업계와 밀착된 콘텐츠를 끊임없이 생산!   플라스틱산업의 종합 자료실 역할 강화!
  
  기업과인물
  중소기업 정책과 동향
  플라스틱 업계 동향
  경영과 현장관리
  전시회/세미나
  
  스페셜리포트
  이달의 초점
  사이언스 아카데미
  생생 Talk
  
  폴리머노트
  플라스틱 가이드
  페인트/코팅
  미니데이터룸
기획특집 > 사이언스 아카데미
스마트 팩토리 서비스 품질이 수용의도 및 수용행동에 미치는 영향에 관한 연구(5)
[플라스틱사이언스] 기사입력 2022-06-17 17:09:15

4. 연구 결과

4.1 표본의 인구통계학적 특성

본 설문조사는 2020년 4월 1일부 터 5월 9일까지 서울, 경기, 인천, 충 청, 광주, 전라, 대구, 경상 지역에 소재한 중소제조기업의 CEO 및 종 사자들 370명을 조사대상으로 하였 다. 모집단은 창업 5년 이후 기업으 로 자동차업종 및 전자업종 부문으 로 우리나라 뿌리산업의 근간인 사 출업, 정밀가공업, 프레스업, 조립 업종으로 스마트 팩토리 시스템을 도입하여 현재에도 1년 이상의 스마 트 팩토리 시스템을 도입하여 운영 중인 중소제조기업 36개사를 모집 단으로 설정하였다
설문조사의 경우 34개사는 본 연 구자가 직접 기업에 방문하여 조사 대상자에게 충분한 설명과 동의를 구한 후 자기기입법에 의하여 설문 지를 작성하도록 하였고, 나머지 2 개사는 우편으로 설문지를 보내 대 표자에게 충분한 설명과 동의를 구 한 후 동일한 방법으로 작성하였다. 설문지는 총 370부를 배부하였고, 총 수거된 351부 전체의 유효 표본 (Sample)을 얻었다. 
우선 표본의 인구통계학적 특성은 전체 응답자 351명 중 성별은 남성이 298명(84.9%), 여성이 53명(15.1%)으 로 나타났으며, 연령은 30대 미만 34명 (9.7%), 30세 이상~34세 50명(14.3%), 35세 이상~39세 67명(18.9%), 40대 이 상~49세 136명(38.8%), 50세 이상~59 세 58명(16.6%), 60세 이상 6명(1.7%) 으로 나타났다.
현재 직장에서의 직급은 사원이 72 명(20.5%), 대리 75명(21.4%), 과장 64명(18.2%) 차장 62명(17.6%), 부장 56명(16.0%), 그리고 임원 및 대표이 사가 22명(6.3%)으로 나타났다. 기업유형에 대한 표본조사는 중소 기업 323명(92.0%), 중견기업 28명 (8.0%)으로 나타났다.
기업의 응답자가 근무하고 있는 자 사의 규모로 50명 미만 45명(12.8%), 50명~99명 149명(42.5%), 100명~199 명 115명(32.7%), 200명~299명 28명 (8.0%), 300명~499명 14명(4.0%)으로 나타났다.
표본 집단의 근속 연수는 5년 미만 130명(37.0%), 5년 이상~10년 미만 96명(27.4%), 10년 이상~15년 미만 55명(15.7%), 15년 이상~20년 미만 33명(9.4%)  20년 이상~25년 미만 23명(6.5%), 그리고 25년 이상이 14 명(4.0%)으로 나타났다.
기업의 재직자들의 학력은 고등학 교 졸업 84명(23.9%), 전문대 졸업 94 명(26.8%), 대학교 재학 9명(2.6%), 대학교 졸업 150명(42.8%), 대학원 재학 4명(1.1%), 그리고 대학원 졸업 이상 10명(2.8%)으로 나타났다. 그리고 현 기업의 스마트활용기간 에 대한 질문에는 1년 이상~2년 미만 90명(25.6%), 2년 이상~5년 미만 101명(28.8%),  5년 이상~10년 미만 114명(32.5%), 10년 이상 46명 (13.1%)으로 나타났다.
마지막으로 현재 재직하고 있는 총 매출액을 묻는 질문에는 50억 미만 기 업은 8명(2.3%), 50억 이상~100억 미만 27명(7.7%), 100억 이상~150억 미만 16명(4.6%), 150억 이상~200억 미만 27명(7.7%), 200억 이상~300억 미만 63명(17.9%),  300억 이상~500억 미만 99명(28.2%), 500억 이상~700억 미만 63명(17.9%), 700억 이상~1000 억 미만 38명(10.9%), 1000억 이상 10 명(2.8%)으로 집계 되었다.

