소득·경력처럼 구간으로 받은 데이터는 어떻게 코딩해야 할까?

1. 가장 기본적인 방법은 구간별로 번호를 부여하는 것입니다

예를 들어 월평균 소득을 다음과 같이 조사했다고 해보겠습니다.

① 100만 원 미만
② 100만 원 이상~200만 원 미만
③ 200만 원 이상~300만 원 미만
④ 300만 원 이상~400만 원 미만
⑤ 400만 원 이상

데이터에서는 보통 보기 순서에 따라

1 = 100만 원 미만
2 = 100만 원 이상~200만 원 미만
3 = 200만 원 이상~300만 원 미만
4 = 300만 원 이상~400만 원 미만
5 = 400만 원 이상

처럼 코딩할 수 있습니다.

경력도 마찬가지입니다.

1 = 1년 미만
2 = 1년 이상~3년 미만
3 = 3년 이상~5년 미만
4 = 5년 이상

처럼 정리할 수 있습니다.

이렇게 하면 각 구간에 몇 명이 포함되어 있는지
빈도와 비율을 확인하기가 편해집니다.

다만 여기서 1, 2, 3, 4라는 숫자는 실제 소득이나 경력의 크기가 아니라 각 범주를 구분하기 위한 코드라는 점을 기억해야 합니다.

2. 코드값 1, 2, 3의 평균을 실제 평균으로 해석하면 곤란합니다

구간형 데이터를 코딩하고 나면
숫자로 되어 있기 때문에 평균을 계산하고 싶어질 수 있습니다.

예를 들어 소득 변수의 평균이 2.7이라고 나왔다고 해보겠습니다.

그렇다고 해서

“응답자의 평균 소득은 2.7이다.”

라고 해석할 수는 없습니다.

2.7이라는 값은 실제 금액이 아니라
연구자가 각 소득 구간에 임의로 붙인 코드의 평균이기 때문입니다.

특히 구간의 폭이 일정하지 않다면 더 주의해야 합니다.

경력을

1 = 1년 미만
2 = 1~3년
3 = 3~5년
4 = 5~10년
5 = 10년 이상

으로 코딩했다면,

1과 2 사이의 차이와
4와 5 사이의 차이가 실제 경력에서 같은 간격이라고 볼 수 없습니다.

숫자가 순서대로 붙어 있다고 해서
그 숫자 사이의 간격까지 동일해지는 것은 아닙니다.

3. 정확한 평균이 필요하다면 처음부터 실제 값을 받는 편이 좋습니다

연구 목적상 응답자의 평균 소득이나
평균 경력을 정확하게 계산해야 한다면 어떻게 해야 할까요?

이 경우에는 설문 설계 단계에서
구간이 아니라 실제 숫자로 응답을 받는 방법을 먼저 고려하는 것이 좋습니다.

예를 들어 경력을

“귀하의 총 경력은 몇 년입니까?”

라고 묻고 실제 값을 입력하도록 하는 방식입니다.

이렇게 수집하면

평균 경력,
표준편차,
최솟값과 최댓값

등을 직접 계산할 수 있습니다.

필요하다면 분석 단계에서

1년 미만,
1~3년,
3~5년,
5년 이상

처럼 다시 범주화하는 것도 가능합니다.

반대로 처음부터 구간으로만 수집했다면
개별 응답자의 정확한 원래 값은 알 수 없습니다.

예를 들어 ‘3~5년 미만’을 선택한 사람이
실제로 3년 1개월인지 4년 11개월인지는 데이터에 남아 있지 않기 때문입니다.

따라서 나중에 어떤 분석을 할 것인지 생각한 뒤 응답 방식을 정하는 것이 중요합니다.

4. 구간의 중간값으로 바꾸는 방법도 있지만 주의가 필요합니다

이미 소득을 구간으로 수집했는데
분석에서 연속적인 숫자처럼 사용해야 하는 상황도 있을 수 있습니다.

이때 각 구간의 중간값을 대표값으로 사용하는 방법을 생각할 수 있습니다.

예를 들어

100만 원 이상~200만 원 미만 → 150만 원
200만 원 이상~300만 원 미만 → 250만 원
300만 원 이상~400만 원 미만 → 350만 원

처럼 바꾸는 방식입니다.

하지만 이것은 실제 응답자의 소득을 알고 있는 것이 아니라
해당 구간의 중간값으로 대표시킨 것입니다.

같은 200만~300만 원 구간에 속하더라도
실제로는 205만 원인 사람과 295만 원인 사람이 함께 있을 수 있습니다.

특히

‘100만 원 미만’

‘500만 원 이상’

처럼 한쪽 끝이 열려 있는 구간은
명확한 중간값 자체가 없습니다.

