need와 needs 그리고 want(s)

need와 needs 그리고 want(s)!!

사회복지사로서 참 많이 사용하는 표현이지만 미묘한 차이가 있는 것 또한 사실인지라, 이번에 정리를 해보고자 한다.

<명사>
need: 필요
needs: 요구

<동사>
need: 필요하다, 어떤 사람의 needs(요구)에 따라 필요한 것, 필요불가결한 것
want: (욕구) 원하는 것, 즉 선택의 개념

개인적 관점에서
want(s)는 클라이언트가 원하는 것
needs는 클라이언트에게 필요한 것

클라이언트에게 필요한 것(자기결정)을 지원해야한다는 즉 needs에 기반해야한다고 기술된다. 
한편 want(s)는 그냥 원하는 것, 달라고 말하는 모든 것이 된다. 

반면 실천적 관점에서의 
필요성과 욕구 또한 엄밀히 구분된다. 
사회복지는 욕구에 기반하지만 필요성이 있다고 판단될 때 개입 또는 지원을 한다. 
즉 클라이언트가 원한다고 다 들어주는 것은 아니다.
그리고 그 필요성은 우리 사회의 전반적인 인식에 기반한 전문가의 판단에 의한다 

이처럼 needs는 개인적 측면에 욕구가 아닌 필요성이고,
need는 사회전반에서 공감하고 공유하는 필요성에 대한 인식이 된다. 

일상적인 표현에서는 굳이 이런 엄밀한 구분이 필요하지는 않을 것이다. 
하지만 사회복지학을 전공하는 사람으로서는 혼란과 오해를 막기 위해 엄밀히 구분하고 있어야 하지 않나 한다.

정리하자면,
사회복지는 클라이언트의 want(s)가 아닌 needs가 사회적 인식인 need에 부합할 때 개입한다.

[사회복지자료분석론] 상관관계 분석

상관관계 분석

 

1) 상관관계의 성격
① 상관관계는 인과관계가 아닐 수도 있다. → 회귀분석 필요
② 상관관계는 대체로 음의 방향 또는 음의 방향과 같은 관계의 방향이 있다.

 

2) 상관관계 분석

① 등간/비율 척도의 경우는 피어슨 적률상관을 실시합니다.

② 서열 척도의 경우는 스피어만 로 또는 캔달타우b를 실시합니다.

 

3) 상관관계 계수에 따른 해석

± 0.2 미만       : 상관관계가 거의 없다

± 0.2~0.4 미만 : 상관관계가 있으나 낮다

± 0.4~0.7 미만 : 상관관계가 다소 높다

± 0.7~0.9 미만 : 상관관계가 높다

± 0.9 이상       : 상관관계가 아주 높다

 

4) 예제 해석 

※ 참고 : 심리적 이웃관계는 역문항으로 "① 매우 친하다 ~ ⑤ 전혀 친하지 않다" 입니다. 한편 이 척도는 서열척도이나 여기서는 해석을 위해 등간척도라고 가정합니다.

 

(해석)
연령과 심리적 이웃관계에 대한 상관분석 결과 p<0.01에서 Pearson's r이 -.230으로 음의 낮은 상관관계를 보이고 있음을 알 수 있습니다. 즉 연령이 높아질수록 심리적 이웃관계가 친해지는 경향이 있다고 해석할 수 있습니다.
덧붙여 사례의 수(N)이 커지면 커질수록 유의도는 높아지지만, 그것이 상관관계를 높게 하지는 않습니다.

 

 

상관관계.hwp

 

 


 

[사회복지자료분석론] 카이제곱(χ²)

분포의 차이 : 카이제곱 (χ²)

 

■ 확인사항
1. 자유도가 1인 경우
전체사례수가 30보다 크면서 각 셀(cell)의 빈도가 5 이상일 때 적용 가능

 

2. 자유도가 1보다 큰 경우
사례수가 30보다 크면서 5미만의 기대빈도의 셀이 전체의 모든 칸의 20%보다 적고, 모든 셀에 1.00이상의 기대빈도가 있다면 척도에 관계없이 사용 가능

 

카이제곱 분포표를 토대로 자유도와 비교하여 분포차이의 여부를 봅니다.
해당 자유도와 유의수준에서의 카이제곱 값보다 크다면 분포차이가 있다고 봅니다.
이때 p값을 표시해주는 것은 기본입니다.

 

 

(해석)
위 예제에서 우리는 Pearson Chi-Square(χ², 이하 카이제곱)의 값만 읽는 것으로 합니다.
우선 아래에서 N이 604로 30보다 크면서, a에서 언급한 것처럼 기대빈도가 5보다 작은 셀이 1개 이며 이는 전체 셀의 10%에 해당하여 20%보다 적기 때문에 확인사항에서 언급했던 기본적인 활용의 조건은 충족합니다.
이에 카이제곱의 값은 21.591이면서, 자유도(df)가 4이고, 양방향 검정(양측 검정)에 따른 유의도는 0.000으로 바꿔 표현하면 p<0.001이기 때문에 두 변수 간에는 분포의 관련성이 있다고 볼 수 있습니다.
이때 자유도와 양측검정의 유의도에 대한 카이제곱분포표를 살펴보면, 18.47이 나옵니다. 따라서 카이제곱 값(21.591)이 분포표의 값(18.47)보다 크기 때문에 분포에 있어 관계가 있다고 해석할 수 있습니다.

