CLUSTER ANALYSIS · STANDARDIZATION
학습 안내 · 군집분석에서 표준화가 필요한 이유부터 Z점수와 변수 간 상관관계까지
목차의 항목을 누르면 해당 슬라이드로 바로 이동합니다. · 좌우 화살표로 한 장씩 넘기기
수록 범위: 현재 채팅창에서 확인되는 학습 설명 6개 (텍스트 3개, 생성 이미지 3개). 학습 순서에 따라 수록. 이미지의 문구와 도해는 원본을 그대로 삽입했습니다.
편집 안내: 원래 설명의 서술 내용·표·수식을 유지하였으며 워드 가독성을 위해 제목, 표, 문단 배치만 조정했습니다.
현재 화면은 SPSS의 기술통계량 → 기술통계 설정 창입니다.
여기에서 표준화 계수, 즉 Z점수(Standardized Z-score)를 새로운 변수로 저장할 수 있습니다.
현재 화면에서 이미 거의 설정이 완료되었습니다.
1. 오른쪽 변수 목록에 FAC만족감, FAC브랜드, FAC외관, FAC유용성, FAC편의성이 들어가 있는지 확인합니다.
2. 아래쪽 「표준화 값을 변수로 저장(Z)」에 체크합니다. → 현재 이미 체크되어 있습니다.
3. 「확인」 버튼을 클릭합니다.
4. SPSS의 데이터 보기로 돌아가면 오른쪽 끝에 표준화된 새 변수들이 생성됩니다.
| 기존 변수 | 새로 생성되는 값 |
|---|---|
| FAC만족감 | Z점수 |
| FAC브랜드 | Z점수 |
| FAC외관 | Z점수 |
| FAC유용성 | Z점수 |
| FAC편의성 | Z점수 |
표준화한 변수는 평균이 약 0, 표준편차가 약 1이 됩니다.
Z = (X − X̄) / SD
논문 분석에서 말하는 표준화 회귀계수(β, Standardized Beta)를 구하려는 것이라면 방법이 다릅니다.
• Z점수: 현재 화면에서 체크하고 확인을 누르면 됩니다.
• 표준화 회귀계수 β: 분석 → 회귀분석 → 선형에서 회귀분석을 실행한 후, 결과표의 표준화 계수(Beta)를 확인해야 합니다.
질문: 지금 구하시려는 것은 회귀분석에 사용할 표준화된 독립변수(Z점수)인가요, 아니면 논문에 보고할 표준화 회귀계수(β)인가요? 두 가지는 서로 다릅니다.
군집분석(Cluster Analysis)에서 변수를 표준화하는 이유는 각 변수가 군집 형성에 미치는 영향력을 공정하게 맞추기 위해서입니다.
군집분석은 응답자들 사이의 거리(Distance) 또는 유사성을 기준으로 비슷한 사람들을 묶기 때문입니다.
예를 들어 관광객의 5가지 평가요인을 이용해 군집분석을 한다고 가정하겠습니다.
| 변수 | 평균 | 표준편차 |
|---|---|---|
| 관광 만족감 | 4.2 | 0.5 |
| 브랜드 이미지 | 3.8 | 0.8 |
| 외관 평가 | 3.5 | 0.6 |
| 유용성 | 4.0 | 1.2 |
| 편의성 | 3.9 | 0.4 |
모두 5점 리커트 척도라도 표준편차가 서로 다릅니다.
유클리드 거리를 사용하는 군집분석에서는 값의 차이가 큰 변수가 거리 계산에 더 크게 기여할 수 있습니다. 따라서 위 예에서는 유용성이 상대적으로 큰 영향을 미칠 가능성이 있습니다.
표준화 전: 변수별 변동 폭 차이 / Z점수 표준화 후: 각 변수의 표준편차 = 1
개념도: 막대는 표준편차의 상대적 크기를 나타냅니다.
Z = (X − X̄) / SD
표준화하면 모든 변수의 평균은 0, 표준편차는 1이 됩니다.
따라서 군집분석에서 특정 변수가 단위나 분산이 크다는 이유만으로 지나치게 영향력을 갖는 현상을 줄일 수 있습니다.
다만 표준화가 모든 변수의 중요성을 완전히 동일하게 만든다는 뜻은 아닙니다. 변수 간 상관관계와 군집 구조도 분석 결과에 영향을 줍니다.
