본 연구에서 조절 변수로 사용되는 패션 관여도, 명품 관여도에 대한 신 뢰도 검정과 타당도 검정을 실시하였다. 명품 관여도와 패션 관여도는 하나 의 큰 개념의 하위 요인이 아니기 때문에 명품 관여도와 패션 관여도를 동 시에 투입하여 요인분석할 필요는 없으며, 변수별로 신뢰도 및 타당도 검정 이 이루어져야 한다. 하지만 패션 관여도와 명품 관여도가 같은 관여도를 측정하고 있다는 점과 명품이 패션에 포함되는 개념이라는 점에서 2개의 변수가 구별되는지 확인할 필요가 있다고 판단되어 명품 관여도, 패션 관여 도를 동시에 투입하여 요인분석하였다.
패션 관여도 5개 문항, 명품 관여도 4개 문항, 총 9개 문항에 대하여 고 윳값 1을 기준으로 요인분석하였다. 이때 탈락된 문항 없이 2개의 변수가 잘 구별됨을 확인하였고, 각 문항의 요인 부하량 역시 .830 ~ .918의 값의 범위로 높은 수준의 요인 부하량을 보였다. 또한 각 변수의 고유치 역시 모 두 1을 넘기는 것으로 확인되었다. 이로써 패션 관여도, 명품 관여도의 타 당도가 확인되었다. 이어서 각 변수를 구성하는 문항의 크론바흐 알파 값을 살펴본 결과, 패션 관여도(.968), 명품 관여도 (.931) 2개 변수 모두 높은 내적 일관성을 보이는 것으로 확인되었다. 구체적인 요인 분석 결과는 <표 4-6>과 같다.
92
<표 4-6> 조절변수의 신뢰도 및 타당도 검정 결과
요인 설문 문항 요인
부하량 고유치 분산(%)
(누적) 신뢰도
패션 관여도
패션은 나에게 중요하다. .918
4.069 67.179
(67.179) .968 나는 패션에 대해 많이 생각한다. .908
나는 패션에 관심이 많다. .904 패션은 나의 삶에서 중요한 부분
이다. .897
패션은 나에게 많은 의미가 있다. .883
명품 관여도
나는 명품 브랜드 및 제품에 대해
이야기하는 것을 좋아한다. .900
3.051 19.021
(86.200) .931 나는 다른 사람이 가지고 있는 명
품 제품을 눈여겨 보는 편이다. .885 나는 명품을 좋아한다. .877 나는 일반적인 사람들보다 상대적
으로 명품에 대해 잘 알고 있는 편이다.
.830
93
제 3 절 변수의 기술 통계
본 절에서는 분석에 사용한 변수의 기술 통계량을 통해 수집한 자료의 기 초적인 형태와 특성을 살펴보고자 한다. 본 연구의 분석에는 언어적 커뮤니 케이션 3개, 비언어적 커뮤니케이션 3개, 지각된 콘텐츠 정보 속성 3개, 구 독의도 1개, 구매의도 1개, 그 외 조절 변수 2개, 총 13개의 변수가 사용되 었으며, 사용된 13개 변수의 기술 통계량은 <표 4-7>과 같다. 모든 변수 는 1점(“전혀 그렇지 않다.”)부터 7점(“매우 그렇다.”)의 리커트(Likert) 척도로 측정되었으며, SPSS 25.0을 이용하여 분석되었다. 기술 통계량으는 표본 수, 최솟값, 최댓값, 평균, 표준편차가 사용되었다.
모든 변수의 표본 개수는 337개로 동일하다. 변수의 최솟값과 최댓값을 살펴보면, 전문성과 신체외형을 제외한 모든 변수의 최솟값은 1로 나타났으 며, 주장 설득력을 제외한 모든 변수의 최댓값이 7로 나타났다.
구독의도, 구매의도, 명품 관여도를 제외한 모든 변수의 평균이 척도의 중앙값(센터)인 4점보다 큰 것으로 나타났다. 특히 크리에이터가 하울하는 제품에 대해 가지고 있는 상품 및 브랜드에 대한 지식과 경험을 측정한 전 문성(M=5.07, SD=1.16)과, 영상에 노출되는 크리에이터의 자세, 표정, 시 선 등을 측정한 신체언어(M=5.18, SD=0.95)가 높은 평균값을 보였다. 반 면 구독의도(M=3.72, SD=1.67), 구매의도(M=3.66, SD=1.46), 명품 관 여도(M=3.31, SD=1.48)가 상대적으로 낮은 평균값을 보였다. 특히 구독 의도의 경우 모든 변수 중에서 가장 높은 표준편차 값을 보였는데, 이는 명 품 하울 자극물 영상을 시청한 시청자의 구독의도에 대한 평가가 다른 변수 에 비하여 평균을 중심으로 다소 넓게 분포되어 있음을 의미한다.
