도구 사용법
속성마다 이름과 수준(한 줄에 하나)을 입력하고 과제당 콘셉트 수, 응답자당 과제 수, 버전 수, 시드를 정하세요. 필요하면 ‘선택 안 함’ 대안, 금지 조합, 고정 홀드아웃 과제, 재검사 과제를 추가한 뒤 ‘설계 생성’을 누릅니다. ‘샘플 데이터 사용’을 누르면 컨조인트 분석 도구의 샘플과 같은 무선 이어폰 속성이 불러와집니다.
설계 파일은 콘셉트당 한 행이며 버전, 과제, 과제 유형, 콘셉트 번호와 속성별 열로 구성됩니다. 설문 플랫폼이 CBC 과제를 가져올 때 쓰는 형식입니다. 응답 템플릿에는 응답자별로 배정할 버전이 들어 있습니다. 실사가 끝나면 응답자당 한 행, 과제마다 선택한 대안을 담은 열이 있는 내보내기 파일을 ‘실제 응답 병합’ 패널에서 여세요. 컨조인트 분석 도구에서 바로 열 수 있는 롱 형식 파일이 만들어지며, 홀드아웃 과제는 추정에서 자동으로 제외됩니다.
실사 전에 시뮬레이션 응답을 내려받으세요. 무작위 부분가치에서 같은 로짓 모형으로 생성한 선택 데이터입니다. 이를 분석하면 설계가 부분가치를 제대로 복원하는지, 어느 정도의 정밀도를 기대할 수 있는지 확인할 수 있습니다. 테스트용 데이터일 뿐 실제 사람의 응답이 아닙니다.
방법: 최소 중복, 균형 중복, 금지 조합, 홀드아웃
최소 중복은 과제 안에서 각 수준이 최대한 고르게 나타나게 하고, 콘셉트 수가 수준 수보다 많을 때만 수준을 반복합니다. 설계 전체에서는 가장 적게 쓰인 수준과 수준 쌍을 우선해 수준 균형과 2원 균형을 높입니다. 균형 중복은 같은 균형 목표를 따르지만 한 과제 안에서 수준이 한 번 더 반복되는 것을 허용합니다. 무작위 방식은 모든 수준을 무작위로 뽑으며 비교 기준이 됩니다.
금지 조합은 한 콘셉트 안에 함께 나타나면 안 되는 수준 쌍입니다(예: 최저 가격에 프리미엄 브랜드를 붙이지 않음). 금지 조합은 언제나 효율을 떨어뜨리므로 현실에 존재할 수 없는 조합에만 쓰세요. 고정 홀드아웃 과제는 모든 버전에서 같은 내용으로 제시되고 추정에서 빠지므로 예측 타당도를 검증하는 데 씁니다. 재검사 과제는 마지막에 첫 번째 홀드아웃을 콘셉트 순서를 뒤집어 반복해 응답의 일관성을 측정합니다.
- 버전은 서로 다른 설문지이며 응답자는 버전별로 고르게 배정됩니다.
- 같은 설정과 시드는 항상 같은 설계를 만들므로, 실사에 쓴 설계를 언제든 다시 만들 수 있습니다.
D-효율과 표준오차 공식
D-오차 = det(M)^(−1/p), M = (1/V) Σᵥ Σₜ (1/C) Σⱼ (xⱼ − x̄ₜ)(xⱼ − x̄ₜ)ᵀ. xⱼ는 콘셉트 j의 효과 코딩된 수준(속성마다 L − 1열, 마지막 수준은 −1), C는 과제당 콘셉트 수, V는 버전 수, p는 부분가치 모수의 수 Σ (L − 1)입니다. 합은 각 버전의 설계 과제 전체에 걸쳐 계산합니다.
상대 D-효율 = 같은 크기의 무작위 설계 10개의 평균 D-오차 ÷ 이 설계의 D-오차 × 100. 응답자 n명일 때 표준오차는 모든 부분가치가 0이라고 가정한 √(M⁻¹의 대각 원소 ÷ n)입니다. ‘선택 안 함’ 대안은 속성 수준이 없으므로 D-오차와 표준오차 계산에 포함하지 않습니다.
계산 예시
샘플은 무선 이어폰 속성(브랜드 4수준, 배터리 사용 시간 3수준, 노이즈 캔슬링 2수준, 가격 4수준)을 사용하며, 콘셉트 3개와 ‘선택 안 함’을 과제 10개, 버전 30개로 제시합니다. 최소 중복에서는 각 브랜드가 225번씩 제시되고, 한 과제 안에서 브랜드가 반복되지 않으며, 2원 균형(쌍 제시 횟수의 최소 ÷ 최대)은 0.95 이상으로 유지됩니다. 노이즈 캔슬링은 콘셉트 3개에 수준이 2개뿐이라 모든 과제에서 반드시 중복됩니다.
모수 9개 기준 D-오차는 이 설계가 0.2293, 같은 크기의 무작위 설계가 평균 0.3143입니다. 따라서 상대 D-효율은 137%입니다. 균형 중복의 상대 D-효율은 121%, 같은 시드로 만든 무작위 방식 설계는 102%입니다(무작위 방식의 2원 균형 최솟값: 0.55).
응답자 300명일 때 부분가치의 예상 표준오차는 최소 중복에서 0.019–0.034, 무작위 설계에서 0.022–0.040입니다. 주효과에 대한 Johnson의 경험 법칙으로는 응답자가 최소 67명 필요합니다.
적합한 경우와 적합하지 않은 경우
이 도구는 사전값이 0인 주효과 모형을 전제로 한 CBC 설계용입니다.
- 설문을 프로그래밍하기 전에 선택 기반 컨조인트 조사를 계획할 때.
- 계획한 과제 수, 콘셉트 수, 응답자 수로 부분가치를 충분히 정밀하게 추정할 수 있는지 확인할 때.
- 최소 중복, 균형 중복, 무작위 설계를 비교하거나 금지 조합에 따른 효율 손실을 확인할 때.
- 사전값, 상호작용 효과, 대안 고유 속성이 있는 설계. 이 생성기는 사전값 0의 주효과를 대상으로 합니다.
- 인터뷰 중에 과제를 만드는 적응형 CBC나 메뉴 기반 컨조인트.
- 풀 프로파일의 부분 요인 설계를 쓰는 평가 기반 컨조인트. 직교 설계를 사용하세요.
결과 해석
D-오차는 낮을수록 좋고, 상대 D-효율이 100%를 넘으면 같은 크기의 무작위 설계보다 정밀도가 높다는 뜻입니다. 수준 균형이 1에 가깝고 수준 수 때문에 불가피한 정도를 넘는 중복이 적다면 건전한 주효과 설계입니다. 금지 조합, 적은 버전 수, 아주 적은 과제 수는 효율을 낮춥니다. 버전을 늘리는 효과는 응답자당 과제 수가 적을 때 특히 큽니다. 표준오차는 모든 부분가치가 0이라고 가정하므로 집계 로짓 정밀도의 하한으로 보세요.