반드시 그렇지는 않습니다.
| 분석 상황 | 표준화 권장 |
|---|---|
| 서로 다른 척도(5점, 7점, 금액 등) | 강력 권장 |
| 동일한 5점 리커트 척도 | 선택적 |
| 같은 척도지만 표준편차 차이가 큼 | 권장 |
| 원래 점수 차이 자체가 중요한 연구 | 원점수 고려 |
현재 FAC만족감, FAC브랜드, FAC외관, FAC유용성, FAC편의성을 군집분석에 사용하려는 상황입니다.
이 변수들이 모두 같은 5점 척도라면 표준화한 군집분석과 원점수를 사용한 군집분석을 비교해 보는 것이 가장 좋습니다.
특히 K-means 군집분석에서는 거리 계산에 변수의 크기와 분산이 영향을 주기 때문에 표준화 여부에 따라 군집 구성원이 달라질 수 있습니다.
한 가지 더 중요한 점: 변수명에 FAC가 붙어 있는데, 이 변수들이 SPSS 요인분석에서 저장한 요인점수(Factor Scores)인가요? 아니면 설문문항의 평균을 계산한 합성변수(Composite Scores)인가요?
이미 표준화된 요인점수라면 별도로 Z점수를 만들 필요가 없을 수도 있습니다.
군집분석에서 Z점수 표준화를 하는 이유를 이해하려면 ① 평균 0의 의미, ② 표준편차 1의 의미, ③ 군집분석에서 거리 계산이 달라지는 이유를 구분하면 쉽습니다.
Z점수(Z-score)는 어떤 사람의 점수가 전체 평균에서 표준편차 몇 개만큼 떨어져 있는지 보여주는 값입니다.
예를 들어 관광 만족도를 5점 척도로 측정했다고 가정하겠습니다.
• 전체 평균: 3점
• 표준편차: 1점
• A 관광객의 만족도: 5점
그러면 A 관광객의 Z점수는 다음과 같습니다.
Z = (5 − 3) / 1 = +2
즉, A 관광객의 만족도는 평균보다 2표준편차 높은 수준이라는 뜻입니다.
| Z점수 | 의미 |
|---|---|
| +2 | 평균보다 2표준편차 높음 |
| +1 | 평균보다 1표준편차 높음 |
| 0 | 평균과 같음 |
| −1 | 평균보다 1표준편차 낮음 |
| −2 | 평균보다 2표준편차 낮음 |
두 관광객 A와 B를 만족도와 여행 지출액으로 묶는다고 가정하겠습니다.
| 변수 | 관광객 A | 관광객 B | 차이 |
|---|---|---|---|
| 만족도(5점) | 4 | 5 | 1점 |
| 여행 지출액(원) | 100,000 | 200,000 | 100,000원 |
유클리드 거리(Euclidean Distance)를 사용하는 K-means에서는 거리 계산에 여행 지출액의 차이가 압도적으로 크게 반영됩니다. 만족도가 1점 다른 것은 거의 영향을 미치지 못합니다.
하지만 각각 Z점수로 바꾸면 두 변수를 모두 각 변수의 표준편차를 기준으로 비교하게 됩니다. 원래 측정 단위가 서로 달라도 한쪽이 단위 때문에 압도적인 영향을 갖지 않게 됩니다.
여기가 핵심입니다.
Z점수로 표준화하면 변수들의 분산은 모두 1이 되지만, 변수들 사이의 상관관계(Correlation)는 없어지지 않습니다.
예를 들어 다음 세 변수를 군집분석에 넣는다고 가정하겠습니다.
세 변수의 상관관계 예시: 관광 만족도(Satisfaction) ↔ 추천 의도(Recommendation) r = .90 / 관광 만족도 ↔ 여행 예산(Travel Budget) r = .10 / 추천 의도 ↔ 여행 예산 r = .10. 설명을 위한 가상 상관관계입니다.
만족도와 추천 의도의 상관관계가 .90이라면 두 변수는 매우 비슷한 정보를 담고 있습니다.
그런데 두 변수를 함께 K-means에 넣으면, 만족도가 높고 추천 의도가 높은 관광객의 특성이 거리 계산에 두 번 반영되는 효과가 생길 수 있습니다.
표준화해도 이 두 변수가 서로 강하게 관련되어 있다는 사실은 바뀌지 않습니다.
