서론
이론적 배경 및 선행연구
1. 계획행동이론(TPB) 선행연구
2. 모빌리티 매니지먼트(MM) 선행연구
3. 건설현장 교통관리(CTM) 선행연구
4. 소결 - 건설현장 TPB & MM 도입 필요성
연구 설계 및 데이터
1. 설문조사지 설계
2. 데이터 전처리
3. 보행거리 변수 추가
방법론
분석 결과
1. 표본 특성 및 기술통계
2. 측정모형 평가(Measurement model evaluation)
3. 구조방정식 모형의 구축
4. 구조방정식 모형 분석 결과
논의
1. 주요 시사점
2. MM 정책 도출 방안
결론
1. 이론적 기여
2. 한계점 및 향후 연구방향
서론
최근 노동력 부족, 생산성 정체 등 환경 변화로 인해 건설산업 성장은 정체되어 있으며, 건설 생산성은 2000~2022년 연평균 0.4% 성장에 그치는 등 생산성 향상이 필수적인 상황이다(Mischke et al., 2024). 생산성은 “프로젝트에 투입되는 인력, 자재, 경비 등의 자원(Inputs) 대비 발주자가 요구하는 예산, 공기, 품질 등의 결과물(Outputs) 충족 정도”라고 할 수 있으며(Jung et al., 2020), 특히 대형 프로젝트에서 노동력(근로자) 등 자원의 효율적 관리와 운영이 생산성 제고의 핵심 요소로 인식되고 있다.
대규모 건설 프로젝트는 도시 지역의 경제 발전에 중요한 역할을 하지만, 주변 환경, 특히 교통 체계에 부정적 영향을 미친다(Hyari et al., 2015; Alshalalfah et al., 2018). 이러한 맥락에서 건설현장과 주변 교통 관리에 대한 체계적인 접근이 요구된다. 적절한 교통관리를 통한 근로자 등 자원의 원활한 이동과 적시 투입은 건설산업 전반의 운영 효율성과 직결되며(Hyari et al., 2015), 특히 근로자의 통근수단 선택에 따른 통근 패턴은 근로자의 결근, 지각, 태업 등 노동 생산성 관련 요인에 유의미한 영향을 미치는 것으로 보고되고 있다(Chaparro et al., 2020).
이러한 내용을 바탕으로, 본 연구는 울산 소재의 국내 대형 건설현장의 근로자 출퇴근에 따른 교통 리스크와 생산성에 대한 문제의식에서 출발하였다. 본 연구의 대상 현장은 ‘건설근로자의 고용개선 등에 관한 법률’ 및 동법 시행령에 따라 시행되는 건설근로자 퇴직공제 제도에 따라 근로자의 현장 출입 시 전자카드 태그를 통해 근로내역을 기록하고 있다. 본 연구의 설문조사가 수행된 기간(4/7(월)~4/18(금), 주말 제외) 동안 기록된 일 평균 출역인원은 약 2,612명으로 확인되었으며, 현장 계획에 따르면 본격적인 공사 진행에 따라 최대 약 10,000명 이상의 근로자가 투입될 예정이다. 울산교통관리센터에서 제공하는 ‘2025년 정기 교통량 및 속도 조사 결과 보고서’에 따르면, 온산국가산업단지 내 위치한 본 연구의 대상 현장에 인접한 6~8차선 도로인 온산로의 일 평균 교통량은 오전 첨두시 1,719대/시(울산시 주요 가로 중 하위 26.5%), 오후 첨두시 2,801대/시(울산시 주요 가로 중 하위 50.0%) 수준으로 울산시 평균 이하의 교통량을 보이는 것으로 파악된다. 그러나 향후 출역인원이 최대치에 도달할 경우 약 7,400명 이상의 근로자가 추가 투입되며, 이로 인해 유발되는 교통량으로 현장 주변의 교통혼잡이 심화될 수 있다.
따라서 교통혼잡 해결을 위한 운영 차원의 대안 마련이 필요하며, 그 방법으로 현장의 승용차 중심 출퇴근의 문제해결을 위해 통근버스로의 수단전환을 유도하기 위한 정책 도출을 목표로 근로자들의 수단전환 의사(Behavioural change intention) 영향요인을 분석하는 교통 수요관리(Traffic Demand Management, TDM) 기법 중 하나인 모빌리티 매니지먼트(Mobility Management, MM)를 제안한다. 이를 통해 통근버스로의 근로자 출퇴근 교통수단 전환을 유도하고 나아가 현장 접근성과 교통운영의 효율성 극대화를 궁극적 목표로 한다.
이를 위해, 본 논문에서는 근로자 대상 설문조사 결과를 바탕으로, 구조방정식 모델링(Structural Equation Modeling, SEM) 기법을 활용하여 통근버스 수단전환 의사에 영향을 미치는 주요 요인을 탐색적으로 분석하였다. 특히 모빌리티 매니지먼트 분야에서 일반적으로 연구되어 온 요인 외 건설현장 특성을 반영하기 위한 잠재요인을 추가하여 그 구조적 영향을 분석하고, 그 결과를 바탕으로 통근버스로의 궁극적으로 수단전환을 유도할 수 있는 정책 기반을 마련하는데 초점을 맞춘다. 나아가 건설현장 교통정책 마련의 중요성이라는 새로운 화두를 제시함과 동시에, 현장 생산성 향상과 지속가능성에 기여할 수 있을 것으로 기대한다.
이론적 배경 및 선행연구
인구의 도시 집중에 따른 교통혼잡, 환경오염, 교통사고 등 부정적 외부효과를 완화하기 위해, 자가용 이용자의 대중교통으로의 수단전환을 유도하는 교통수요관리는 교통계획 분야의 주요 연구 주제로 지속적으로 다루어져 왔다. 이에 따라 승용차 이용 억제와 지속가능 교통수단 활성화를 목적으로 다양한 정책이 시행되어 왔으며, 그 효과와 행동 메커니즘을 분석한 연구 역시 축적되어 있다. 그러나 인력·자재·장비 등 현장 핵심 자원의 이동으로 발생하는 교통혼잡을 관리하기 위해 건설현장에 교통수요관리 개념을 적용한 연구는 상대적으로 제한적이다. 특히 대형 건설현장은 공사 첨두 시 대규모 교통을 유발하여 인접 도로망 혼잡뿐만 아니라 현장 내부 공정 운영에도 영향을 미칠 수 있으며, 생산성 저하로 연결될 가능성이 있다. 이에 본 장에서는 선행연구 검토를 통해 건설현장 교통수요관리 도입의 필요성을 정리하고, 이를 위한 이론적·방법론적 기반을 논의하고자 한다.
1. 계획행동이론(TPB) 선행연구
건설현장 교통수요관리 연구에서는 사회심리학적 이론에 기반한 행동 모형을 활용하여 개인의 내적 요인이 교통수단 선택에 미치는 영향을 분석하는 접근이 주로 활용되어 왔다. 이 가운데 계획행동이론(Theory of Planned Behavior, TPB)은 특정 행동 수행 의도(behavioral intention)가 실제 행동의 직접적 선행요인이며, 행동에 대한 태도(attitude), 주관적 규범(subjective norm), 지각된 행동통제(perceived behavioral control)에 의해 형성된다고 설명한다(Ajzen, 1991).
