Customer Satisfaction Index Modeling with SEM (Amos)

개요

병원 내 서비스 혁신팀의 의뢰로 진행한 통계 컨설팅 프로젝트입니다. 환자/고객 설문지 응답 데이터를 활용해 서비스 품질의 잠재 구조를 모형화하고, 그로부터 고객만족지수(Customer Satisfaction Index, CSI) 를 산출하는 것이 목표였습니다.

보안 안내. 본 프로젝트는 대외비로, 구체적인 설문 항목·결과 수치·도식은 공개하지 않습니다. 본 페이지는 적용된 방법론과 분석 과정 중심으로 정리합니다.

데이터

• 출처: 병원 서비스 혁신팀이 자체 시행한 고객 설문 결과 (수치/항목 비공개)
• 전처리: 결측치 제거 (NA exclusion), 셀별 가중치 부여, 가중치 적용 셀 단위 데이터셋 구성
• 변수 구조: 서비스 품질의 다양한 측면을 측정한 다수의 관측 항목 → 잠재 변수(서비스 품질 차원)에 매핑

방법론

Structural Equation Modeling (SEM)

본 분석에는 구조방정식 모형, 그중에서도 잠재변수 1개에 여러 관측 지표를 두는 다지표(multi-indicator) 측정 모형을 적용했습니다.

• 잠재변수에 대해 reference indicator를 무작위로 1로 고정 (model identification)
• 관측 변수 간 직접 path는 설정하지 않고, 측정 모형(measurement model)에 충실하게 구성
• 잠재변수 자체에는 error term이 부착되지 않도록 주의 (모형 형태 점검)

적합도(Fit) 지표

표준 SEM 적합도 지표를 통해 모형의 데이터 부합 정도를 진단:

• $\chi^2$, df, $\chi^2$/df
• CFI (Comparative Fit Index)
• TLI (Tucker-Lewis Index)
• RMSEA (Root Mean Square Error of Approximation)
• SRMR

수렴 타당성 (Convergent Validity)

잠재변수 자체의 신뢰성·타당성을 확인하기 위한 추가 검증:

• 개념신뢰도 (Construct Reliability, CR)
• 분산추출지수 (Average Variance Extracted, AVE)

CSI (고객만족지수) 산출

최종 채택된 측정 모형의 표준화 회귀 계수(standardized regression weights) 와 가중치 셀을 결합해 고객만족지수를 산출했습니다. 이 지수는 의뢰 부서가 정성적 보고에 활용할 수 있도록 표준화된 단일 점수 형태로 제공되었습니다.

도구

• Amos — SEM 모형 추정·적합도 산출
• SPSS — 데이터 전처리, 가중치 적용, 보조 분석

효과 / 임팩트

• 비즈니스 문제 → 통계 문제 변환 — “고객만족도를 단일 점수로 보고하고 싶다"는 요구를 SEM 측정 모형으로 정의
• 외주 비용 절감 — 구조방정식 전문 모델링은 외부 컨설팅으로 의뢰 시 비용 부담이 상당함. 원내 의학통계지원센터에서 직접 수행함으로써 의뢰 부서의 외주 비용을 절감하고, 분석 흐름을 부서 일정에 맞춰 유연하게 진행

산출물

• 고객만족지수(CSI) 단일 점수 + 항목별 표준화 가중치
• 분석 결과 보고서 — 의뢰 부서 내부 의사결정용 (대외비)