본 연구의 자료처리는 신뢰성이 없다고 판단되는 자료를 연구대상에서 제 외시키고 분석 가능한 자료를 컴퓨터에 개별 입력시킨 후 통계패키지 프로그 램인 SPSS WIN 18.0 및 AMOS 18.0으로 자료 분석의 목적에 따라 다음 과 같이 통계적인 검증을 실시하였다.
첫째, 본 연구의 인구통계적인 특성을 살펴보기 위하여 빈도분석(frequency analysis)을 실시하였다.
둘째, CRM, 서비스품질, 신뢰, 고객충성도를 분류하기 위해서 탐색적 요인 분석(exploratory factor analysis)을 실시하였다.
셋째, 설문지의 신뢰성 검증을 위하여 Cronbach's α 계수를 산출하였다.
넷째, 이론적인 배경 하에서 변수들 간의 기존관계를 설정하고 요인분석을 이용하여 그 관계가 성립하는지 여부를 실증하기 위하여 확인적 요인분석 (confirmatory factor analysis)을 실시하였다.
다섯째, 변수들 간의 방향성을 확인하기 위하여 상관관계분석(correlation
analysis)을 실시하였다.
여섯째, 측정모형과 이론모형을 통해서 모형간의 인과관계를 파악하기 위 하여 구조방정식모형(structural equation model)분석을 실시하였다. 또한 연구모형의 구성 적합지수는 다음과 같은 기준에 따라 적용하였다.
1) Chi-Square 검정
Chi-Square값이 작고 p값이 크면, 모델이 적합하다고 평가하고, 반대로 Chi-Square값이 크고, p값이 작으면 모델이 적합하지 않다고 평가한다. 그 러나 Chi-Square 검정과 관련된 문제들이 여러 학자들에 의해 논의되었고, 그 가운데 하나는 표본 크기와 관련되어 있다. t 통계량은 접근적일수록, 즉 표본 크기가 커질수록 유효하다. 따라서 t 는 작은 표본크기에서는 Chi-Square 분포를 하지 않기 때문에 모델을 올바르게 평가하지 못할 수도 있다. 또한 t 는 다변량 정규성이 위배되는 경우에는 Chi-Square 분포를 하 지 않을 수도 있다. 유의적인 Chi-Square값은 모델 오설정, 검정력 또는 추 정법의 가정이 위반되어 발생할 수 있다.
Chi-Square값이 유의적인 차이가 있는 것으로 나타난 경우, 이는 다변량 정규분포의 가정에 위배되거나, 표본추출이 잘못되어 자료가 모집단을 충분 히 대표하지 못하거나 또한 모델의 설정오차 가능성이 있는 경우일 수 있다.
그러나 Chi-Square값이 유의적인 차이가 있는 것으로 나타났다 하더라도, 이는 실제로 제안모델이 자료를 잘 적합 시키는 좋은 모델일 가능성도 있으 며, 모델 검증의 조건들이 위배되었을 가능성도 있다.
그러므로 Chi-Square 값에만 전적으로 의존하기보다는 다른 여러 가지 적합지수를 함께 고려하여 최종적인 결론을 내려야 한다(강병서, 김계수, 2005).
2) GFI(기초부합치)
GFI(Goodness-Of-Fit-Index)는 일반적으로 0~1사이의 값을 갖는다.
이 값은 주어진 모형이 전체 자료를 얼마나 잘 설명하는지를 나타내는 지표
로 회귀분석에서 다중상관치와 관련이 있다.
GFI는 표본 크기의 변화나 다변량 정규성의 위반에 별로 영향을 받지 않 으며, 제안모델의 적합도를 잘 설명해주는 것으로 나타났다. 이 값이 크면 좋은 적합도를 나타내지만, 수용가능성에 대한 절대적인 기준은 없으나, 보 편적으로 권장되는 수용수준은 0.9이상이다.
3) AGFI(조정부합치)
AGFI(Adjusted Goodness-Of-Fit Index)는 GFI를 확장시킨 것으로서, GFI를 모델 내의 자유도를 이용하여 조정한 값이다. AGFI의 권장 수용수준 은 0.9이상이다.
AGFI는 일반적으로 0~1사이의 범위에 있으나, 이를 벗어나는 경우도 있 다. 또한 표본크기가 작거나, 적합도가 매우 안 좋은 경우에 드물게 음(-)의 값이 나타날 수 있다.
4) RMR(원소간 평균차이)
RMR(Root Mean Square Residual)은 표본 자료에 의해 모델이 설명할 수 없는 분산/공분산의 크기를 의미하며 값이 작을수록 좋다. RMR의 수용수 준에 대한 절대적인 기준은 없으나 적합도가 매우 좋은 모델이라면 0에 가 깝고 적합도가 나쁜 모델이라면 그 값은 커지게 된다. 대체로 0.05이하이면 적당한 모형으로 판단된다.
5) NFI(표준부합지수)
NFI(Normed Fit Index)는 기초 모델에 비해 제안 모델이 어느 정도 향 상되었는가를 나타낸 것이다. 그러므로 NFI가 0.9라는 의미는 기초 모델에 비해 제안 모델이 90%향상되었음을 의미한다. NFI의 수용수준을 나타내는 절대적인 수치는 없지만, 일반적으로 0.9이상이면 수용 할만 하다고 본다.
본 연구에서의 모델의 접합도 지수는 상대적으로 안정적인 지표로 알려진 RMR(원소 간 평균차이)과 RMSEA, 그리고 CFI(기초 부합치), TLI(비표준
적합지수), CFI(상대적합지수)를 활용하였으며, Bagozzi & Yi(1988)가 제 시한 적합도 지수를 바탕으로 RMR과 RMSEA는 0.5∼0.8이하, CFI, NFI, TLI, CFI는 0.8∼0.9이상을 기준으로 하였다. 아울러 추출된 평균분산 (average variance extracted: AVE)의 기준은 .40이상이며, 수렴타당성 (convergent validity)또는 내적일관성(internal consistency)을 나타내는 개념 신뢰도는 .70이상을 기준으로 하였다(김계수, 2008).
본 연구에서의 CRM과 서비스품질(유형성, 신뢰성, 응답성, 확신성, 공감 성), 신뢰, 고객충성도의 구성개념 간 확인적 요인분석과 구조방정식모형 분 석을 실시하였으며, 상기 적합지수들의 기준을 준수하기 위해 항목들을 제거 하고 연구모형과 수정모형을 통하여 연구의 목적을 달성하였다.