따라서 표준화는 측정 단위와 분산 차이의 문제를 해결하지만, 변수 간 정보 중복 문제까지 해결하지는 않습니다.
| 구분 | 표준화 전 | Z점수 표준화 후 |
|---|---|---|
| 평균 | 변수마다 다름 | 모두 0 |
| 표준편차 | 변수마다 다름 | 모두 1 |
| 측정 단위 | 원래 단위 | 단위 없음 |
| 변수 간 상관관계 | 유지 | 그대로 유지 |
| 변수의 영향 | 큰 분산·단위가 유리할 수 있음 | 분산·단위의 영향 완화 |
| 정보 중복 | 발생 가능 | 여전히 발생 가능 |
결론적으로, 군집분석에서 표준화는 모든 변수를 같은 기준에서 비교하도록 만드는 과정이지, 모든 변수가 동일한 독립적 정보를 제공하도록 만드는 과정은 아닙니다.
현재 SPSS에서 다루는 FAC만족감, FAC브랜드, FAC외관, FAC유용성, FAC편의성의 경우에는 먼저 변수 간 상관관계를 확인하면 좋겠습니다. 특히 서로 상관관계가 매우 높은 변수들이 있다면, 단순히 Z점수로 표준화했다고 해서 해당 문제까지 해결되는 것은 아닙니다.
원본 생성 이미지
원본 생성 이미지
원본 생성 이미지
쉽게 말하면, 군집분석은 사람들 사이의 차이를 계산해서 비슷한 사람끼리 묶는 방법입니다.
그런데 변수마다 숫자의 크기가 크게 다르면 문제가 생깁니다.
| 비교 항목 | 관광객 A | 관광객 B | 두 사람의 차이 |
|---|---|---|---|
| 관광 만족도(5점 척도) | 4점 | 5점 | 1점 |
| 여행 지출액 | 10만 원 | 20만 원 | 10만 원 |
군집분석 컴퓨터는 두 관광객이 얼마나 다른지 계산합니다.
그런데 만족도는 1점 차이, 여행 지출액은 100,000원 차이입니다.
원점수로 유클리드 거리를 계산하면 다음과 같습니다.
여행 지출액 차이가 너무 커서 만족도 차이는 거리 계산에서 거의 보이지 않게 됩니다.
즉, 컴퓨터가 관광 만족도보다 여행 지출액을 훨씬 중요하게 취급하는 것과 비슷한 결과가 나타납니다.
서로 다른 단위의 원점수 차이를 그대로 계산에 넣었을 때 생기는 문제를 보여주는 개념도입니다.
표준화는 만족도와 여행 지출액을 각각의 평균과 표준편차를 기준으로 바꿔서 비교하는 것입니다.
예를 들어 두 사람의 점수가 표준화 후 다음과 같다고 가정하겠습니다.
| 항목 | 관광객 A | 관광객 B | 차이 |
|---|---|---|---|
| 만족도 Z점수 | −1 | +1 | 2 |
| 지출액 Z점수 | −1 | +1 | 2 |
이제 만족도와 지출액은 모두 차이가 2입니다.
따라서 두 변수 모두 거리 계산에 기여합니다. 위 숫자는 원리를 설명하기 위한 가상의 표준화 점수이며, 실제 Z점수는 전체 관광객 자료의 평균과 표준편차에 따라 달라집니다.
개념도: 표준화 전에는 숫자 크기의 차이가 거리 계산을 지배할 수 있지만, 표준화 후에는 단위 차이의 영향을 줄입니다.
같은 관광객 A·B·C·D의 점수가 원점수 → Z점수로 바뀌어도, 각 변수 안에서의 상대적인 순서는 그대로 유지됩니다.
학생들에게는 이렇게 설명하면 됩니다.
단, 같은 출발선에 놓는다는 것은 모든 변수의 평균을 0, 표준편차를 1로 맞춘다는 뜻이지, 모든 변수가 반드시 똑같은 영향력을 갖는다는 뜻은 아닙니다.
표준화는 표현 기준을 바꾸는 것이지, 관광객들의 상대적인 특징 자체를 없애는 것은 아닙니다.
| 데이터의 특성 | 표준화 후 |
|---|---|
| 관광객 간 높고 낮은 순서 | 유지 |
| 평균보다 높거나 낮은 특징 | 유지 |
| 같은 변수 내 상대적 차이 | 유지 (표현 단위만 변경) |
| 변수 간 상관관계 | 유지 |
| 분포의 모양과 왜도 | 유지 |
| 평균과 표준편차의 원래 수치 | 표준화 점수에서는 0과 1로 변경 |
즉, 누가 더 높고 낮은지, 그리고 어떤 관광객이 평균보다 높은지 낮은지는 그대로 남고, 단지 비교 기준만 공통화됩니다.
