LPA 및 QCA 분석 결과 (T2, T3)
최종 업데이트: 2026-03-28
T2: 잠재 프로파일 분석 (LPA)
모형 비교
6개 지표변수(DT인식 3항목, 스마트팩토리 현재수준, 교육훈련수준, 디지털업무자동화수준)를 투입하여 1~5 클래스 LPA를 실시하였다.
분석 표본: 277건 (결측 제외)
도구: R tidyLPA + mclust 교차검증
최적 솔루션: 3-class
| 지표 | 결과 | 판정 |
|---|---|---|
| 최적 클래스 수 | 3 | BIC/AIC 종합 판단 |
| Entropy | 0.846 | 양호 (>.80) |
| 최소 클래스 비율 | >5% | 충족 |
3개 프로파일 특성
| 프로파일 | 명칭 | 특징 | 비율 |
|---|---|---|---|
| P1 | DT 미인식형 | 전 지표 1~2점대, DT 인식/인프라 모두 낮음 | 다수 |
| P2 | 인식-미실행형 | DT 인식은 높으나 인프라/실행 수준 낮음 | 중간 |
| P3 | 적극 전환형 | 전 지표 3점 이상, DT 인식과 인프라 모두 높음 | 소수 |
프로파일별 교육효과 차이 (BCH-proxy ANOVA)
프로파일별 교육효과(Q3 전후차이, 현업적용도_조직환경, 만족도)의 차이를 분류오차를 고려한 BCH-proxy 방식으로 검정하였다. 프로파일 간 교육효과의 차별적 패턴이 확인되었다.
mclust 교차검증
tidyLPA 결과의 강건성을 확인하기 위해 mclust 패키지로 교차검증을 실시하였다. 3-class 솔루션이 두 패키지 모두에서 지지되었다.
T3: 질적비교분석 (QCA)
캘리브레이션
fsQCA를 위해 연속변수는 직접 캘리브레이션(5th, 50th, 95th percentile)으로 퍼지셋 변환하고, 이분형 변수(DT부서_보유, DT교육_있음)는 크리스프셋으로 유지하였다.
분석 표본: 282건
조건 변수 (5개)
| 조건 | 유형 | 변환 |
|---|---|---|
| DT인식_합산 | Fuzzy | 직접 캘리브레이션 |
| 스마트시스템_합산 | Fuzzy | 직접 캘리브레이션 |
| 교육훈련수준 | Fuzzy | 직접 캘리브레이션 |
| DT부서_보유 | Crisp | 이분형 (0/1) |
| DT교육_있음 | Crisp | 이분형 (0/1) |
Outcome: Q3_전후차이 (M=1.45, SD=1.21)
필요조건 분석
Consistency > 0.9 기준으로 필요조건을 검토하였다.
충분조건 분석: 8개 경로
Truth table 분석 결과, 높은 교육효과(Q3 전후차이)를 달성하는 8개의 충분 경로가 도출되었다.
| 기준 | 값 |
|---|---|
| Raw consistency | > 0.80 |
| PRI | > 0.75 |
| Solution coverage | > 0.25 |
등결과성(Equifinality) 확인
8개 경로의 존재는 동일한 결과(높은 교육효과)에 도달하는 다양한 조건 조합이 존재함을 의미한다. 이는 DT 준비도와 교육효과의 관계가 단순 선형이 아닌 구성적(configurational)임을 입증한다.
핵심 함의:
- DT 인식이 낮더라도 다른 조건(추진부서, 교육경험 등)의 조합으로 높은 효과 달성 가능
- 단일 변수의 효과가 아닌 조건 조합의 효과로 접근해야 함
- T0에서 발견된 “DT인식↔︎교육효과 약한 상관”의 원인을 설명
강건성 검정
Consistency 기준을 변동(0.75, 0.80, 0.85)시켜 경로의 안정성을 확인하였다.
XY Plot
퍼지셋 멤버십 점수를 기반으로 한 XY Plot을 통해 충분조건의 시각적 확인을 수행하였다.
T2-T3 연계: Person-centered + Configuration 통합
LPA에서 도출된 프로파일 소속을 QCA의 조건변수로 추가 투입하여 분석을 확장할 수 있다. “적극 전환형” 프로파일 소속이 높은 교육효과의 충분조건 일부로 작동하는지 검증하는 후속 분석이 가능하다.
이 통합 접근은 Person-centered approach(LPA)와 Configurational approach(QCA)를 결합한 방법론적 차별성을 갖는다.