세부적인 인구통계학적 구성은 <표 4-1>과 같다.


 

4.2 변수의 신뢰성 및 타당성 분석
 
본 연구를 통해 파악할 때 다수의 문항으로 측정 가능한 변수에 대해서 각 항목에 대한 신뢰성의 확인을 위 해 크론바흐 알파 계수(Cronbach’s alpha)에 의한 신뢰성 분석을 실시하 였다. 
즉, 연구가설을 검정하기에 앞서 우선 이용될 변수들의 신뢰성과 타 당성에 대한 검정이 선행되어야 한 다. 여기서 신뢰성이란 어떠한 개념 을 반복 측정했을 경우, 일관성 있는 결과 값을 보이는 정도를 의미하며, 여기서 타당성은 측정도구가 측정하고자 하는 개념에 대해 정확하게 측 정했는가를 나타내는 정도를 의미하 는데, 본 절에서는 연구의 가설 검정 에 이용될 수 있는 변수의 신뢰성과 타당성을 검정하기로 한다.
 
4.2.1 신뢰성 분석

본 연구에서는 다수의 문항으로 측 정이 가능한 경우에 대해서 평가척도 의 각 차원들을 구성하고 있는 항목 들 간의 내적일관성을 파악하기 위해 즉, 크론바흐 알파 계수(Cronbach’s alpha)를 이용하여 신뢰성을 측정하 였다. Murphy and Davids hofer(1988) 의 α계수의 수용불가 수준 0.6 이하, 신뢰도가 낮은 수준 0.7이하, 중간수 준 0.7~0.9, 그리고 높은 수준은 0.9이상으로 본 견해를 참고하여 신뢰성 을 저하시키는 항목을 제외하는 방법 을 사용하였다(채서일, 2001).1) 신뢰성 분석 결과 모든 차원에서 0.87 이상으로 나타났으며, 본 결과 치를 통해 판단해 볼 때 신뢰도 수치 가 모두 수용 가능한 기준이라고 판 단할 수 있으며 또한 모든 항목은 측 정 항목들간 신뢰할만한 측정 결과 라 할 수 있다(Hair  et  al.,1998). 또한 솔루션품질, 유지보수, 교육, 커스터마이징, 지각된 유용성, 지각 된 용이성, 수용의도에 관한 각 요인 들이 종속변수인 수용행동에 관한 각 항목들에 대한 PCA(주성분분석)를 실시한 결과를 <표4-2>와 <표4-3> 에 표기하였다.


 

4.2.2 타당성 분석
1) 탐색적 요인분석을 통한 척도의 정제
요인들 간의 중복성 및 척도 정재를 위해 우선 요인 추출 모델에 대한 주 성분분석(Principal component analysis) 을 사용하였고 내용상 어울리지 않는 차원에 묶인 항목이나 요인에 비슷한 적재량을 보인 항목들을 제거하기 위 해 기존 변수들을 대상으로 하여 직 각회전 방식으로 베리맥스(Varimax) 회전을 통한 요인분석을 실시하였다. 또한 주성분분석을 사용하는데 있 어 독립변수들 간 구분이 가능하고 요인의 개념적인 정의에 있어서 각 변수들에 의해서 해석이 가능한지에 대한 여부를 파악하기 위해 그 연구의 목적을 두고 있었던 바, 본 연구 에서는 독립변수를 따로 구분하여 주성분 분석(PCA)을 실시하였다. 여기서 아이겐 값은 각각의 변수 전 체에서 2.191 ~ 5.166 사이의 결과 값이 도출되었다. 
또한 주성분분석 과정에서의 여러 요인들에 의해 비슷하게 적재된 변수 들과 더불어 적재량(Factor Loading) 에 대한 기준치 이하인(0.5) 변수를 모두 제거하였다. 


