경영학, 경제학, 경영지도사 대비 시장조사론 핵심 요점 정리 40. 가설검증의 의미 및 절차

40. 가설검증의 의미 및 절차

 

1) 가설(hypothesis)

(1) 어떤 현상에 대한 연구자의 추측을 서술한 것

(2) 증명되지 않은 연구자의 주장을 문장으로 표현한 것

(3) 시장조사 과정에서는 마케팅 변수가 가질 수 있는 효과에 대한 추측 혹은 소비자
의 구매행동에 대한 추측 등이 포함될 수 있음

■ 예) (변수 효과) 가격인상에 따른 예상 효과 - ‘경쟁제품보다 가격을 10% 올려도 매출은 현
수준을 유지할 것이다’
■  예) (변수 효과) 신규 포장방법의 예상 효과 - ‘새로운 포장방법의 도입이 자사제품에 대한
선택 확률을 증가시킬 것이다’
■  예) (구매 행동) 소비자 세분화 별 차이 - ‘20대 소비자와 30대 소비자는 자동차 구매 시
중요하게 생각하는 제품 속성에 차이가 있을 것이다’

(4) 추측에 의해 설정된 가설은 반드시 ‘통계적 검증’을 필요로 함
■  통계적 검증이 반영되지 않은 가설을 토대로 한 마케팅 의사결정은 실패의 확률이 높아 기
업 성과에 부정적인 결과를 초래할 수 있음
■  따라서 가설에 대한 통계적 검증을 거친 후 최종의사결정을 내려 실패 확률을 줄여야 함

2) 가설의 종류

(1) 귀무가설(null hypothesis, H0): 조사자의 주장인 대립가설과의 반대되는 진술로
서, 조사자가 부정하고 싶은 가설
■  통계적 검증의 대상이 되는 가설
■ ■  기존에 옳다고 인정되어 오던 관념 혹은 믿음
Ÿ 통계검증에서는 귀무가설을 ‘참(TRUE)’이라고 설정함

(2) 대립가설(alternative hypothesis, H1 또는 Ha): 조사자가 제기하는 주장으로 수
집된 자료에 의해 사실로 입증되기를 원하는 진술
■  새로이 대두되는 주장
■  연구자가 기존 관념 혹은 믿음에 대해 개선 혹은 다르다고 생각할 수 있는 개념

3) 일반적으로 자신의 주장을 대립가설로 설정하고 그 반대의 내용을 귀무가설로 설정

(1) 통계적 가설검증을 통해
■  추측(자신의 주장, 가설)이 사실로 밝혀진 경우 대립가설을 받아들일 수 있음
■  귀무가설(보편적 사실)이 기각되지 않는다면 연구자는 자신의 주장(가설)을 포기 또는 수정
하는 과정을 거치게 됨

(2) 귀무가설이 채택되면 대립가설은 기각되고, 귀무가설이 기각되면 반드시 대립가설

이 채택됨
■  가설 설정 시, 대립가설을 먼저 설정하고, 이에 반대되는 귀무가설을 설정하는데, 이는 분석
가의 주장이 옳다는 것을 보여주기 위해 귀무가설을 기각하거나 혹은 대립가설이 채택되기
를 희망하는 것
■  보편적으로 집단 간의 차이가 없거나 관계가 없다는 것이 귀무가설이 되고, 새로운 관계나
차이를 찾아내는 것이 대립가설이 됨

4) 예) 보편적으로 ‘광고비와 매출은 양(+)의 상관관계를 가지고 있는 것’으로 알려져 있음

(1) 연구자가 몇 개의 제품에 대한 관찰을 계기로 ‘성숙기에서는 광고가 매출액 증가
에 별다른 영향을 미치지 않는다’를 주장을 제기함

(2) 이에 ‘성숙기 제품에 있어서 광고비와 매출은 관계가 없다’를 연구 주제 혹은 조
사 목표로 설정(대립가설, Ha)
■  이는 제품수명주기 상에서 ‘특정한’ 시점, 즉 성숙기에 한정함으로써 기존의 제품수명주기
전체를 반영한 기존 이론 혹은 주장에 대한 개선의 필요성을 제기한 것으로 볼 수 있음
■  ‘성숙기 제품에 있어서 광고비와 매출은 양(+)의 상관관계가 있다’(귀무가설, Ho)