94
<표 4-7> 변수의 기술 통계량
변 수 하위 요인 최솟값 최댓값 평균 표준편차
언어적 커뮤니케이션
전문성 1.50 7.00 5.07 1.16
주장 설득력 1.00 6.75 4.26 1.10
감정이입 1.00 7.00 4.20 1.41
비언어적 커뮤니케이션
신체언어 1.00 7.00 5.18 0.95
의사언어 1.00 7.00 4.86 1.02
신체외형 1.20 7.00 4.83 1.04
지각된 콘텐츠 정보 속성
유희성 1.00 7.00 4.39 1.45
정보성 1.00 7.00 4.72 1.22
신뢰성 1.00 7.00 4.56 1.21
구독의도 1.00 7.00 3.72 1.67
구매의도 1.00 7.00 3.66 1.46
크리에이터 인지도 1.00 7.00 3.93 1.75
패션 관여도 1.00 7.00 4.05 1.41
명품 관여도 1.00 7.00 3.31 1.48
Note: 모든 변수는 7점 리커트 척도로 측정(1점 = “전혀 그렇지 않다.”, 7점 =
“매우 그렇다.”), N=337
95
제 4 절 집단 간 동질성 검정
본 절에서는 연구에 사용된 3개의 자극물 집단별 동질성 검정을 확인한 다. 본 검정은 자극물에 할당된 집단 간에 차이가 없음을 확인함으로써 연 구의 타당도를 높이기 위함이다. 또한 집단별 동질성 검정을 통해 차이가 나는 변수에 대하여 추후 연구 모형에서 통제변수로 투입시키기 위함이다.
집단 간 동질성 검정에는 개인 속성 변수인 연령, 패션 관여도, 명품 관여 도가 고려되었고, 추가로 크리에이터의 인지도에 따른 차이를 확인하고자 크리에이터 인지도를 바탕으로 집단 간 동질성 검정이 수행되었다. 동질성 검정을 위하여 일원분산분석이 사용되었고, 분석 결과는 <표 4-8>과 같다.
분석 결과를 살펴보면, 연령, 패션 관여도, 명품 관여도의 경우 집단 간 유 의한 차이가 없음이 확인되었다. 그러나 크리에이터 인지도에 있어서는 유 의한 차이가 있음을 확인하였다. 이는 크리에이터 인지도에 있어서 자극물 간 차이가 있음을 의미하며, 인지도 차이가 분석에 영향을 미칠 수 있음을 시사한다. 이와 같은 문제를 방지하기 위하여 향후 연구 문제 분석에 있어 서 크리에이터 인지도를 연구 모형의 통제변수로 투입하는 것이 적절할 것 으로 판단된다.
<표 4-8> 집단 간 동질성 분석 결과 집단
구분
자극물1 n=110
자극물2 n=112
자극물3
n=115 F값
연령 30.16 28.97 29.43 1.354
패션 관여도 4.23 3.88 4.04 1.771
명품 관여도 3.44 3.23 3.28 0.591
크리에이터 인지도 5.33 3.18 3.30 76.171 ***
*** p<.001
96
제 5 절 연구 문제 검정
본 절에서는 앞서 설정한 7가지 연구 문제 검정에 대한 검정 방법을 언 급하고자 하며, 구체적인 분석 방법은 <표 4-9>와 같다. 먼저 다중 회귀 분석을 통해 본 연구에서 핵심적으로 다루고자 하는 유튜브 명품 하울 영상 크리에이터의 커뮤니케이션 특성이 시청자가 지각하는 콘텐츠 정보 속성에 미치는 영향을 확인하고 나아가 해당 채널에 대한 구독의도와 영상에서 소 개된 제품에 대한 구매의도에 어떤 영향을 미치는지를 연구 문제 1, 2, 3, 4 를 통해 확인하고자 한다. 이어서 연구 문제 5, 6의 경우, 유튜브 명품 하울 영상 크리에이터의 커뮤니케이션 특성과 시청자가 지각하는 콘텐츠 정보 속 성 간의 관계를 조절할 것으로 예상되는 패션 관여도, 명품 관여도를 위계 적 회귀분석을 통해 조절효과를 살펴보고자 한다. 마지막으로 연구 문제 7 의 경우 유튜브 명품 하울 영상 크리에이터의 커뮤니케이션이 직접적으로 시청자의 구독의도에 미치는 영향에 있어서 각 커뮤니케이션 요소의 중요도 를 확인하기 위하여 기계학습의 한 부분인 인공 신경망을 활용하고자 한다.
<표 4-9> 연구문제 검정 방법
연구 문제 분석 방법 분석 도구
1
회귀분석
다중회귀분석
SPSS 25.0 2
3 4
5 조절회귀분석
(위계적 회귀 분석) 6
7 기계학습 인공신경망분석 Python 2.7, SPSS 25.0
97
1. 크리에이터의 언어적·비언어적 커뮤니케이션이 지각된 콘텐츠 정