 

 

카이제곱.hwp

 

한편, 자유도와 양측검정의 유의도만 가지고 분포의 관련성 여부를 파악하려면, 카이제곱 분포표나 엑셀의 CHIINV 함수를 사용하시면 됩니다. 위 예제의 경우, 분포값은 20.00(단측검정의 경우는 18.47)이 나옵니다. 따라서 카이제곱 값(21.591)이 분포표의 값(20.00)보다 크기 때문에 분포에 있어 관계가 있다고 해석할 수도 있습니다.

첨부한 엑셀을 참조하세요~

 

단, 단측검정과 양측검정에 대한 해석은 제가 참조한 교재에서는 설명이 제대로 되어 있지 않았습니다.

때문에 틀린 점이 있을 수도 있음을 미리 밝혀둡니다.

 

카이제곱 교차분포표.xls

[사회복지자료분석론] 신뢰도와 내적, 외적 타당도

○ 신뢰도 : 실험도구가 갖는 실험(조사, Research)결과 반영의 일관성 정도 또는 실험결과의 일관성

 

 

○ 타당도 : 실험도구가 목적하는 실험/조사를 측정할 수 있는가에 대한 도구 또는 결과의 적절성

- 내적 타당도 : 이 조사는 해당 실험집단에 대한 실험효과를 정말로 반영할 수 있는가?

- 외적 타당도 : 이 실험결과를 어느 정도 일반화할 수 있는가?

[사회복지자료분석론] 유의확률과 유의수준을 통해 본 1종오류

사회복지조사론/자료분석론에서 사용되는 유의확률과 유의수준을 통해 1종 오류에 대하 간단히 정리해 보았다.

실은 용어가 비슷하고 또 같은 의미인데도 다른 표현을 쓰는 등 헷갈리는게 많은 것이 사실이다.

 

그중 가장 헷갈리는 1종 오류와 2종 오류를 유의수준, 유의확률을 통해서 정리해 보았다.

 

 

유의확률 : 1종 오류를 일으킬 확률

→ 유의확률이란 결국 대부분 참인데 "우연" 등이 개입되어 참의 결과가 나오지 않을 확률을 얘기한다.

    통상 우리는 95%의 신뢰수준에 동의하고 있으며, 이를 p<0.05라고 표시하고 있다.

 

○ 유의수준(α) : 1종 오류를 범할 수 있는 최대허용치

→ 한편, 유의수준은 유의확률과 크게 다르지 않지만 그 최대값이 얼마냐로 구분할 수 있을 것이다.

    자료분석을 실시해보면, 딱 떨어지는 어떤 값으로 표기되어 나온다.

    즉, 허용할 수 있는 오류의 최대치라고 보면 될 것이며, 오류의 최대치인 유의수준은 유의확률보다 커야만 영가설을 기각할 수 있고, 곧 그것은 내가 원하던 연구가설을 채택한다는 것과 같은 의미라 볼 수 있다.

 

○ 1종 오류 : 귀무가설이 참인데, 그것을 기각하는 경우

→ 지금까지 언급했던 모든 유의수준, 유의확률은 곧 1종 오류와 관련이 있다.

    내가 원하는 연구가설은 채택되어야 한다. 하지만 반드시 그렇게 되는 것은 아니기에 우리는 1종 오류에 주목해야한다. 곧 실제로는 참이 아님에도, 내가 억지로 우겨서 기각해야하는 것을 채택하고 있지는 않을까? 다시금 귀무가설의 입장에서 본다면, 귀무가설을 채택해야함에도 기각해서 본질을 흐리게 되었을 확률 그리고 그 결과가 바로 1종 오류이다.


○ 2종 오류 : 연구가설이 참인데, 그것을 기각하는 경우

→ 2종 오류는 바로 1종 오류의 반대개념으로 이해하면 될것이다.

 

<결론>

▶ 유의확률 < 유의수준 → 귀무가설 기각, 연구가설 채택 : 유의미하다.

→ 이때 만일 귀무가설을 채택해야함에도 잘못하여 기각하였다면 이는 1종 오류이다.


유의확률 > 유의수준 → 귀무가설 채택, 연구가설 기각 : 관계없다.

→ 반대로 오류가 있을 확률이 허용치를 넘어선다면 우린 당연히 귀무가설을 채택(연구가설 기각, 관계가 없음)해야하는데, 그렇지 못했다면 우리는 2종 오류를 범하게 되는 것이다.

 

  • 사조사준비생 2013.03.05 14:02 ADDR 수정/삭제 답글

    도움이 되었습니다 감사합니다~! 트랙백 퍼가겠습니다^^;