(3) 이후 성숙기에 들어선 제품의 광고비와 매출자료 등을 수집 및 분석하여 본 주장
에 대한 지지(support) 혹은 기각(deny)을 결정하게 됨
■  대립가설에 대한 지지로 밝혀지면 ‘광고비를 다른 판촉 활동으로 전환할 수 있는 근거’를 확
보할 수 있게 됨
■  대립가설에 대한 기각이 결정되면 기존 광고 프로그램이 수행되게 됨

5) 예) 신제품의성능이경쟁제품이나자사의기존제품보다우수한지를파악하기위해실시되는조사

(1) 귀무가설: 신제품이 경쟁제품이나 자사의 기존 제품과 성능에서 차이가 없다
(2) 대립가설: 신제품이 경쟁제품이나 자사의 기존 제품보다 성능이 더 우수하다
(3) 귀무가설을 참이라고 가정하는 것은 ‘신제품의 성능이 더 우수하다’라는 확실한
증거가 있기까지는 성능에서 차이가 없다고 가정하는 것이 신제품 출시 과정에서
소요되는 마케팅 비용을 잘못 투입할 위험을 줄일 수 있기 때문임

6) 가설검증의 일반적 절차

(1) 가설의 설정
(2) 검증통계량의 결정
(3) 가설채택기준의 마련
(4) 가설채택여부의 결정

7) 가설의 설정

 

(1) 시장조사와 관련된 가설의 범위
■  제품 속성의 변화, 새로운 포장 방법, 브랜드명의 변경, 가격 조정, 광고내용의 변경, 새로운
판촉방법의 도입 등과 같은 효과에 관한 가설 설정

(2) 시장조사 관련 가설 예
■  20대와 40대의 커피 제품 구매패턴에 대한 가설

Ho	Ÿ 20대와 40대 소비자는 커피제품 구매패턴에서 차이가 없다.
Ha	Ÿ 20대와 40대 소비자는 커피제품 구매패턴에서 차이가 있다.

- 위의 가설은 너무 광범위해서 마케팅 의사결정에 도움이 되지 못함
- 따라서 보다 세부화된 가설의 설정이 요구됨
■  (세부화 가설 #1) 구매브랜드에 대한 가설 설정

Ho	Ÿ 20대와 40대 소비자는 커피 구매브랜드에서 차이가 없다.
Ha	Ÿ 20대와 40대 소비자는 커피 구매브랜드에서 차이가 있다.

■  (세부화 가설 #2) 구매가격에 대한 가설 설정

Ho	Ÿ 20대와 40대 소비자는 선호하는 커피 구매가격에서 차이가 없다.
Ha	Ÿ 20대와 40대 소비자는 선호하는 커피 구매가격에서 차이가 있다.

■  (세부화 가설 #3) 구매 과정에서 발생하는 정보 원천에 대한 가설 설정

Ho	Ÿ 커피구매에 있어서 20대와 40대 소비자가 이용하는 정보 원천에는 차이가 없다.
Ha	Ÿ 커피구매에 있어서 20대와 40대 소비자가 이용하는 정보 원천에는 차이가 있다.