교통 분야에서는 계획행동이론(TPB)를 활용하여 승용차 이용자의 대중교통 수단전환 의사, 통근수단 선택, 자전거·보행 이용 및 환경친화적 교통행태를 설명하는 연구가 다수 수행되어 왔다. 선행연구에 따르면 지각된 행동통제와 태도, 규범적 요인은 대중교통으로의 수단전환 의사 형성에 유의한 영향을 미치며, 특히 개인이 인식하는 통제 가능성이 행동변화에 중요한 역할을 하는 것으로 보고되고 있다(Park and Yi, 2023; Ki and Chang, 2024). 최근에는 계획행동이론(TPB)을 단독으로 활용하기보다 가치-신념-규범(Value-Belief-Norm, VBN) 이론이나 외부 정책적 요인인 인센티브 관점(View of Incentive)을 통합하여 행동변화 의사를 높이는 요인에 대한 연구도 보고되고 있다(He et al., 2024). 이러한 연구들은 개인의 태도·규범·통제 인식 구조와 새로운 요인이 행동변화 의사에 미치는 영향을 계량적으로 반영함으로써, 계획행동이론(TPB) 기반 모형이 교통수요관리 연구에 효과적으로 활용될 수 있음을 보여준다.
2. 모빌리티 매니지먼트(MM) 선행연구
모빌리티 매니지먼트(Mobility Management, MM)는 사회심리학적 행동이론을 실무 및 정책 차원에서 적용하기 위한 소프트 교통정책 프레임으로 이해할 수 있다(Fujii et al., 2006; Bamberg et al., 2011). 유럽 모빌리티 매니지먼트 플랫폼(EPOMM, 2013)은 모빌리티 매니지먼트(MM)를 정보 제공, 커뮤니케이션, 서비스 조직 및 이해관계자 간 조정을 통해 승용차 이용 수요를 관리하고 지속가능 교통수단 이용을 촉진하는 개념으로 정의하며, 주차 확충이나 도로 확장과 같은 하드 인프라 투자보다 자발적 행동변화를 유도하는 소프트 수단의 중요성을 강조한다.
국내에서도 모빌리티 매니지먼트(MM) 개념을 교통수요관리 정책에 적용하려는 연구가 지속적으로 수행되어 왔다. 선행연구들은 해외 모빌리티 매니지먼트(MM) 사례 분석을 통해 국내 도입 가능성과 정책적 적용 방향을 제시하였으며(Yi and Rho,2010), 지역 단위 실증 사례를 통해 주민 만족도, 인식 변화, 교통수단 전환 효과를 구조방정식모형으로 분석하였다(Kim et al., 2015). 또한 교통수요관리 정책에 대한 시민 의식조사와 정보 제공 실험을 통해, 개인의 인식 변화와 행동의도 형성이 실제 수단전환 행동으로 이어질 수 있음을 실증적으로 확인하였다(Ha et al., 2017; Ha et al., 2018). 한편 Inturri et al.(2020)은 모빌리티 매니지먼트(MM)를 통해 대학생에게 무료로 제공되는 대중교통 서비스가 대중교통의 수단분담률의 획기적인 변화로 연결되었으며, 이는 모빌리티 매니지먼트(MM)를 대중교통 이용자 수 증가에 따른 대중교통 서비스 품질 개선과 인프라 확충 요구에 대한 강력한 근거로 제시할 수 있음을 보여준다. 이러한 연구들은 모빌리티 매니지먼트(MM)가 개인의 인식과 규범 변화 등을 매개로 교통행태 변화를 유도할 수 있는 효과적인 정책 수단임을 보여주며, 행동이론 기반의 정량적 분석 방법과 결합될 때 정책 설계에 유용한 시사점을 제공함을 의미한다.
3. 건설현장 교통관리(CTM) 선행연구
사회심리학적 행동이론과 교통수요관리 정책을 건설현장에 적용하려는 시도는 제한적이나 일부 연구를 통해 간접적으로 논의할 수 있다. Cairns et al.(2010)은 출퇴근 교통 문제 해결을 위한 직장 통행계획(Workplace Travel Planning)의 중요성을 강조하며, 고용주의 교통관리 전략과 대체 교통수단 제공, 주차 관리 정책이 자가용 이용 저감에 핵심적 역할을 한다고 보고하였다. 해당 연구의 대상은 일반 직장인으로, 본 연구의 대상인 건설현장 근로자와 유사하다고 볼 수 없으나, 직장 단위 교통관리 전략이 건설현장 근로자의 통근행태에도 적용될 수 있음을 시사한다.
한편 건설 활동으로 인해 발생하는 교통 영향에 대한 연구에서는 추가적인 공사 교통량으로 인한 혼잡과 지체, 주차 공간 부족, 공사 차량 진·출입에 따른 상충지점 증가, 중장비 이동에 따른 안전 문제 등이 주요 이슈로 지적되어 왔다(Hyari et al., 2015). 이러한 문제에 대응하기 위해 공사교통관리계획(Construction Traffic Management Plan)을 중심으로 한 관리 프레임워크가 제시되었으나, 대부분의 연구는 공사 차량 및 도로 운영 관리에 초점을 두고 있어 근로자의 통근행태 변화나 행동의사 구조를 정량적으로 분석하는 데에는 한계가 있다. 이와 관련하여, Alshalalfah et al.(2018)은 사우디아라비아 리야드 메트로 5호선 건설 사례를 통해 대규모 건설 프로젝트가 도시 교통 체계에 미치는 영향과 이에 대응한 종합적 전략 교통관리 계획(Comprehensive Strategic Traffic Management Plan)의 수립 및 시행 과정을 보고하였다. 해당 연구에서는 주요 도로의 임시 일방통행 전환, 교차로 개선, 교통 신호 체계 변경 등 물리적 조치와 함께, 인접 정부 기관의 근무시간 조정 및 지역사회 홍보 프로그램 등 소프트 정책을 병행한 통합적 접근이 시행 효과를 높이는 데 기여하였음을 제시하였다. 이 사례는 대규모 건설현장의 교통관리가 단순히 공사 차량 운영에 국한되지 않고, 주변 통근 교통수요의 관리까지 포괄하는 종합적 관점에서 접근되어야 함을 보여주는 것으로, 본 연구에서 건설현장 근로자의 통근 수단전환을 유도하기 위한 모빌리티 매니지먼트 접근의 필요성을 뒷받침하는 사례로 볼 수 있다.