이 기준들은 요인적재량 기준에 대한 Gorsuch(1983)의2) 주장에 의하 면 “요인적재량이 0.3 이상인 경우에 의미가 있다”고 정의하고 있으며, 또한 김충련(2002)은3)    “요인적재량(Eigen-value) 기준을 0.3 이하면 유 의성이 매우 낮음, 그리고 0.4 이하 는  중간정도의 유의성 이 있다고 보 았으며 0.5 이상이면 유의성이 높다” 고 주장한 것에 따라 진행하였다. 결 국 본 연구에서 김충련(2002) 기준에 준하여 일정한 기준이상의 요인 적 재치를 보이고 있는 변수만을 선택 하여 정의했으며 또한 측정항목의 정의에 따른 선행된 각 항목들에 대한 척도 정제를 통하여 요인 적재량 에 대한 각 측정항목 기준을 0.5로 엄격하게 정하여 적재량에 미달하는 항목은 모두 제거하였다. 
또한 Kaiser-Meyer-Olkin(KMO) 측도의 변수들 간의 상관관계가 다 른 변수들에 의해 잘 설명되는 정도 를 나타내는 것인데, 만일 이 측도의 값이 적으면 요인분석을 위한 변수 들 간의 선정이 좋지 못함을 의미하 고 있다.  KMO값이 0.90이상이면 상당히 좋은 것이며, 0.80이상이면 비교적 높은 편이며 0.50이하이면 측정치가 바람직하지 못한 것으로 볼 수 있다(정충영 외, 2004).4)
측정결과 Kaiser-Meyer-Olkin 측 도는 원인변수 0.964로서 이 측도의 값은 높은 기준을 초과하고 있음을 알 수 있다. 또한 요인분석에 대한 모형의 적합성 여부를 나타내는 Bartlett의 구형 검정치(sphericity)가 즉 ‘상관행렬이 단위행렬 이다’라는 차원의 귀무가설 검정을 위한 것으 로써 위 변수들의 분석결과 검정치 가 6086.743이며, 이 값의 유의확률 이 0.000이므로 귀무가설이 기각되고 연구가설이 채택되었다. 따라서 위 변수들에 대한 요인분석 의 사용이 적합하며 공통요인이 존재 한다는 결론을 내릴 수 있다<표 4-4>. 마찬가지로 결과변수에 대한 탐색 적 요인분석 결과값 역시 적재된 각 변수들과 더불어 요인적재량(factor loading)의 적재량 수치 이하인 변수 를 모두 제거한 결과 항목들은 모두 수치 0.5를 초과함을 알 수 있다.
Kaiser-Meyer-Olkin(KMO)의 측 도 측정결과는 결과변수 0.953으로 서, 이 측도값 또한 높은 기준을 초 과하고 있음을 나타내고 있다. 또한 요인분석에 대한 모형 적합 성 여부를 검증하는 Bartlett 구형 검 정치(sphericity)는 변수들에 대한 분 석 결과 검정치가 즉 5683.972이며, 이 결과 값 역시 유의확률은 0.000이 므로 이는 곧 귀무가설이 기각되고 연구가설이 채택된다. 따라서 위 결 과변수들의 요인분석의 사용이 적합 하며 공통요인이 존재한다는 결론을 내릴 수 있다<표 4-5>.
 

2) 상관관계 분석
상관관계 분석은 분석 결과들에 대한 요인분석에 활용될 각각의 구 성 요인들이 어느 수준의 관계를 갖 는지의 파악을 하기 위해 상관관계 분석을 실시하였다. 특히 분석을 통 해 단일차원성이 입증된 연구단위에 대한 서로의 관계가 어떤 방향이며, 또한 어느 정도의 관계를 갖는지를 파악하고자 하였으며 본 분석을 실 시한 결과, <표 4-6> 에서와 같이 연 구단위 간의 상관관계는 즉, p<0.01 수준에서 정(+) 또는 부(-)의 상관관계를 갖는 것으로 나타났다.
 
3) 연구모형에 대한 회귀분석 결과
가설 검증을 위해 다중회귀분석을 실시하였으며 그 결과는 다음과 같다. 첫 번째 요인인 솔루션품질, 유지 보수, 교육, 커스터마이징이 지각된유용성에 미치는 인과관계의 파악을 위해 솔루션품질이 지각된 유용성에 미치는 영향 (t=4.156, p<0.01)에 대 한 인과관계에 대한 분석 결과 즉, 통 계적 유의미한 영향을 미치고 있음 을 확인하였다. 또한 유지보수가 지 각된 유용성에 미치는(t=3.173, p<0.01) 

