퍼지셋 질적 비교분석
1. 개념 정의
퍼지셋 질적 비교분석(Fuzzy-set/Qualitative Comparative Analysis, 이하 Fs/QCA)은 라긴(Charles Ragin)이 퍼지셋 이론을 사회과학에 적용하기 위해서 발전시킨 방법이다. Fs/QCA는 기존의 불리언 대수학(Boolean algebra, 컴퓨터나 전자공학에서 참과 거짓 등을 숫자 1과 0만으로 표현하는)을 적용한 QCA에서 발전되었다. 불리언 대수학은 전통적으로 사회현상을 0(absent)과 1(present)로 표현하여 결합적 인과관계를 밝히는 방법이다. 20세기 후반 사회과학에서 사용되었던 이 방법은 사회현상을 과도하게 이분법으로 나누는 전통적 집합(conventional set or crisp set)을 사용한다는 점에서 지속적인 비판을 받아왔다. 실제 많은 사회현상이 뚜렷이 어느 그룹에 속하거나 속하지 않는 것으로 나누는 것이 쉽지 않기 때문이다. 이에 반하여 1965년 이래로 Lotfi A. Zadeh, Dieter Klaua 등에 의해 수학이나 심리학 등에서 발전된 퍼지셋은 0과 1의 이분법 그 사이에 연속적인 숫자 값 표현이 가능하다는 장점이 있다(Wikipedia, 2013.2.21). Fs/QCA는 퍼지셋과 기존의 QCA를 결합함으로써 특정한 사회적 현상이 어떠한 결합적 요인들에 의해서 생성되었는가를 밝힐 수 있는 기회를 제공한다. 기존의 사례중심방법(case-oriented methods)을 사용하는 질적 연구자들은 전통적으로 한 연구 내에 단지 소수의 사례만을 비교할 수 있지만, Fs/QCA는 보다 많은 수의 사례를 보다 엄밀하게 다룰 수 있다는 장점이 있다. 변수 중심적 방법(variable-oriented methods)을 사용하는 양적 연구자들은 다수의 사례(large-N)가 있어야 분석이 가능하다. 그러나 Fs/QCA는 중범위 사례(Intermediate N)를 다룰 수 있으며, 사례에 대한 질적인 속성을 동시에 감안한다는 장점을 가지고 있다. 또한, 순효과(net-effect)를 넘어서 필요충분 조건을 제시한다는 점 또한 강점이다. Fs/QCA는 Ragin이 개발한 소프트웨어를 사용하고, 이 소프트웨어는 다양한 결합조건을 줄여가는 최소화 과정(minimization process)과 진실표(truth table) 등의 알고리즘을 활용하여 필요충분 조건을 도출한다.
2. 활용 분야
퍼지셋 이론의 경우는 현재 의사결정, 언어학, 클러스터 분석 등 다양한 영역에서 활용되고, “불완전, 부정확한 정보”를 처리하는 분야에서 특히 광범위한 응용 잠재력을 인정받고 있다. 데이터베이스를 이용 유전 코드를 분석하는 생물정보학(bioinformatics), 출생 기록을 이용해 조상을 찾는 족보, 계통도의 연구(genealogical research), 사회과학 분야로는 심리학, 최근에는 행정학과 정책학 및 여타 사회과학에서 활용이 나타나고 있다. 예를 들어, Kvist(1999)는 복지개혁, Harris, Stoddard, and Bezdek (1993)은 지역을 유형화하는데 퍼지셋 이론을 적용한 바 있고, Smithson and Verkuilen (2006)은 사회과학 분야에 활용 여지를 소개한다. 사회과학 분야의 경우, 대체로 첫째, 20-30개 정도의 중범위 수를 가지고 있고, 둘째 독립 변수들의 순효과보다는 결합요인에 관한 연구질문을 다루거나, 셋째 상관관계(correlation)보다는 집합(set), 다시 말해서 소속(membership) 관계를 밝히고자 할 때 이 방법이 사용된다. 최영준 (2009)은 행정학 분야에 퍼지셋 질적 비교 분석 방법을 소개하고 적용 사례를 제시한 연구로, Fs/QCA와 함께 군집분석의 대안적 방법으로 활용 가능한 “퍼지 이상형 분석(fuzzy-set ideal type analysis)을 소개하고 사회과학 분야에서 퍼지셋 이론의 광범위한 활용 가능성을 주장한다.
3. 한계점
Fs/QCA의 한계점은 여러 가지이다(최영준, 2009: 330-333). 첫째, ‘Large-N’의 문제로서 기본적으로 퍼지셋 방법론은 사례가 갖는 복잡성을 고려하는데 장점을 갖고 있는 대신, 예를 들어 100개 이상의 사례를 다룰 수 있는 것인지 그렇게 하는 것이 과연 바람직한 것인가? 등은 고민이 필요하다. 둘째, 실제 점수의 퍼지 점수로의 전환을 얼마나 과학적으로 할 수 있는가도 의문이다. 원점수(raw value)를 퍼지점수로 변환할 때 연구자는 최소 0과 1, 그리고 0.5(cross-over point)를 지정해야 하는데, 연구자가 이러한 전환을 충분히 설명할 수 없는 경우 퍼지점수 자체가 자의적이라는 비판에 직면할 수 있다. 그렇기 때문에 점수의 변환과정은 이론적이고 실질적 지식을 동원해서 이루어져야하며, “명백하고 공개(open and explicit)”되어야 한다. 또한 이러한 자의성을 해소하기 위해서 다양한 기준을 사용하여 민감도 분석 결과를 제시하는 것도 좋은 방법이다. Fs/QCA는 여전히 발전 중에 있는 방법론으로서 향후 소프트웨어의 발전으로 보다 정교한 분석이 가능해져야 할 것이다.
참고문헌
최영준 (2009). 사회과학에서 퍼지셋 활용의 모색: 퍼지 이상형 분석과 결합 요인 분석을 중심으로. 정부학연구, 15(3): 307-336.
Harris, T. R., Stoddard, S. W., & Bezdek, J. C. (1993). Application of fuzzy-set clustering for regional typologies. Growth and Change, 24(2): 155-165.
Kvist, J. (1999). Welfare reform in the Nordic countries in the 1990s: Using fuzzy set theory assess conformity to ideal types. Journal of European Social Policy, 9(3): 231-52.
Ragin, C. (2000). Fuzzy-set social science. Chicago, IL: University of Chicago Press.
Smithson, M., & Verkuilen, J. (2006). Fuzzy set theory: Applications in the social science. London: SAGE Publications.
Wikipedia. http://en.wikipedia.org/wiki/Fuzzy_set. 검색일자, 2013.2.21.
키워드 : 퍼지셋 질적 비교분석, 퍼지셋 이론, 질적 비교 분석
저 자 : 박흥식 (hspark@cau.ac.kr), 최영준 (sspyjc@korea.ac.kr)
작성일 : 2013.2.20.