4. 소결 - 건설현장 TPB & MM 도입 필요성
앞서 검토한 계획행동이론(TPB)과 모빌리티 매니지먼트(MM) 선행연구를 종합하면, 계획행동이론(TPB)은 개인의 교통수단 전환 행동을 설명하는 인지적 구조를 제시하는 이론적 틀이며, 모빌리티 매니지먼트(MM)는 이러한 이론을 기반으로 설계·운영되는 정책 및 프로그램의 총체로 이해할 수 있다. 그러나 기존 건설현장 교통관리 연구에서는 이러한 접근을 근로자의 통근행태 분석에 적용한 사례가 매우 제한적이며, 대부분 현장 및 주변 도로망의 교통영향 분석이나 거시적 교통관리 프레임워크 제시에 초점을 두어 왔다.
이에 본 연구는 실제 건설현장의 교통유발 주체인 건설 근로자를 대상으로 설문조사를 수행하고, 자가용에서 통근버스로의 수단전환 의사에 영향을 미치는 요인을 계획행동이론(TPB) 기반 사회심리학적 관점에서 분석하고자 하였다. 이는 관리자 중심의 기존 건설현장 교통관리 접근에서 벗어나, 수요자인 근로자 관점의 교통관리 분석을 시도한 사례라는 점에 의의가 있다. 나아가 본 연구는 건설현장에 모빌리티 매니지먼트 개념을 도입하여 근로자 중심의 통근버스 이용 유도 정책을 설계·추진할 수 있는 실증적 기반을 제시한다는 점에서 기존 연구와 차별성을 가진다.
연구 설계 및 데이터
건설 근로자의 통근 수단전환 의사를 분석하기 위해, 울산광역시에 위치한 대형 건설현장의 근로자를 대상으로 설문조사를 실시하였다. 여기서 “건설 근로자”는 현장의 종합건설사와 계약된 협력업체의 근로자 중, 모빌리티 매니지먼트의 목적 상 행동변화 관측을 위해 현장이 준공되는 시점까지 근무하는 중·장기 계약 근로자로 정의한다. 이에 대한 근거는 ‘분석 결과’ 장의 ‘1. 표본 특성 및 기술통계’에서 자세히 기술한다.
설문조사는 2025년 4월 7일부터 4월 18일까지 수행되었으며, 총 123부의 설문을 회수하였다. 이 중 거주지 위치 정보가 불완전한 사례를 제외하고, 공간정보 결합이 가능한 92부를 최종 분석 표본으로 활용하였다. 본 장에서는 설문조사지 설계 과정과 데이터 전처리 절차, 그리고 공간적 요인을 반영하기 위한 보행거리 변수 산출 방법을 제시한다.
1. 설문조사지 설계
본 연구의 설문조사지는 기존 모빌리티 매니지먼트 및 교통행태 연구에서 활용된 설문 문항을 기반으로 구성하였다(Yi, 2011; Lee et al., 2013; Ha et al., 2018). Table 1과 같이 선행연구에서는 일반적으로 3~5개의 잠재변수를 설정하고, 각 잠재변수를 2~4개의 관측변수로 측정하는 구조를 사용하였으며, 대부분 5점 리커트 척도를 적용하였다. 본 연구 역시 동일한 원칙을 따르되, 건설현장 근로자의 통근 특성을 반영할 수 있도록 문항을 조정하였다.
Table 1.
Summary of latent and observed variables by previous studies
| Title | Authors | Year |
Latent variables (Exogenous variable only) | Observed variables |
Type of variables |
|
Development and implementation of mobility management system | Yi | 2011 |
Global environment awareness (H1) Environmental awareness of private car use (H2) Personal norms for using private car (H3) Public transportation envirionment (H4) Private car preference (H7) |
4 variables for H1 3 variables for H2 2 variables for H3 4 variables for H4 2 variables for H7 |
5-point likert scale |
|
An analysis of decision making process in voluntary reducing private car use | Lee et al. | 2013 |
Awareness of global environment (H1) Awareness of private car use (H2) Personal norm on private car use (H3) Environment of public transportation use (H4) Preference for private car use (H7) |
4 variables for H1 3 variables for H2 2 variables for H3 4 variables for H4 2 variables for H7 |
5-point likert scale |
|
A study on the effect of providing information using mobility management on the change of consciousness about the use of passenger car | Ha et al. | 2018 |
Attitude toward the behavior (H1) Subjective norm (H2) Perceived behavioral control (H3) |
4 variables for H1 4 variables for H2 4 variables for H3 |
7-point likert scale |
설문 문항은 크게 개인 특성 및 통근행태, 그리고 수단전환 인식과 행동변화를 측정하기 위한 리커트 척도 문항으로 구성하였다. 먼저 개인 특성 문항에는 Table 2와 같이 성별, 연령, 근무 경력과 함께 자가용 보유 여부, 가구 내 차량 대수, 운전면허 보유 여부 등 통근수단 선택과 밀접하게 관련된 변수를 포함하였다. 또한 주 통근수단, 통근 소요시간, 주당 이용 빈도 등을 조사하여 근로자의 통근 행태를 정량적으로 파악하였다.
Table 2.
Survey questionnaire of individual characteristics and commuting behaviour
수단전환 인식과 관련된 주요 잠재변수는 기존 연구에서 검증된 환경의식(EA), 승용차 이용 인식(CUP), 사회·개인 규범(SPN), 통근버스 이용 환경(CBE)에 더해, 건설현장의 특수성을 반영한 건설현장 특성(Worksite Situational Factors, WSF)과 현장 교통·보행 환경(Worksite Traffic & Pedestrian Environment, TPE)을 포함하였다(Table 3). 건설현장 특성(WSF)은 근무시간의 불규칙성, 피로 누적, 근무 환경 제약 등 건설현장에 특화된 요인을 반영하였으며, 현장 교통·보행 환경(TPE)은 현장 주변의 교통혼잡 인식과 보행 안전성을 중심으로 구성하였다. 이 중 교통혼잡 인식 문항(TPE1)은 해석의 일관성을 위해 역코딩을 적용하였다.
Table 3.
Likert-scale survey items
또한 행동의도(BI), 실행의도(II), 행동변화 의사(BCI)는 모빌리티 매니지먼트와 계획행동이론에서 제시하는 단계적 행동변화 구조를 반영하여 설정하였다. 특히 행동변화 의사(BCI)를 BCI1, BCI2 두 문항으로 측정하였는데, 이는 선행연구(Hair et al., 2017)에 따라 단일 항목에 의한 측정은 타당도(Validity) 측면에서 권장되지 않기 때문이다. 이러한 설문조사지 설계를 바탕으로, 본 연구는 정책 시행 이전 단계에서 수행된 탐색적 연구로써 실제 행동변화 여부가 아닌 행동변화 의사에 영향을 미치는 요인을 규명하는 데 목적을 둔다.
2. 데이터 전처리
본 연구에서는 응답자의 실제 공간정보(거주지 위치 기반)를 결합한 분석 체계를 구축하기 위해 설문조사 과정에서 주소 정보를 함께 수집하였다. 수집된 총 123개 응답 중 주소 정보가 부정확하거나 위치 특정이 불가능한 31개 사례를 제외하고, 공간정보 결합이 가능한 92개의 유효 표본을 대상으로 데이터 전처리를 수행하였다. 즉, 본 연구의 최종 분석 표본 수는 공간정보 활용 가능 여부에 의해 결정되었으며, 이후의 결측값 보정 절차는 이 92개 표본을 대상으로 수행되었다.