표준화하지 않으면 군집분석이 “누가 돈을 더 많이 썼는가?”에 지나치게 영향을 받을 수 있습니다.
표준화하면 만족도와 지출액을 각각 전체 관광객에 대한 상대적 위치로 비교하므로, 다음과 같은 유형의 관광객을 발견하는 데 도움이 됩니다.
이것은 설명을 위한 유형 예시이며, 실제 군집분석에서 반드시 네 군집이 만들어진다는 뜻은 아닙니다.
다만 표준화 과정에서 변수 간 원래 분산 크기의 차이는 제거됩니다. 따라서 어떤 변수가 원래 얼마나 다양하게 나타났는지까지 연구상 중요하다면, 표준화 전의 기술통계도 함께 확인해야 합니다.
네. 표준편차를 1로 맞추면 군집분석 결과에 영향을 미칠 수 있습니다. 오히려 군집분석에서 표준화를 하는 중요한 이유가 바로 이것입니다.
다만 중요한 것은 데이터 자체의 특성이 없어지는 것이 아니라, 관광객 사이의 거리를 계산하는 기준이 달라진다는 점입니다.
예를 들어 다음과 같은 자료가 있다고 가정하겠습니다.
| 변수 | 표준화 전 평균 | 표준화 전 표준편차 | 표준화 후 표준편차 |
|---|---|---|---|
| 관광 만족도 | 3.5점 | 1.29점 | 1 |
| 여행 지출액 | 25만 원 | 12.91만 원 | 1 |
여기서 중요한 것은 표준편차가 같아지더라도 관광객 간 차이가 없어지지는 않는다는 것입니다.
각 관광객이 평균보다 얼마나 높거나 낮은지는 Z점수로 계속 표현됩니다.
관광객 A와 B의 차이가 다음과 같다고 가정해 보겠습니다.
| 구분 | 만족도 차이 | 지출액 차이 |
|---|---|---|
| 원점수 | 1점 | 10만 원 |
| 표준편차 | 1.29점 | 12.91만 원 |
| 표준화 후 차이 | 0.78 | 0.77 |
표준화하기 전에는 지출액 차이가 거리 계산을 거의 지배합니다.
하지만 표준화 후에는 두 변수의 차이가 약 0.78과 0.77로 비슷해집니다.
설명을 위한 예시 — 두 변수의 차이를 표준편차 단위로 환산
두 값은 표준화된 차이의 크기이며, 실제 군집 결과를 의미하지 않습니다.
이제 K-means는 만족도와 지출액 모두를 비슷한 척도로 반영하여 관광객들을 묶게 됩니다.
그 결과 군집 구성원, 군집 중심점, 군집별 관광객 특성이 달라질 수 있습니다.
단위 차이가 만들어내는 불균형을 줄이고, 각 변수의 상대적 차이를 기준으로 군집을 구성할 수 있게 됩니다.
반드시 그렇지는 않습니다. 연구자가 어떤 차이를 중요하게 생각하는지에 따라 다릅니다.
| 구분 | 원점수 군집분석 | Z점수 군집분석 |
|---|---|---|
| 거리 계산 | 원래 단위 사용 | 표준편차 단위 사용 |
| 지출액 영향 | 매우 클 수 있음 | 단위로 인한 영향 감소 |
| 만족도 영향 | 상대적으로 작을 수 있음 | 상대적인 차이가 반영됨 |
| 군집 결과 | 지출액 중심으로 형성될 가능성 | 만족도와 지출액을 함께 고려 |
| 적절한 상황 | 원래 단위의 차이가 중요한 경우 | 서로 다른 척도를 함께 비교할 경우 |
또 한 가지 중요한 사실이 있습니다.
표준화는 모든 변수의 분산을 1로 만들지만, 변수 간 상관관계나 정보 중복까지 없애지는 않습니다. 따라서 모든 변수가 군집 형성에 정확하게 같은 영향을 미치는 것은 아닙니다.