따라서 중간값을 이용한 변환이 필요하다면
연구 목적과 자료의 특성을 고려해야 하며, 어떤 기준으로 값을 부여했는지도 분석 방법에 남겨두는 것이 좋습니다.

5. 분석에 넣을 때는 범주형 변수인지부터 확인해보세요

SPSS 파일에 숫자로 입력했다고 해서
모든 변수가 자동으로 연속형 변수가 되는 것은 아닙니다.

예를 들어

1 = 1년 미만
2 = 1~3년
3 = 3~5년
4 = 5년 이상

으로 입력한 경력 변수는
숫자로 저장되어 있더라도 본래는 순서가 있는 범주형 데이터로 보는 것이 자연스럽습니다.

따라서 분석할 때는

“숫자로 되어 있으니까 그대로 넣어도 되겠지?”

라고 판단하기보다,

이 숫자가 실제 측정값인지,
범주를 구분하기 위한 코드인지 먼저 확인해야 합니다.

특히 회귀분석이나 다른 통계모형에 구간형 변수를 투입하려 한다면
연구 목적에 따라 더미변수로 변환하거나 순서형 변수로 처리하는 등 별도의 방법이 필요할 수 있습니다.

어떤 방법이 적절한지는
구간의 구성과 분석 목적에 따라 달라질 수 있습니다.

6. 구간을 합치거나 다시 나눌 때도 원자료의 한계를 확인해야 합니다

분석을 하다 보면 교수님에게

“경력 구간을 조금 합쳐보세요.”

라는 피드백을 받을 수도 있습니다.

기존 데이터가

1년 미만 / 1~3년 / 3~5년 / 5년 이상

이라면

3년 미만 / 3년 이상

처럼 기존 범주를 합치는 것은 가능합니다.

하지만 반대로

‘5년 이상’

으로 한 번에 수집한 데이터를

5~10년 / 10~15년 / 15년 이상

으로 다시 나누는 것은 불가능합니다.

처음 설문에서 세부 정보를 받지 않았기 때문입니다.

이미 합쳐서 받은 데이터는 나중에 더 세밀하게 복원할 수 없습니다.

그래서 소득이나 경력 구간을 설계할 때는
현재 논문의 기술통계만 생각하기보다 이후 집단 비교나 추가 분석에서 어떤 구분이 필요할지도 함께 살펴보는 것이 좋습니다.

✔ 끝으로

소득이나 경력처럼 구간으로 받은 데이터는
숫자로 코딩하는 것 자체는 어렵지 않습니다.

오히려 중요한 것은
코딩한 숫자를 어떤 의미로 해석할 것인가입니다.

1, 2, 3, 4라는 숫자를 부여했다고 해서
그 변수가 실제 소득액이나 경력 연수가 되는 것은 아닙니다.

따라서 데이터를 정리할 때는

‘이 숫자가 실제 측정값인가?’

‘아니면 보기 항목을 구분하기 위한 번호인가?’

를 먼저 구분해보는 것이 좋습니다.

그리고 연구에서 정확한 평균이나 세밀한 수치 분석이 필요하다면
설문지를 만들 때부터 실제 값을 받을 것인지 구간으로 받을 것인지 결정해야 합니다.

응답이 모두 끝난 뒤에는
처음 수집하지 않은 정보를 다시 만들어낼 수 없기 때문입니다.

📌 정리

소득·경력처럼 구간으로 수집한 데이터는
보기별로 숫자 코드를 부여해 정리할 수 있습니다.

✔ 1, 2, 3 등의 숫자는 실제 값이 아니라 범주 코드일 수 있습니다
✔ 코드값의 평균을 실제 평균 소득이나 평균 경력으로 해석해서는 안 됩니다
✔ 정확한 평균이 필요하다면 설계 단계에서 실제 수치를 받는 방법을 고려하는 것이 좋습니다
✔ 구간 중간값을 대표값으로 사용할 때는 그에 따른 한계를 함께 생각해야 합니다
✔ 분석에 사용할 때는 연속형인지 순서형·범주형인지 먼저 확인해야 합니다
✔ 기존 구간을 합칠 수는 있지만, 처음부터 합쳐 받은 구간을 나중에 세분화할 수는 없습니다

특히 구간형 문항에서는 ‘어떻게 코딩할까?’보다 ‘이 데이터를 나중에 어떻게 분석할까?’를 먼저 생각해보는 것이 좋습니다.

설문을 배포하기 전에 필요한 분석까지 한 번 그려보면
데이터를 모두 받은 뒤 “정확한 값을 받을 걸 그랬다”는 상황을 줄일 수 있습니다.