설문조사 기반 데이터에는 응답 누락 등으로 인한 결측값(Missing values)이 일반적으로 발생하며, 이는 통계적 검정력(Statistical power)을 저하시켜 모형 추정치에 편향을 유발할 수 있다(Kang, 2013). 각 관측변수별 결측 개수와 결측률을 정리한 결과, 대부분 변수는 1~4건(1.1~4.3%)의 경미한 결측률을 보였으며(Table 4), 이는 모형 적합도에 큰 영향을 미치지 않는 수준으로 판단된다(Hair et al., 2017).
Table 4.
Number of missing values for each variables
본 연구는 소표본(n=92) 자료를 활용한 구조방정식모형 분석을 수행하므로 결측값에 대한 처리가 매우 중요하며, 이에 결측값 처리에 앞서 결측 메커니즘에 대한 체계적 검토를 수행하였다. Rubin(1975)에 따르면 결측은 완전무작위(Missing Completely At Random, MCAR), 조건부 무작위(Missing At Random, MAR), 비무작위(Missing Not At Random, MNAR)로 구분될 수 있다. MCAR은 결측이 완전히 무작위로 발생하는 이상적 가정이며 현실의 설문조사에서 충족되기 어렵다. 본 설문은 민감도가 높지 않고 응답 회피 가능성이 제한적이므로 MNAR 가능성 역시 낮은 것으로 판단하였다. 반면 응답자의 피로도 증가, 문항 난이도 차이, 관심도 편차 등에 따른 패턴적 결측 가능성이 존재하며, 이는 설문조사 자료에서 일반적으로 관찰되는 MAR 특성과 부합한다고 사료된다.
이러한 판단을 통계적으로 검증하기 위해 Little’s MCAR Test를 수행하였다(Little, 1988). 검정 결과 p-value = 0.00512로 0.05 미만으로 나타나 결측이 완전무작위(MCAR)라는 귀무가설이 기각되었으며, 본 연구의 결측값은 MCAR이 아닌 형태임을 확인하였다. 이는 설문조사 특성에 기반한 MAR 가정과 일관된 결과로 해석할 수 있으며, 본 연구는 이러한 결측 메커니즘 진단 결과를 토대로 보정을 수행하였다.
SEM 데이터 결측값 처리 방식은 크게 결측값을 갖는 행 자체를 삭제하는 리스트와이즈 삭제(Listwise deletion), 평균, 최빈값, 중앙값 등으로 대체하는 방식, 그리고 최대우도추정(Maximum Likelihood Estimation, MLE), 회귀(Regression) 등을 통해 값을 추정하여 대체하는 방식이 있다.
리스트와이즈 삭제 방식은 데이터의 모든 행에 대해 결측값이 하나라도 존재하면 해당 행을 완전히 삭제하는 방법으로, 이는 데이터가 MCAR에 해당할 경우에 택하는 방식이다. 가장 많이 사용되며 대부분의 통계 S/W에서 결측값을 처리하는 기본 방식이지만, 결측값이 특정 그룹에 치우친 경우 매개변수 추정에서 편향이 발생할 수 있다(Rubin, 1975; Hair et al., 2017). 그러나 본 연구의 데이터는 MCAR에 해당하지 않으며, 무엇보다 구득이 쉽지 않은 현장 근로자 대상으로 수집한 데이터로 리스트와이즈 삭제를 적용하면 표본이 80개로 감소하여 소표본에 따른 SEM 추정의 안정성과 검정력이 저하될 우려가 있다.
대안으로는 관측된 데이터를 바탕으로 결측값을 추정하는 다중대치(Multiple Imputation, MI), 회귀 기반 대치(Regression Imputation) 등 고급 기법들이 있으나, 이는 모형이 복잡해 이해가 어려우며 몇몇 방법의 경우 계산 및 수렴에 상당한 시간이 소요되는(Dong et al., 2013; Wu et al., 2023) 등 기술적 측면의 비효율이 있을 수 있다. 특히 Hair et al.(2017)에 따르면, PLS-SEM에서 결측률이 5% 미만이면, 평균 대체(Mean replacement)와 기대값 최대화 알고리즘(Expectation-Maximization algorithm)은 추정결과에 근소한 차이를 야기한다고 보고하고 있다.
이에 본 연구는 결측률이 낮고 결측 메커니즘이 MAR인 점을 종합적으로 고려하여, 결측값을 관측된 데이터의 통계값(평균, 최빈값, 중앙값)으로 대체하는 간편 대체(Simple substitution) 방식을 적용하였다. 평균값과 중앙값을 통한 대체는 일반적 방법이며(Hartini, 2018), 평균값 대체의 경우 적용이 용이하나, 데이터의 변동성을 줄이고 의미 있는 관계를 찾을 가능성을 낮출 수 있다(Hair et al., 2017). 그러나 각 변수의 결측률이 5% 미만으로 모형에 미치는 통계적 영향은 미미할 것으로 판단할 수 있다.
한편 데이터의 대부분은 잠재변수 측정을 위한 5점 리커트 척도(Likert scale)이므로, 이에 대한 결측값 대체 방법 선택이 중요하다. Koo and Yang(2025)는 단일 리커트 문항의 경우 중심 경향(Central tendency)의 척도로 평균보다 중앙값 또는 최빈값을 사용하는 것이 일반적으로 더 적절하며, 특히 평균은 리커트 척도형 변수의 간격을 동일하다고 가정하기 때문에 데이터가 한쪽으로 치우쳐 있거나(Skewed) 이상치(Outliers)를 포함하는 경우 결과의 잘못된 해석을 야기할 수 있음을 언급하였다.
범주형 변수(Categorical variable)의 경우, 결측값의 간편 대체 방법 중 하나로 최빈값을 사용하는 방법을 제시하고 있다(Zhang, 2016). 따라서 Table 5와 같이 각각의 변수 유형에 따라 결측값을 통계값 기반의 간편 대체를 통해 보완하는 것은 이론적으로 타당하다고 판단된다.
Table 5.
Missing data substitution methods by variable types
| Type of variable | Obaserved variables | Data imputation method |
| Likert-scale | Likert-scale survey items in Table 2 | Use median value |
| Continuous variable | Age | Use mean value |
| Work experience | ||
| Total number of cars in household | ||
| Commuting travel time (to site) | ||
| Categorical variable | Gender | Use mode value |
| Private car ownership | ||
| Driver license ownership | ||
| Car availability when needed | ||
| Main transportation mode (most frequent) | ||
| Frequency using main transportation mode |
한편 개인 특성 변수들 중 자가용 관련 변수(PC보유여부, 총PC보유대수, 면허보유여부, 가용PC여부)는 서로 강한 논리적 연관성을 가지므로, ‘PC보유여부’를 기준 변수로 설정하고, 해당 값(보유=1, 미보유=0)에 따라 가능한 응답 패턴을 분류하여 변수 간 일관성을 확보하는 보정 절차를 수행하였다.
