. 중심화 경향 편향 (Central Tendency Bias)

응답자가 '매우 그렇다'나 '전혀 아니다' 같은 극단을 피하고 가운데(보통이다)로 몰리는 경향입니다. 특히 동아시아권 응답자에게서 뚜렷하게 나타나, 실제 태도보다 응답이 밋밋하게 수렴될 수 있습니다.

2. 묵종 편향 (Acquiescence Bias)

문항 내용과 관계없이 일단 '그렇다' 쪽으로 답하는 경향입니다. 긍정형 문항만 나열하면 긍정 응답이 실제보다 부풀려집니다. 이를 막으려면 일부 문항을 역방향(부정형)으로 배치해 교차 확인하는 것이 좋습니다.

3. 사회적 바람직성 편향 (Social Desirability Bias)

자신이나 소속 집단을 바람직하게 보이려고 솔직한 응답 대신 '보기 좋은' 응답을 하는 경향입니다. 이 편향은 응답자를 늘린다고 해서 해결되지 않습니다.

4. 등간성 논란 (순서형 vs 등간형)

가장 중요한 방법론적 쟁점입니다. '동의함'과 '매우 동의함' 사이 간격이 '보통'과 '동의함' 사이 간격과 정말 같은가? 실제로는 사람마다 다르게 받아들입니다. 그래서 리커트 데이터는 원칙적으로 순서형(ordinal)이며, 평균을 내는 것이 통계적으로 논쟁의 대상이 됩니다.

5. 복잡한 태도의 단순화

미묘하고 다면적인 태도를 5~7개의 선지로 눌러 담다 보니, 응답의 맥락과 이유는 사라집니다. 이 지점을 보완하려면 리커트 문항과 함께 개방형 문항이나 인터뷰를 병행하는 것이 좋습니다.

리커트 척도 분석 방법

분석은 단일 문항이냐, 여러 문항을 합산한 척도냐에 따라 접근이 달라집니다.

1. 기술통계

평균, 중앙값, 표준편차 등으로 응답 경향을 파악합니다. 다만 단일 문항은 순서형이므로, 엄밀하게는 평균보다 중앙값·최빈값이 더 적절합니다. 여러 문항을 합산한 척도 점수는 등간에 가깝게 다뤄 평균을 쓰는 것이 비교적 무리가 없습니다.

2. 집단 간 비교

두 집단은 t검정, 세 집단 이상은 ANOVA로 응답 차이를 봅니다. 순서형을 엄격히 지키려면 맨-휘트니 U 검정, 크루스칼-왈리스 검정 같은 비모수 방법을 씁니다. (참고로 5점 척도에서 t검정과 맨-휘트니 검정의 검정력은 실제로 큰 차이가 없다는 시뮬레이션 결과도 있습니다.)

3. 상관·회귀 분석

같은 개념을 재는 여러 문항을 합산해 하나의 지표로 만든 뒤, 다른 변수와의 상관이나 회귀 관계를 분석합니다. 이때는 합산 점수를 사용하므로 등간 가정이 상대적으로 안전해집니다.

4. 신뢰도 분석 (Cronbach's α)

같은 구성개념을 측정하는 문항들이 일관되게 작동하는지 확인합니다. 통상 0.7 이상이면 수용 가능한 수준으로 봅니다. 논문에서 리커트 척도를 여러 문항으로 묶어 썼다면 거의 필수적으로 보고해야 하는 값입니다.

자주 묻는 질문

5점과 7점 중 무엇이 나은가요?

정답은 없습니다. 5점은 응답이 쉽고 피로가 적으며, 7점은 응답의 세기를 더 세밀하게 잡아냅니다. 응답자 특성과 분석 목적에 맞춰 선택하되, 한 설문 안에서는 척도를 일관되게 유지하는 것이 좋습니다.

중립(보통이다) 선지를 넣어야 하나요?

중립을 넣으면 응답 강요를 피할 수 있지만 중심화 경향이 커질 수 있고, 빼면(짝수 척도) 응답자가 방향을 정하도록 강제할 수 있습니다. 연구 목적에 따라 선택하는 문제입니다.

리커트 척도 평균을 내도 되나요?

단일 문항이라면 순서형이므로 평균보다 중앙값·최빈값이 원칙입니다. 다만 같은 개념을 재는 여러 문항을 합산한 척도 점수는 실무에서 평균을 널리 사용합니다. 논문에서는 어느 쪽을 택했는지 근거를 밝히는 것이 안전합니다.

마치며

리커트 척도는 가장 익숙한 도구인 만큼, 무심코 쓰다 편향과 분석 오류에 빠지기 쉽습니다. 척도 점수를 어떻게 다룰지, 역문항을 넣을지, 신뢰도를 어떻게 확보할지는 설문을 설계하는 단계에서 미리 정해두어야 합니다.

그로스헬퍼는 리커트 문항 구성부터 역문항 설계, 신뢰도·타당도 검증, 통계 분석까지 설문 연구 전 과정을 지원합니다. 척도 설계나 분석이 막막하다면 편하게 문의해 주세요.