인과관계에 대한 분석 결과 즉, 통계적 유의미한 영향을 미치고 있음을 확인 하였다. 세 번째로 교육이 지각된 유 용성에 미치는 (t=2.147, p<0.05) 인 과관계에 대한 분석 결과 즉, 통계적 유의미한 영향을 미치고 있음을 확인 하였으며, 마지막으로 커스터마이징 이 지각된 유용성에 미치는(t=2.761, p<0.01) 인과관계에 대한 분석 결과 즉, 통계적 유의미한 영향을 미치고 있음을 확인하였다.
이에 따라 선행요인에 해당하는 솔루션품질, 유지보수, 교육 및 커스 터마이징은 모두 지각된 유용성에 통계적으로 유의미한 영향을 미치고 있음을 확인하였다.
두 번째 요인인 솔루션품질, 유지 보수, 교육, 커스터마이징이 지각된 용이성에 미치는 인과관계의 파악을 위해 우선 솔루션품질이 지각된 용이성에 미치는(t=3.597, p<0.01) 인과관 계에 대한 분석 결과 즉, 통계적 유의 미한 영향을 미치고 있음을 확인하였 다. 그리고 유지보수가 지각된 용이 성에 미치는(t=2.233,  p<0.05) 인과 관계에 대한 분석 결과 즉, 통계적 유 의미한 영향을 미치고 있음을 확인하 였다. 마찬가지로 교육이 지각된 용 이성에 미치는(t=3.837, p<0.01) 인과 관계에 대한 분석 결과 즉, 통계적 유 의미한 영향을 미치고 있음을 확인하 였다. 그러나 커스터마이징이 지각된 용이성에 미치는(t=1.557, p>0.05) 인 과관계 분석 결과 즉, 통계적 유의미 한 영향을 미치지 못함을 파악하였 다. 따라서 선행요인에 대한 항목 즉 솔루션품질, 유지보수, 교육에 해당 하는 변수만 지각된 용이성에 통계적 으로 유의미한 영향을 미치고 있음을 확인하였다.
세 번째 요인인 지각된 유용성, 지 각된 용이성이 수용의도에 미치는 인과관계의 파악을 위해 우선 지각된 유용성이 미치는 수용의도에 (t=9.249, p<0.01) 인과관계를 분석 한 결과 통계적으로 유의미한 영향 을 미치고 있음을 확인하였다. 또한 마찬가지로 지각된 용이성이 수용의 도에 미치는(t=8.156, p<0.01) 인과 관계를 분석한 결과 역시 통계적으 로 유의미한 영향을 주고 있음을 확 인하였다.
마지막 수용의도가 수용행동에 미 치는(t=19.001,  p<0.01) 인과관계를 분석한 결과 통계적으로 유의미한 영 향을 미치고 있음을 확인하였다.
 

4) 매개효과 검증 결과
위 <표 4-8>은 매개변수인 지각된 유용성, 지각된 용이성 및 수용의도 독립변수(솔루션품질)와 종속변수 수 용행동에 미치는 이중매개 변수의 역 할을 검증하는 모델로 Process Modes 프로그램을 활용하여 매개효과 검증 을 하였으며 각각 관계에 대한 매개 영향력이 있는지를 검증하였다.
 
우선 서비스 품질이 수용행동에 미치는 총 효과는 0.5823(t=14.9416) 로 p=0.0000의 경로구간은 0.5056과 0.6589 사이임을 알 수 있다. 간접효 과는 0.1755(t=4.2357)로 p=0.000이 며 bootrap은 0.0940과 0.2570 사이 임을 알 수 있다. 따라서 계수의 크 기는 크게 줄었으나 독립변수의 영 향은 각 매개변수가 부분 매개함을 나타낸다. 
또한 매개경로 지각된 유용성 경로 계수의  간접효과는 0.1759(0.0335) 이며 계수 값 범위가 0.1137과 0.2448 사이에 있으므로 간접효과가 있음을 나타낸다. 지각된 유용성 경로계수 의 간접효과는 0.0276(0.0242 ) 이며 계수 값 범위가 -0.0194와 0.0747 사 이에 있으므로 역시 간접효과가 있음 을 나타낸다.
마지막으로 이용의도 경로계수의 간접효과는 0.2033(0.0344) 이며 계 수 값 범위가 0.1393과 0.2742 사이 에 있으므로 역시 간접효과가 있음 을 나타낸다. 그 결과 값은 <표 4-8> 에 정리하였다.
 
참고문헌
1) 채서일(2001). 사회과학 조사방법론 2판 (서울: 학현사, p.250).
2) Gorsuch, R. L. (1983), “Factor   analysis (2nd  Ed.)”. Hillsdale, NJ: Erlbaum.
3) 김충련(2012), SPSS 데이터 분석, 21세기 사, p.463.
4) 정충영,최이규(2004). SPSSWIN을 이용 한 통계분석, 무역경영사, p169.
 
>> 다음호에 계속 이어집니다.


<저작권자ⓒ '플라스틱사이언스' 무단전재-재배포 금지.>
회사소개 이용약관 이용안내 개인정보취급방침 이메일주소무단수집거부 광고안내 고객센터
한국플라스틱정보센터 월간 플라스틱사이언스 사업자번호:459-02-01243 통신판매신고:2018-서울 마포-2027호
주소 : 서울시 동대문구 고산자로 410, 404호 (용두동, 강동빌딩) 대표 : 박인자 개인정보관리책임자 : 박인자
호스팅제공자 : (주)스마일서브 Tel : 02-831-0083 Email : ps1987@plasticnet.kr
Copyright ⓒ 2011 plasticnet All rights reserved.