이와 같이 Little’s MCAR Test를 통한 결측 메커니즘 진단과 변수 유형별(리커트형·연속형·범주형) 간편 대체 방식 등을 통해 결측값을 보완하여 소표본 SEM 분석 과정에서의 한계를 극복하고자 노력하였다.
3. 보행거리 변수 추가
일반적으로 수단선택은 개인의 태도나 인식과 같은 요인에 의해 주로 설명되지만, 실제 통근 행태는 의사결정자의 교통 인프라 및 서비스와 관련된 물리적 접근성과 같은 공간적 제약 조건의 영향을 동시에 받을 수도 있다. 이에 본 연구에서는 사회심리학적 요인뿐만 아니라 공간적 요인도 반영하고자 하였다.
이를 위해 응답자가 기입한 거주지 정보를 WGS 84 위·경도 좌표로 변환하는 과정을 수행하였다. 이후 응답자의 거주지에서 가장 가까운 통근버스 정류장까지의 거리를 보다 정확하게 산출하기 위하여 설문조사가 시행된 시점을 기준으로 실제 운영 중인 통근버스 정류장 위치 및 노선 운영 정보를 동일한 WGS 84 좌표 정보로 변환하였다(Figure 1). 응답자의 출발지(거주지)로부터 가장 가까운 통근버스 정류장까지의 보행거리(변수명: Walk_dist)를 Google의 Chromedriver를 활용한 카카오맵 웹 스크래핑 방식으로 수집하여 공간적 변수로 활용하였다.
위와 같이 산출된 Walk_dist의 통계량은 Table 6과 같다. 전체 표본(n = 92)의 평균 보행거리는 2,808.65m, 중앙값은 766.50m을 보였다. 자가용 이용자(PC user, n = 66)의 평균 보행거리는 3,075.91m로, 비자가용 이용자(Non-PC user, n = 26)의 평균 보행거리 2,130.23m보다 약 946m 이상 길게 나타났다. 중앙값 또한 자가용 이용자 집단(824.50m)이 비자가용 이용자 집단(683.00m)보다 높아, 자가용 이용자가 전반적으로 더 먼 보행거리를 감수해야 하는 공간적 여건에 놓여 있음을 시사한다. 즉, 통근버스 정류장까지의 보행거리는 전체적으로 큰 편차를 보이며, 특히 자가용 이용자 집단에서 평균적·분포적 측면 모두에서 더 긴 보행거리가 관찰되었다.
Table 6.
Statistics of walking distance variable (Walk_dist)
이렇게 산출된 보행거리에 대한 이상치 검토를 수행하기 위해 Table 6와 같이 사분위수범위(Interquartile Range, IQR)를 산출 및 이상치 탐지 범위를 미만과 초과로 설정하였습니다. 전체 샘플(Total)의 값인 3,929.375m를 기준으로 이상치를 검토한 결과, 총 15개의 샘플이 범위를 초과한 것으로 분석되었다. 각 샘플별로 근로자 거주지와 가장 가까운 통근버스 정류장까지의 보행거리를 카카오맵을 통해 수동으로 검증한 결과, 실제 검색 결과와 동일한 값을 확인하여 수치에 이상이 없는 것을 확인하였다. 본 데이터는 실제 근로자의 거주지와 가장 가까운 통근버스 정류장까지의 거리를 산출한 값으로, 이는 데이터의 오관측 또는 수집 과정에서의 오류 등으로 발생하는 이상치라고 보기 보다는, 실제 근로자와 최단거리에 위치한 통근버스 정류장까지의 물리적 거리가 크다는 것으로 해석할 수 있다.
방법론
본 연구의 목적은 건설현장 근로자를 대상으로 자가용에서 통근버스로의 수단전환 행동변화 의사에 영향을 미치는 요인을 규명하는 데 있다. 통근수단 선택은 비용과 시간 요인뿐만 아니라 개인의 태도, 규범, 지각된 서비스 수준 등 사회·심리적 요인이 복합적으로 작용하는 의사결정 과정으로 이해되며, 이는 기존 모빌리티 매니지먼트 연구를 통해 검증되어 왔다.
이를 위해 본 연구는 구조방정식모형(Structural Equation Modeling, SEM)을 적용하였다. 구조방정식모형은 관측되지 않는 잠재변수 간의 인과구조를 다변량 통계기법으로 검증할 수 있어, 태도–의도–행동으로 이어지는 단계적 메커니즘을 분석하는 데 적합하다. 또한 잠재변수를 측정변수로부터 추정하고, 다수의 독립·종속 관계를 하나의 모형 내에서 동시에 분석할 수 있다는 점에서 통근행태 변화가 다수 요인의 상호작용의 결과라는 모빌리티 매니지먼트의 이론적 특성과도 부합한다(Hair, 2018).
선행연구를 토대로 모빌리티 매니지먼트에서 핵심적으로 다루어져 온 환경인식, 사회·개인 규범, 승용차 이용 인식, 통근버스 이용 환경, 행동의도, 실행의도, 행동변화 의사 등의 잠재변수를 설정하였다. 여기에 기존 연구에서 고려되지 않았던 건설현장 특성(편의시설, 날씨 등)과 현장 교통·보행 환경(보행 안전, 교통혼잡 및 안전 등)을 추가적인 잠재변수로 구성하였다. 이를 통해 건설현장이라는 특수 근로환경이 통근수단 인식과 행동변화 의사 형성에 미치는 구조적 영향을 평가하고자 하였으며, 이에 따라 다음과 같은 연구가설을 설정하였다.
H₀. MM의 일반적 요인 외 건설현장 관련 요인은 근로자의 수단전환 행동변화 의사에 영향을 미칠 것
연구가설 검증을 위해 단계적 모형 검증 과정을 수행하였다. 먼저, 설문조사를 통해 수집된 관측변수와 사전 이론을 기반으로 구성된 잠재변수 간의 관계를 검증하기 위해 측정모형 평가를 실시하였다. 측정모형 평가는 신뢰성(Reliability)과 타당성(Validity) 검증을 목적으로, 본 연구에서는 Hair et al.(2017)에서 제시한 기준에 따라 요인부하량(Loading ≥ 0.7), 크론바흐 알파(Cronbach’s α ≥ 0.7), 평균분산추출(Average Variance Extracted, AVE ≥ 0.5), 구성신뢰도(Construct Reliability, CR ≥ 0.7)를 기준으로 수렴타당성을 종합적으로 평가하였다.
다음으로 측정모형 평가를 통해 타당성이 확보된 잠재변수를 바탕으로 구조모형을 추정하였다. 기본 구조모형은 모빌리티 매니지먼트 이론에 근거하여 모든 잠재변수가 행동의도에 영향을 미치고, 행동의도가 실행의도와 행동변화 의사로 이어지는 단계적 구조로 설정하였다. 이후 건설현장 특성과 현장 교통·보행 안전 변수가 행동의도에 미치는 직접효과뿐만 아니라, 다른 잠재변수를 매개로 한 간접효과를 검토하기 위해 추가적인 구조모형을 구축하였다. 이를 통해 건설현장 특성을 고려한 모빌리티 매니지먼트 연구로서의 차별성을 확보하고자 하였다.
