구별된다. 2단계 분석법은 확인요인분석을 통해 측정모형의 오류를 수정한 후 경로분석을 실시하는 것이다. 1단계 분석법은 확인요인분 석을 거치지 않고 곧바로 경로분석을 한다. 현재 학계에서는 2단계 분 석법이 많이 활용된다(김대업, 2008).
2. 실증 분석
구분 항목 빈도(명) 백분율(%)
성별 남자 128 50.2
여자 127 49.8
연령
10대 2 0.8
20대 44 17.3
30대 48 18.8
40대 57 22.4
50대 53 20.8
60대 42 16.5
70대 9 3.5
직업
농/임/어업 1 0.4
자영업 78 30.6
판매/영업/서비스직 41 16.1
생산/기능/노무직 20 7.8
사무/관리/전문직 38 14.9
주부 36 14.1
학생 15 5.9
무직/퇴직/기타 26 10.2
학력 고졸 이하 143 56.1
대학 이상 112 43.9
월소득
199만 이하 39 15.3
200~399만원 이하 118 46.3
400만원 이상 98 38.4
지역
부산 86 33.7
대구 89 34.9
인천 80 31.4
합계 각 255 각 100.0
<표 4-1> 표본의 기술통계 특성
한편, 지역별로는 부산, 인천, 대구에서 당초 100명씩 총 300명이 응답하였으나, 결측치가 많거나 신뢰하기 어려운 설문지를 배제한 결 과 각 지역별로 86명, 89명, 80명의 분포를 나타내었다.
주요 질문별 응답 결과를 살펴보면 다음과 같다. 본 장에서는 개괄 적으로 응답자 전체의 의견을 7점 척도 응답결과를 토대로 긍정(5~7 점), 보통(4점), 부정(1~3점)으로 구분해 본다. 각 질문에 대한 성별, 연 령, 학력, 소득별 세부 응답결과는 부록 2를 참조하기 바란다.
보통 소비자들에게 스마트그리드를 홍보함에 있어 스마트그리드는 전기요금을 절약하게 하고 친환경 에너지 보급을 확산할 수 있다는 점을 강조하고 있다. 2012년 현재 일반 전력소비자의 인식 조사 결과 약 절반 정도가 이에 동의하고 있는 것으로 나타났다.
[그림 4-3] [질문25]
스마트그리드를 이용하면 전기요금을 줄일 수 있을 것이다.
[그림 4-4] [질문23]
스마트그리드는 친환경 에너지 보급을 촉진할 것이다.
그러나 스마트그리드의 위험 인식에 관한 질문에서 비교적 위험성 이 높다는 응답이 많았다. ‘스마트그리드 이용으로 내 개인정보가 누 출될 수 있다.’의 질문에서는 그럴 수 있다는 응답이 42%를 차지하였 으며, 그렇지 않을 것이라는 응답은 16%에 머물렀다. 또한 ‘스마트그
리드는 해킹으로 전력시스템의 교란이 발생할 수 있다’의 질문에서 그럴 수 있다는 응답이 50%를 차지하였으며, 그렇지 않을 것이라는 응답은 15%에 그쳤다.
[그림 4-7] [질문 40] 스마트그리드 이용으로 내 개인정보가 누출될 수
있다.
[그림 4-8] [질문 43]
스마트그리드는 해킹으로 전력시스템의 교란이 발생할 수 있다.
이러한 스마트그리드 위험에 관한 불안감은 스마트미터의 전자파와 기기 신뢰성에 관한 우려에서도 유사하게 드러난다. ‘스마트미터의 전 자파가 걱정된다.’는 질문에서는 걱정된다는 응답이 35%에 달했고, 걱정되지 않는다는 응답은 30%를 나타냈다. ‘스마트미터가 기존 계량 기에 비해 정확도가 높을 것이다.’의 질문에서는 정확도가 높다고 응 답한 비중이 8%에 그쳤고, 오히려 높지 않을 것이라는 응답이 52%를 기록하였다. 다시 말해 스마트미터의 기술적 신뢰성에 대해 절반 이상 이 부정적 인식을 갖고 있는 것으로 나타났다.