표준화해도 유지되는 것: 같은 변수 안에서 관광객들의 순서, 상대적인 위치, 상관관계, 분포 모양
표준화로 달라지는 것: 평균, 표준편차, 측정 단위, 변수별 거리 기여도
그 결과 달라질 수 있는 것: 군집의 수, 군집별 구성원, 군집의 특성과 해석
단, K-means에서 표준화가 군집 수를 자동으로 바꾸는 것은 아닙니다.
군집 수를 미리 3개로 지정했다면 표준화 후에도 3개이며, 어떤 관광객이 어느 군집에 속하는지가 달라질 수 있다는 의미입니다.
도식은 예시입니다. 군집 수는 3개로 고정해도 구성원이 달라질 수 있습니다. 군집 수를 따로 선택하는 절차를 사용한다면 선택된 군집 수는 달라질 수 있습니다.
따라서 논문에서는 표준화 전과 후의 군집 결과를 비교하고, 연구 목적에 적합한 기준을 선택하는 것이 좋습니다.
원자료의 평균과 표준편차를 살펴봅니다.
원점수와 Z점수로 분석한 군집 소속과 중심점을 비교합니다.
연구 목적에 따라 표준화 여부를 결정하고 논문에 근거를 제시합니다.
핵심: 표준화는 관광객의 차이를 없애는 과정이 아니라, 그 차이를 평균과 표준편차라는 공통 기준에서 비교하는 과정입니다.
알맞은 답 하나를 선택하세요. 정답을 고른 후 정답 확인을 눌러보세요.
Z = (5 − 3) ÷ 1 = +2입니다. 이 관광객의 만족도는 전체 평균보다 2표준편차 높습니다.
알맞은 답 하나를 선택하세요. 정답을 고른 후 정답 확인을 눌러보세요.
Z점수 −1.5는 평균보다 1.5표준편차 낮다는 상대적 위치를 나타냅니다. 실제 지출액이나 백분율을 직접 뜻하지 않습니다.
알맞은 답 하나를 선택하세요. 정답을 고른 후 정답 확인을 눌러보세요.
유클리드 거리는 차이의 제곱을 합산합니다. 100,000²에 비하면 1²은 매우 작아 지출액의 단위가 거리 계산을 거의 지배합니다.
알맞은 답 하나를 선택하세요. 정답을 고른 후 정답 확인을 눌러보세요.
D = √(0.78² + 0.77²) = √1.2013 ≈ 1.10입니다. 두 변수는 표준편차 단위로 거리 계산에 함께 기여합니다.
맞다고 생각하는 항목을 모두 선택하세요. 정답을 고른 후 정답 확인을 눌러보세요.
A·B·C는 유지됩니다. Z점수는 양의 선형변환이므로 순서·상관계수·분포 형태는 유지됩니다. D는 표준화된 점수의 평균이 0, 표준편차가 1로 바뀌므로 유지되지 않습니다.
알맞은 답 하나를 선택하세요. 정답을 고른 후 정답 확인을 눌러보세요.
표준화는 변수의 평균과 표준편차를 맞추는 과정일 뿐, 피어슨 상관관계를 없애지 않습니다. r = .90 관계와 정보 중복 가능성은 그대로 남습니다.
알맞은 답 하나를 선택하세요. 정답을 고른 후 정답 확인을 눌러보세요.
K가 3으로 고정되면 군집 수는 3개입니다. 그러나 표준화 후 거리와 중심점이 변하면서 개별 관광객의 군집 소속은 달라질 수 있습니다.
알맞은 답 하나를 선택하세요. 정답을 고른 후 정답 확인을 눌러보세요.
서로 다른 단위와 분산 때문에 원점수 거리 계산에 편향이 생길 수 있습니다. 기술통계를 살펴보고 표준화 전후 군집을 비교해 연구 목적에 맞는 분석 기준을 선택해야 합니다.
8문항을 통해 표준화의 의미, 거리 계산, 상관관계와 K-means 군집분석을 복습했습니다.
① 평균 0 · 표준편차 1
② 서로 다른 단위의 거리 계산
③ 상관관계·정보 중복은 그대로
④ K를 고정하면 군집 수는 고정
틀린 문제는 해당 퀴즈 슬라이드로 돌아가 정답 해설을 확인하세요.
필요하면 전체 8문항을 초기화하고 다시 풀 수 있습니다.
핵심: 표준화는 관광객의 차이를 없애지 않고, 그 차이를 비교하는 공통된 거리 기준을 마련합니다.