구조방정식모형의 추정은 부분최소제곱 기반 구조방정식모형(Partial Least Squares Structural Equation Modeling, PLS-SEM)을 활용하여 수행하였다. PLS-SEM은 공분산 기반 구조방정식모형(Covariance-Based SEM, CB-SEM)과 달리 내생변수의 설명력과 예측 정확도를 최대화하는 분산 기반 접근법이다. 선행연구(Hair et al., 2011; Hair et al., 2017)에 따르면 탐색적 연구와 예측 지향적 분석에 적합한 방법론으로 알려져 있으며, 표본 수가 상대적으로 작은 경우에도 안정적인 추정이 가능하고, 다변량 정규성 가정에 대한 요구가 낮다는 장점을 가진다. 또한 PLS-SEM은 탐색적 연구를 위한 기법으로 주로 사용되며, 새로운 척도를 개발하는 연구에 적합한 방법으로 알려져 있다. 따라서 본 연구는 분석 표본이 n = 92로 제한적인 소표본 환경이라는 점과 건설현장 특성(WSF)과 현장 교통·보행 환경(TPE)라는 새로운 측정 도구를 제시한다는 점에서 PLS-SEM을 적용하는 것이 타당하다고 판단하였다.
PLS-SEM 분석은 Python 기반의 plspm 패키지를 활용하여 수행하였으며, 측정모형과 구조모형을 동시에 추정하고 경로계수, 잠재변수의 설명력(R2), 신뢰도 및 타당도 지표를 산출하였다. 또한 부트스트랩 기법을 적용하여 경로계수의 통계적 유의성을 검증함으로써, 소표본 환경에서도 추정 결과의 신뢰성을 확보하고자 하였다. 나아가 본 연구는 행동변화 의사에 대한 설명력 극대화를 주요 분석 목적으로 설정하였으므로, 예측 중심의 분석 특성을 갖는 PLS-SEM의 적용은 연구 목적과도 부합한다고 할 수 있다(Hair et al.,, 2017).
분석 결과
1. 표본 특성 및 기술통계
본격적인 모형 분석에 앞서 설문 응답자의 개인 및 통근 특성에 대한 기술통계 분석을 수행하였으며, 그 결과는 Figure 2에 제시하였다. 응답자는 남성이 대다수를 차지하고 있으며, 이는 대형 건설현장의 산업적 특성을 반영한 결과로 판단된다. 연령 분포는 30대와 40대 근로자가 가장 큰 비중을 차지하였고, 전반적으로 중·장년층 중심의 분포를 보였다. 근무 경력의 경우 6~10년 및 11~15년 구간에 응답자가 집중되어 있으며, 10년 이상 경력을 보유한 응답자의 비중도 상대적으로 높게 나타났다. 이는 본 연구의 표본이 단기 근로자가 아닌, 비교적 장기간 건설업에 종사해 온 숙련 근로자로 구성되어 있음을 의미하며, 통근수단 선택에 있어 경험에 기반한 판단이 이루어질 가능성을 시사한다.
자가용 관련 특성을 살펴보면, 자가용 보유 여부와 운전면허 보유 여부 모두에서 ‘보유’ 응답이 다수를 차지하였으며, 가구 내 차량 보유 대수 역시 1대 이상인 경우가 대부분으로 나타났다. 필요시 차량 이용 가능 여부에서도 ‘가능’ 응답이 우세하여, 근로자들이 물리적으로 자가용 이용이 가능한 여건을 충분히 갖추고 있음을 확인할 수 있다.
통근 특성 분석 결과, 주 통근수단으로는 자가용 이용 비율이 가장 높게 나타났으며, 통근버스를 이용하는 응답자도 일정 비중을 차지하였다. 특히 응답자의 약 71%(66명)가 자가용(자가용+자가용(카풀)+이륜차) 이용자로 조사되었으며, 이는 설문 응답자가 통근버스로의 수단전환 의사 분석에 적합한 표본임을 보여준다. 하지만 이는 본 연구에서 정의한 ‘건설 근로자’에 일반적 인식에 따른 통근 방식과 다를 수 있으나, 설문 대상이 현장 준공 시점까지 근무해야 한다는 조건을 고려할 때, 응답자는 중·장기 계약직과 현장 관리직을 포함하는 것으로 판단하였다. 다만, 본 설문조사에서 응답자의 고용형태를 명시적으로 구분하지 않았다는 점은 본 연구의 한계로, 이에 대한 논의는 이후 결론에서 다룬다.
주 통근수단 이용 빈도는 ‘매일 이용’ 응답이 가장 많았고, 통근 소요시간은 약 30~40분 구간에 응답이 집중되었으나, 일부 응답자는 60분 이상 장거리 통근을 하는 것으로 나타났다. 이는 대형 건설현장의 입지 특성 및 인력 투입 규모로 인해 근로자의 주거지와 현장 간 공간적 분리가 존재함을 시사한다.
종합하면, 본 연구의 표본은 자가용 이용이 가능한 여건을 갖춘 중·장년층의 숙련 건설근로자가 다수를 이루고 있으며, 통근수단 선택 과정에서 개인의 인식 요인과 함께 물리적·환경적 제약이 복합적으로 작용할 가능성이 크다. 이러한 표본 특성은 이후 구조방정식모형 분석에서 근로자 수단전환 의사결정 해석의 기초 자료로 활용된다.
한편 개인 및 통근 특성 변수 간의 기초적 관계를 파악하기 위해 상관계수행렬 및 분산팽창계수(Variation Inflation Factor, VIF)를 산출하였다(Figure 3). 그 결과, 대부분의 변수 간 상관계수는 절대값 기준 0.3 이하로 나타나 전반적으로 낮은 상관 수준을 보였으며(Figure 3(Left)), VIF 값이 기준 값인 5 이하로(Figure 3(Right)) 다중공선성을 우려할 만한 높은 상관관계는 제한적인 것으로 판단된다(Hair et al., 2017).
인구통계학적 변수 간 상관관계를 살펴본 결과, 성별과 근무경력 간에는 중간 수준의 양(+)의 상관관계(r≈0.49)가, 연령과 근무경력 간에도 비교적 뚜렷한 양(+)의 상관관계(r≈0.43)가 관찰되었다. 이는 연령 증가에 따라 건설현장에서의 근무경력이 축적되는 일반적인 경향과 함께, 남성 근로자의 비중이 높은 건설현장의 산업적 특성을 반영한 결과로 해석할 수 있다.