[그림 4-11] [질문 49]
스마트미터의 전자파가 걱정된다.
[그림 4-12] [질문 44]
스마트미터가 기존 계량기에 비해 정확도가 높을 것이다.
이러한 인식이 존재하는 가운데 ‘스마트그리드는 나에게 중요하다.’
라는 질문에서는 긍정적인 응답은 33%였고, 보통은 39%, 부정적 응 답은 28%였다. 어떤 특정의 응답이 큰 비중을 차지하지 않았다.
[그림 4-15] [질문3] 스마트그리드는 나에게 중요할 것이다.
[그림 4-16] [질문 13]
스마트그리드를 이용할 의향이 있다.
‘스마트그리드를 이용할 의향이 있다.’의 질문에서는 긍정 38%, 보 통 38%, 부정 24%의 응답으로 ‘스마트그리드는 나에게 중요하다.’라 는 질문에 대한 응답보다는 다소 긍정적인 대답이었다.
그렇지만 일반 전력소비자들의 스마트그리드에 대한 지각된 이해도 는 매우 낮게 나타나고 있었다. ‘스마트에 대해 잘 알고 있다’의 질문 에서는 부정적 응답이 72%, 긍정적 응답이 10%로 대체로 잘 이해하 지 못하고 있다고 생각하고 있었다. 그리고 ‘스마트그리드를 다른 사 람에게 설명해줄 수 있다’의 질문에서도 부정적 응답이 70%에 이르 렀고, 긍정적 응답은 8%에 머물렀다. 앞서 스마트그리드의 편익과 위 험에 관해 나름 긍정적 또는 부정적 의견을 제시하였으나 자신이 스 마트그리드에 대해 어느 정도 알고 있는가에 대해서는 대부분 자신이 없다는 응답을 한 것이다. 아직 실제 스마트그리드를 체험하지 않은 상황에서 주변 소문 또는 국가적 홍보로만 관련 내용을 접한 상태이
[그림 4-19] [질문37]
스마트그리드에 대해 잘 알고 있다.
[그림 4-20] [질문38]
스마트그리드에 대해 다른 사람에게 설명해줄 수 있다.
구성개념 측정변수 최소값 최대값 왜도 첨도 지각된
호환성
PC1 2 7 0.074 -0.491
PC2 1 7 0.114 0.023
PC3 1 6 -0.246 -0.014
<표 4-2> 일변량 정규성 검증
기 때문에 비교적 막연하게 스마트그리드에 대한 인식을 형성하고 있 는 것으로 해석할 수 있다.
2) 다변량 정규성 검토
구조방정식모형 분석은 다변량 정규성(multivariate nomality)의 가 정을 갖고 있다. 수집된 자료가 정규분포를 따를 때 정규성이 있다고 하며 개별 관측변수들이 정규분포를 따르면 일변량 정규성, 관측변수 들 전체가 정규분포를 따르면 다변량 정규성이 있다고 한다(김대업, 2008: 103-104).
일반적으로 다변량 정규성은 일변량 정규성 검토를 통해 가능한데, 이 때 왜도(skewness)와 첨도(kurtosis)를 이용한다. 왜도와 첨도가 약 간이라도 일변량 정규성을 위배할 때 통계적으로 정규성이 기각될 수 있기 때문에 통계적 검증보다는 절대값의 크기로 평가하는 것이 낫다.
Curran et al.(1996)는 왜도가 절대값 2이상, 첨도가 절대값 7이상일
때 문제가 있다고 보았으며, Kline(2005)은 왜도가 절대값 3, 첨도가 절대값 8 또는 10을 초과할 때 극단적이며 문제가 있다고 보았다(김 대업, 2008: 104; 성희자․권현수, 2010: 159).
<표 4-2>에서 보다시피 왜도와 첨도의 절대값들이 모두 2 이하로
다변량 정규성에 이상이 없는 것으로 볼 수 있다.