8) 검증통계량의 결정

(1) 검증통계량(test statistics)
■  표본으로부터 추출한 통계량이나 검증에 사용할 분포에 따라 그에 맞는 값으로 치환한 통계
량 혹은 귀무가설의 기각/채택 여부를 결정하는 데 기준이 되는 수학식
- 검증하고자 하는 목적에 따라 Z검증, t검증, F검증, χ2검증 등의 다양한 산식을 활용함
- 검증의 대상(평균, 비율 등), 비교되는 집단 수, 표본의 수, 표본의 분산에 대한 정보, 표
본 간의 독립성 등을 감안하여 검증통계량을 결정하게 됨
■  만약 표본에서 계산된 값과 귀무가설에서 설정한 값 간의 차이가 커서 검증통계량의 값이
커지면 귀무가설이 기각
■  이들간의 차이가 작다면(또는 검증통계량의 값이 작으면) 귀무가설은 기각되지 않음

(2) 예) 커피제품 판매담당자가 20대와 40대 간 무카페인 커피에 대한 구매 비율에
대한 차이가 있는지의 여부를 확인하고자 함
■  최근 한 달 간 커피 구매 소비자 중, 각 200명씩을 선정하여 구매비율 조사
■ 이를 통해 검증을 할 때는 다음과 같이 가설을 설정하고 검증하게 됨

9) 가설채택기준의 마련

(1) α(유의수준, significance level)
■  표본조사를 통해 의사결정을 할 때 필연적으로 발생하는 부정확도를 의미
■  귀무가설이 옳음에도 연구자가 잘못해서 대립가설을 채택하는 오류를 범하는 확률(제1종 오
류, Type I Error)
- 일반적으로 0.01, 0.05, 0.10 등으로 설정
■  예) 바깥이 보이지 않는 상자 속에 파란색 공 10개와 붉은색 공 3개가 섞여 있다. 무작위로
선택 시, 붉은색 공이 3개밖에 없는 데도(즉 붉은색 공이 선택될 확률은 0.3) 붉은색 공이
뽑힐 수가 있다. 그리고, 이 결과로 상자 안에 붉은색 공이 더 많다고 판단될 수 있는데, 이
를 유의수준이라고 함

(2) 임계치(critical value)
■  유의수준이 결정됨에 따라 통계량의 확률분포로부터 임계치(또는 기준치)를 확보할 수 있게
됨
■  임계치에 따라 가설의 채택 여부를 결정하게 되며, 유의수준과 임계치 간 차이를 통해 확인
할 수 있음

α 값을 이용한 가설검증

(3) 다음과 같은 예시에서 유의수준을 0.05로 설정하고, 조사결과에 대한 Z값의 산정
결과 3.23이 나왔다고 가정하면 다음과 같이 요약할 수 있음

 

(4) 다음과 같이 가설에 대한 판단을 하게 됨
■  임계치인 1.645보다 높은 표본통계량 3.23이 산출됨에 따라 귀무가설을 기각하게 됨. 즉 대
립가설을 채택하게 됨
■  즉 20대와 40대 소비자는 무카페인 커피의 구매비율에서 차이가 있음

사례에 대한 검증 결과

 

(5) 유의수준(α) 외에 가설 검증을 위한 기준으로 p값(p-value)을 활용할 수 있음
■  p값은 귀무가설이 맞음에도 불구하고 기각할 확률을 의미함에 따라 p값이 낮을수록 연구자
는 귀무가설을 기각하고 자신의 주장인 대립가설을 지지할 수 있는 확신을 가질 수 있게 됨
■  p값은 보편적으로 허용 수준, 즉 임계치인 유의수준(α) 값을 기준으로 유의수준보다 낮을 시
귀무가설을 기각하게 됨

p 값을 이용한 가설 검증 결과

■  예를 들어, 계산된 Z통계량이 3.23이라고 할 경우, P값은 P(Z>3.23) = 0.00062이다. 그러
므로 유의수준 0.05에서 P값이 0.05보다 작기 때문에 귀무가설 기각
■  p-value를 구하기 위해서는 적용되어 있는 분포의 유형을 토대로 각 분포가 가지는 분포표
값을 활용하게 됨
- ① 산출식에 따라 Z값을 도출
- ② Z값이 가지는 표준정규분포표의 값 확인
- ③ 산출식에 따라 p-value 도출
- ④ 임계치(α, 유의수준)와 p-value 비교 및 확인

사례에서 도출된 표준정규분포표를 활용한 산출 예시