자가용 관련 변수들 간에는 비교적 높은 상관관계가 확인되었다. 특히 가구 내 차량 보유 대수와 가용 차량 여부 간에는 강한 양(+)의 상관관계(r≈0.78)가 나타났으며, 운전면허 보유 여부와 가용 차량 여부(r≈0.69), 운전면허 보유 여부와 가구 내 차량 보유 대수(r≈0.69) 역시 높은 상관을 보였다. 또한 자가용 관련 변수(가용 자가용 여부(Car availability when needed): VIF=3.627, 자가용 보유 여부(Private car ownership): VIF=3.052, 면허 보유 여부(Driver license ownership): VIF=2.283)는 기준값인 5 이하 조건을 충족했으나 다른 변수들에 비해 상대적으로 높은 VIF 값을 보였다. 이는 자가용 보유, 면허 보유, 자가용 가용 여부 변수가 개념적으로 중복된 정보를 측정하고 있음을 시사하므로, 이후 분석에서는 이들 변수를 대표하는 자가용 보유 여부만을 반영하였다.
한편 통근 관련 변수의 경우, 주 통근수단, 통근 빈도, 통근 소요시간 간의 상관계수는 전반적으로 낮은 수준을 보였다. 특히 통근 소요시간은 대부분의 개인 특성 변수와 낮은 상관을 나타내어, 공간적 접근성 요인이 인구통계학적 특성과는 비교적 독립적으로 작용하고 있음을 시사한다.
종합하면, 본 연구의 개인 및 통근 특성 변수들은 이론적으로 연관성이 예상되는 차량 관련 변수 집합을 제외하고는 과도한 상관관계를 보이지 않았으며, 이는 이후 구조방정식모형 분석에서 독립 변수 및 통제 변수로 활용하는 데 있어 다중공선성으로 인한 통계적 문제 가능성이 제한적임을 의미한다.
2. 측정모형 평가(Measurement model evaluation)
본 연구에서는 모든 외생(Exogenous) 잠재변수가 행동의도에 직접 영향을 미치고, 행동의도가 실행의도와 행동변화 의사로 이어지는 구조를 초기 측정모형으로 설정한 후, 각 관측변수가 잠재변수를 설명하는 정도를 나타내는 적재량(Loading)을 ‘방법론’에서 기술한 기준치인 0.7을 기준으로 Table 7과 같이 결과를 검토하였다.
Table 7.
Outer model evaluation results of initial measurement model
먼저 통근버스 이용 환경(CBE)의 경우, 거주지 인근 정류장 계획 여부(CBE4)와 보행거리 또는 배차간격의 적절성(CBE5)이 0.4 미만의 적재량을 보이며 잠재변수를 충분히 설명하지 못하는 것으로 나타났다. 이는 이용 선호도를 중심으로 구성된 CBE1~3과 달리, 접근성을 직접적으로 묻는 문항이 표본에서 상대적으로 낮은 설명력을 보였기 때문으로 판단된다.
사회·개인 규범(SPN)의 경우, 자가용 이용 필요성에 대한 동료의 인식(SPN1)이 음(-)의 적재량을 보이며 0,4 미만에 해당하였다. 이는 자가용 이용에 대한 개인의 규범 중심의 SPN2~4 문항과 달리, 자가용 이용에 대한 사회적 규범을 나타내는 SPN1 항목이 상대적으로 사회·개인 규범을 잘 설명하지 못하는 것으로 볼 수 있다.
현장 교통·보행 환경(TPE)의 경우, 교통혼잡(TPE1), 보행 쾌적성(TPE3), 보행 안전성(TPE4) 문항이 적재량 0.4 미만으로 분석되었으며, 현장 인근의 교통안전을 묻는 문항(TPE2)만이 기준을 충족하였다. 이는 응답자들이 보행 환경 전반보다는 교통안전 요소를 상대적으로 중요하게 인식하고 있음을 시사한다. 다만 단일 문항으로 잠재변수가 구성되었다는 점에서 문항 설계의 한계가 존재하며, 이에 대한 논의는 결론에서 다룬다.
건설현장 특성(WSF)의 경우, 출퇴근 시간의 불규칙성(WSF1), 야간·주말 근무의 어려움(WSF2), 출퇴근 시 피로도(WSF3), 그리고 기상 조건의 영향(WSF5)은 기준을 충족하지 못한 반면, 현장 편의시설의 부족(WSF4)은 기준을 충족한 것으로 분석되었다. 건설현장 특성(WSF) 역시 현장 교통·보행 환경(TPE)와 마찬가지로 단일 문항으로 잠재변수가 구성되는 결과를 보였다. 이는 건설현장 특성을 구성하는 관측변수가 충분히 정제되지 못했음을 시사하며, 후속 연구에서의 보완이 필요하다.
Hair et al.(2017)에 따르면 일반적인 적재량 기준은 0.7 이상이나, 0.4 미만의 적재량은 항상 제거, 0.4~0.7 사이의 적재량은 해당 지표 제거 시 구성신뢰도(CR)와 평균분산추출(AVE)이 향상되지 않는다면 보존할 수 있다고 보고하고 있다. 따라서 Table 7의 결과에서 적재량 기준인 0.7에 미달한 지표를 제거하기 전과 후의 구성신뢰도와 평균분산추출의 변화를 분석하였으며, 그 결과는 Table 8과 같다.
Table 8.
Comparison of CR and AVE for initial measurement model before and after indicator exception
통근버스 이용 환경(CBE)의 경우 CBE4와 5를 제거한 결과 구성신뢰도가 0.815에서 0.928로, 평균분산추출이 0.484에서 0.810으로 크게 개선되어 구성신뢰도의 기준 0.7과 평균분산추출의 기준 0.5를 모두 충족하였다. 사회·개인 규범(SPN)의 경우, SPN1을 제거한 결과 구성신뢰도가 0.726에서 0.895, 평균분산추출이 0.581에서 0.739로 향상되어 역시 기준을 모두 충족하는 것으로 분석되었다.
한편 현장 교통·보행 환경(TPE)와 건설현장 특성(WSF)는 본 연구에서 건설현장이라는 특수한 맥락을 반영하기 위해 새롭게 도입한 잠재변수이다. 현장 교통·보행 환경(TPE)의 경우 적재량 0.7 미만인 TPE1, 3, 4를 제거하면 TPE2만 보존되어 단일항목 구성개념으로 전환되며, 따라서 구성신뢰도와 평균분산추출은 각각 0.824에서 1.000, 0.224에서 1.000으로 산출되나 이는 개선이 아닌 단일항목 구성개념에 따른 것으로 보아야 한다. 마찬가지로 건설현장 특성(WSF) 역시, 적재량 0.7 미만인 WSF1, 2, 3, 5를 제거한 결과 구성신뢰도가 0.764에서 1.000로, 평균분산추출은 0.279에서 1.000로 산출되었다. 그러나 본 연구의 방법론인 PLS-SEM은 단일 문항 구성개념(single-item construct)도 식별 문제 없이 처리할 수 있는 방법론(Hair et al., 2017)이라는 이론적 배경과, 두 변수는 본 연구에서 밝히고자 하는 핵심 변수이자 차별점이므로, 단일항목으로 측정되는 잠재변수로 유지하였다.
이를 종합하여 건설현장 특성(WSF)과 현장 교통·보행 환경(TPE)를 포함한 잠재변수를 구성하는 적재량 기준 0.7에 미달하는 측정변수를 제외한 측정모형을 기본 모형(Base model)로 설정하여 이후 분석을 수행하였다.