구성개념 측정변수 최소값 최대값 왜도 첨도 지각된
이해도
PUN1 1 7 0.664 -0.333
PUN2 1 6 0.406 -0.767
PUN3 1 7 0.952 0.249
주관적 규범
SN1 2 7 0.056 -0.198
SN2 2 7 -0.129 -0.187
SN3 2 6 -0.043 -0.399
SN4 2 7 0.158 -0.06
지각된 전력공급
신뢰도
PPSR1 1 7 -0.183 0.22
PPSR2 1 7 -0.307 0.509
PPSR3 2 7 -0.141 0.096
PPSR4 2 7 -0.107 0.366
지각된 전기 요금절감
PES1 2 7 -0.132 -0.273
PES2 2 7 -0.168 -0.393
PES3 2 7 -0.128 -0.411
PES4 2 7 -0.245 -0.034
지각된 친환경성
PECO1 2 7 -0.104 -0.282
PECO2 2 7 -0.099 -0.025
PECO3 2 7 0.11 -0.045
PECO4 2 7 -0.019 -0.133
지각된 사이버 보안위협
PCI1 1 6 -0.496 0.723
PCI2 1 6 -0.54 1.25
PCI3 1 7 -0.274 0.441
PCI4 1 7 -0.646 0.71
전자파 두려움
EWF1 1 6 -0.27 -0.032
EWF2 1 6 -0.189 -0.148
EWF3 1 6 -0.14 -0.243
EWF4 1 6 -0.243 0.038
기기오작동 및 성능 저하 우려
PLRP1 2 7 0.027 -0.155
PLRP2 2 7 0.101 0.707
PLRP3 2 7 0.273 0.12
지각된 사용 용이성
PEU1 1 7 -0.3 -0.191
PEU2 1 7 -0.363 -0.139
PEU3 2 7 -0.139 -0.029
PEU4 2 7 -0.341 -0.262
지각된 유용성
PU1 1 7 -0.475 -0.037
PU2 2 7 -0.288 -0.384
PU3 1 7 0.021 -0.296
PU4 2 7 0.226 -0.131
구성개념 측정변수 최소값 최대값 왜도 첨도 지각된
위험
PR1 1 6 0.111 -0.576
PR2 1 6 0.035 -0.98
PR3 1 7 0.161 -0.598
PR4 1 7 0.187 -0.058
사용의도
UI1 1 7 -0.287 -0.091
UI2 1 7 -0.094 0.159
UI3 1 7 -0.001 0.544
UI4 1 7 -0.154 0.079
표준형성 적절성의 Kaiser-Meyer-Olkin 측도 .882
Bartlett의 구형성 검정
근사 카이제곱 7419.233
자유도 990
유의확률 .000
나. 탐색적 요인분석
탐색적 요인분석 과정에서 설문자료가 요인분석에 적합한지를 알아 보기 위해 Bartlett의 구형성 검사와 Kaiser-Meyer-Olkin(KMO)의 표 본적절성 검사를 실시하였다. Bartlett의 구형성 검증치에 의한 의 값은 7419.2(p< .001, 자유도 990)으로 변수들의 상관이 통계적으로 유의미하게 나타났고, KMO의 값은 0.882로 요인분석을 위한 높은 표 본 적합치를 보여 원자료가 요인분석이 가능하다는 점을 보여주었다.
참고로 KMO의 값이 1에 가까울수록 요인분석의 의미는 높아지지만, 최소 0.5 이하는 되지 않아야 하고, 0.8 이상이면 우수한 정도이다(허 만형, 2001: 528).
<표 4-3> KMO와 Bartlett의 검정
구성개념 측정변수 1 2 3 4 5 6 7 8 9 10 11 12 지각된
친환경성
PECO2 .830 .017 .099 .235 -.058 -.023 .150 .097 .127 .118 .027 .091 PECO3 .809 .052 .177 .142 .000 .002 .124 .121 .009 .195 .148 .113 PECO1 .778 .075 .031 .175 -.047 -.108 .181 .078 .158 .154 -.026 .162 PECO4 .669 .047 .202 .185 -.170 .021 .237 .074 -.005 .203 .113 .116 지각된
사이버 보안위협
PCI3 .040 .848 .094 -.039 .034 .126 -.036 .041 .122 .061 -.045 .069 PCI2 .054 .821 .000 .038 .121 .155 .041 .075 -.053 -.031 .055 -.021 PCI4 -.033 .820 .016 .021 .013 .197 .030 -.012 -.001 -.029 -.090 .073 PCI1 .058 .820 -.027 .104 .183 .145 .014 .038 -.004 .091 .007 -.038
사용의도
UI2 .161 -.001 .744 .217 -.126 -.036 .223 .161 .134 .130 .092 .147 UI1 .144 .059 .704 .273 -.161 -.117 .171 .216 .068 .174 .128 .119 UI3 .165 .008 .632 .195 -.106 .025 .265 .270 .173 .078 .122 .105 UI4 .107 .048 .632 .232 -.190 -.089 .327 .179 .163 .162 .085 .079 지각된
유용성
PU1 .158 .042 .127 .774 -.077 -.008 .052 .202 -.027 .139 .129 .183 PU2 .223 .132 .109 .745 -.124 -.078 .222 .107 .054 .079 .156 .093 PU3 .201 -.006 .215 .744 -.036 -.024 .148 .135 .068 .160 .050 .027 PU4 .248 -.030 .370 .633 -.097 -.009 .084 .141 .122 .081 -.019 -.003
<표 4-4> 탐색적 요인분석 결과표
본 연구의 탐색적 요인분석은 정보의 손실을 최대한 줄이면서 많은 변수들을 가능한 적은 수의 요인으로 줄이는 목적을 갖고 있는 주성 분 분석을 활용하였다. 그리고 요인회전은 요인들 간 서로 독립성을 유지하며 회전하는 직교 회전방식 중 배리맥스 방식을 이용하였다. 요 인의 수 결정에서는 고유값(Eigen Value)과 요인적재치(Factor Loading) 를 함께 검토하였는데, ‘주관적 규범(SN)’의 요인이 별도로 분리되지 않아 이 요인을 제외하고 <표 4-4>와 같이 총 12개의 요인을 도출하 였다. 일반적으로 요인적재치가 0.5 이상이면 한 요인 내 측정변수들 의 응집력이 문제가 없는 것으로 볼 수 있다. <표 4-4>를 보면 각 요 인별 요인적재치들이 대체로 0.6~0.7 이상으로 높은 응집력을 보여주 고 있다.
구성개념 측정변수 1 2 3 4 5 6 7 8 9 10 11 12 지각된
위험
PR3 -.011 .092 -.089 -.098 .813 .254 -.065 -.091 -.008 -.133 .022 -.024 PR2 -.042 .119 -.156 -.084 .785 .250 -.059 -.034 .007 -.091 .041 -.074 PR1 -.225 .082 -.155 .006 .773 .064 -.011 -.143 .003 -.012 -.017 .005 PR4 .014 .104 -.013 -.141 .711 .177 -.190 .005 -.008 -.157 .153 -.142 전자파
두려움
EWF3 .051 .197 -.035 -.037 .133 .862 -.044 -.041 -.016 -.064 .043 -.011 EWF4 -.044 .200 -.038 -.034 .188 .825 -.002 .002 -.074 -.028 .021 -.081 EWF2 -.043 .044 -.062 -.080 .296 .782 -.043 -.022 -.028 -.033 .066 .020 EWF1 -.076 .260 .017 .054 .060 .645 .046 -.050 -.045 .000 .165 .099 지각된
전력공급 신뢰도
PPSR3 .184 .008 .200 .146 -.070 -.022 .811 .063 .013 .177 .086 .085 PPSR4 .321 -.010 .153 .090 -.048 .003 .744 .091 -.008 .219 -.004 .203 PPSR2 .207 .078 .355 .209 -.165 -.063 .639 .172 -.007 .115 .081 .180 PPSR1 .205 .024 .363 .229 -.198 .021 .565 .224 .058 .189 .055 .107 지각된
사용 용이성
PEU1 .099 .007 .168 .168 -.045 .035 .031 .809 .080 -.047 -.044 .083 PEU2 .116 .063 .122 .148 -.127 -.017 .160 .801 .078 .134 .107 .001 PEU4 .056 .035 .150 .034 -.006 -.136 .036 .752 .021 .074 .157 .157 PEU3 .101 .106 .122 .350 -.171 .002 .224 .545 .053 .185 .152 -.018 지각된
이해도
PUN1 .130 .041 .070 .033 .037 -.025 .055 .064 .901 .011 .159 .034 PUN3 .079 -.021 .035 .058 .011 -.131 -.015 .054 .875 -.018 -.060 .091 PUN2 .016 .036 .200 .049 -.051 .010 -.002 .068 .872 .008 .084 -.025 지각된
전기 요금절감
PES4 .134 .180 .144 .093 -.157 -.043 .224 .067 -.067 .752 .091 .042 PES2 .386 -.074 .207 .178 -.127 -.086 .164 .157 .076 .668 -.053 .182 PES3 .409 .061 .097 .271 -.132 -.115 .213 .124 -.054 .643 .062 .119 PES1 .466 -.147 .140 .191 -.166 .016 .161 .043 .093 .588 .021 .170 지각된
호환성
PC2 .053 -.010 -.065 .122 .037 .110 .061 .258 .153 .033 .814 .029 PC1 .058 .016 .380 .089 .046 .047 -.090 -.112 .062 .112 .743 .016 PC3 .128 -.128 .111 .108 .142 .222 .269 .216 -.008 -.044 .686 .118 기기
오작동 및 성능 저하
우려
PLR3 .234 -.080 .026 .220 -.036 -.017 .167 .159 .052 .135 .069 .715 PLR2 .187 .090 .248 .136 -.118 .051 .230 .111 .109 .288 .070 .644 PLR1 .242 .271 .360 -.065 -.184 .030 .157 .048 -.001 -.028 .036 .556
나아가 측정변수의 내적 일관성을 검증하기 위해 Cronbach의 알파
(α)값을 구하여 신뢰도를 측정하였다. 이 값의 범위는 0과 1 사이인데,
보통 이 값이 0.3 이하이면 항목 사이의 결집력이 약하고, 0.7 이상이 면 항목 사이의 결집력이 강하다고 할 수 있다. <표 4-5>에서는 Cronbach의 알파값을 보여주고 있다. ‘기기오작동 및 성능 저하 우려’
를 제외하고는 모두 0.7 이상으로 신뢰성이 높다고 말할 수 있다. 그 러나 ‘기기오작동 및 성능 저하 우려’의 값은 0.69로 0.7에 근사한 값 으로서 이 요인 역시 신뢰성이 높은 편에 해당한다.
요인 최종 항목수 Cronbach의 알파 계수
지각된 호환성 3 0.747
지각된 이해도 3 0.887
지각된 전력공급 신뢰도 4 0.880
지각된 전기요금 절감 4 0.866
지각된 친환경성 4 0.895
지각된 사이버보완위협 4 0.879
전자파 두려움 4 0.847
기기오작동 및 성능 저하 우려 3 0.690
지각된 사용 용이성 4 0.819
지각된 유용성 4 0.854
지각된 위험 4 0.854
사용의도 4 0.889
<표 4-5> 변수에 대한 신뢰도 측정 결과
다. 확인적 요인분석
확인적 요인분석은 이론적 지식이나 결과를 갖고 가설형식으로 모 형화하고 행렬의 일부원소를 제약할 수 있어 탐색적 요인분석과 차이 를 보이고 있다. 탐색적 요인분석 후에 다시 확인적 요인분석을 하는 이유는 연구모형에 사용된 잠재변수들의 개략적인 요인구조를 파악하 고, 타당성에 위배되는 관측변수들을 제거하는 데에서 보다 철저하기 때문이다(김대업, 2008).
확인적 요인분석은 탐색적 요인분석에서 개념들이 구조방정식에서의