다음으로 기본 모형에 대한 모형의 신뢰성과 타당성을 평가하기 위해 Table 9의 결과를 살펴보았다. 신뢰도 및 수렴타당성 검증을 위해 Cronbach’s α, 구성신뢰도(Composite Reliability, CR), 평균분산추출(Average Variance Extracted, AVE)을 활용하였으며, 기준은 Cronbach’s α와 CR은 0.7, AVE는 0.5로 설정하였다.
Table 9.
Construct reliability and convergent validity of base model
분석 결과, 환경의식(EA), 승용차 이용 인식(CUP), 사회·개인 규범(SPN), 통근버스 이용 환경(CBE)은 모든 신뢰도 지표에서 기준을 충족하였다. 건설현장 특성(WSF) 변수와 현장 교통·보행 환경(TPE)은 단일항목 측정 변수로 구성되어 Cronbach’s α가 산출되지 않았으며, 따라서 구성신뢰도 및 평균분산추출은 1의 값을 보였다.
내생 잠재변수인 행동의도(BI), 실행의도(II), 행동변화 의사(BCI)는 전반적으로 신뢰도 기준을 충족하였다. 다만 행동변화 의사(BCI)의 Cronbach’s α 값은 다소 낮게 나타났으나, 구성신뢰도와 평균분산추출이 기준을 충족하고 Cronbach’s α가 0.6 이상으로 탐색적 연구에서 허용 가능한 수준이므로(Hair, 2009; Hair et al., 2017), 본 연구에서는 해당 잠재변수가 신뢰성과 수렴타당성을 확보한 것으로 판단하였다.
3. 구조방정식 모형의 구축
앞서 방법론 절에서 제시한 연구 개념틀을 바탕으로, 본 연구에서는 건설근로자의 수단전환 의사결정 구조를 단계적으로 분석하기 위해 총 네 개의 구조방정식 모형(Base model, Model 1, Model 2, Model 3)을 구축하였다(Figure 4). 각 모형은 분석 목적에 따라 역할을 구분하여 설정되었으며, 모형 간 비교를 통해 핵심 잠재변수의 구조적 역할과 경로 특성을 단계적으로 검증하고자 하였다.
본 연구에서는 건설근로자의 수단전환 행동변화 의사 형성 과정을 단계적으로 검증하기 위해, 이론적 가정과 분석 목적에 따라 구조방정식모형을 순차적으로 구축하였다.
먼저 기본 모형(Base model)은 모빌리티 매니지먼트 및 계획행동이론에 기반한 가장 기본적인 행동변화 구조를 반영한 모형이다(Ajzen, 1991; Fujii, et al., 2006; Yi, 2011; Lee and Sohn, 2017; Ha et al., 2018; Park and Yi, 2023). 환경의식(EA), 사회·개인 규범(SPN), 건설현장 특성(WSF), 통근버스 이용 환경(CBE), 현장 교통·보행 환경(TPE), 승용차 이용 인식(CUP) 등 모든 외생 잠재변수가 행동의도(BI)에 직접적인 영향을 미치고, 행동의도가 실행의도(II)를 거쳐 행동변화 의사(BCI)로 이어지는 단계적 구조로 설정하였다. 기본 모형은 가설 검증보다는 잠재변수와 관측변수 간의 관계를 검증하기 위한 측정모형 평가를 주된 목적으로 활용하였으며, 이후 모형 비교를 위한 기준 모형(Reference model)의 성격을 가진다.
Model 1은 기본 모형을 확장하여, 선행연구(Yi, 2011)에서 검증된 승용차 이용 인식(CUP)의 행동변화 의사(BCI)에 대한 직접 효과를 구조적으로 반영한 모형이다. 기존의 CUP → BI 경로를 유지하면서, CUP → BCI의 직접 경로를 추가함으로써, 승용차 이용 인식이 행동의도를 매개로 하는 간접 효과와 행동의도를 거치지 않는 직접 효과를 동시에 검증하고자 하였다.
Model 2는 Model 1에 개인 및 통근 특성 변수를 통제변수로 추가한 모형이다. 성별(Gender), 연령(Age), 근무경력(Career), 자가용 보유 여부(PC_own), 평균 통근시간(Time), 통근버스 정류장까지의 보행거리(Walk_dist), 통근버스 이용 빈도(Commute_bus_freq), 자가용 이용 여부(PC_mode_binary)를 행동변화 의사(BCI)에 직접 영향을 미치는 변수로 반영하였다. 일반적 계획행동이론(TPB) 및 모빌리티 매니지먼트(MM) 연구와 달리 통제변수를 구조방정식모형에 포함한 이유는, 첫째로 건설현장 근로자의 특성(거주지 분산: 보행거리 표준편차 5,071.87m 등)으로 인한 행동변화 의사에 대한 타 잠재변수와의 혼재효과를 통제하기 위함이며, 두 번째로는 건설현장 근로자 대상 수단전환 행동변화 의사에 대한 선행연구가 부족한 탐색적 연구 영역이므로 통제변수 포함 여부에 따른 모형의 결과를 확인할 필요가 있기 때문이다. 분석 결과, 자가용 이용 여부(PC_mode_binary)를 제외한 대부분의 통제변수는 통계적으로 유의하지 않은 것으로 나타났으며, 자가용 이용 여부는 현재의 행동 상태를 직접적으로 반영하는 변수라는 점에서 이후 모형에서는 제외하였다.
Model 1과 Model 2의 분석 결과, 본 연구의 핵심 관심 변수인 건설현장 특성(WSF)과 현장 교통·보행 환경(TPE)의 행동의도(BI)에 대한 직접 경로는 전반적으로 유의하지 않게 나타났다. 이는 해당 변수들이 행동의도에 직접 작용하기보다는, 이미 구축된 객관적 환경(Built environment)으로써 다른 심리·인식 요인을 매개로 간접적인 영향을 미칠 가능성을 시사한다. 몇몇 선행연구(Ma and Cao, 2019; De Vos et al., 2021)에 따르면, 주거환경 또는 객관적 환경이 인식에 영향을 미침으로써 통행 행태에 영향을 미친다고 보고하고 있으며, 따라서 Model 3는 본 연구에서 새로운 척도로 제안하는 건설환경 특성(WSF)과 현장 교통·보행 환경(TPE)을 건설현장에서 조성되는 객관적 환경으로써 매개효과를 통해 수단전환 행동변화 의사에 미치는 영향을 확인하고자 설계하였다.
이에 따라 Model 3(최종 모형)에서는 건설현장 특성(WSF)와 현장 교통·보행 환경(TPE)가 건설현장의 객관적 환경을 나타내는 척도로써 환경의식(EA), 사회·개인 규범(SPN), 통근버스 이용 환경(CBE), 승용차 이용 인식(CUP) 등 인식 요인에 선행적으로 영향을 미치고, 이들 요인이 다시 행동의도(BI), 실행의도(II), 행동변화 의사(BCI)로 이어지는 매개 구조를 설정하였다. 이는 건설현장 근로자의 수단전환 의사결정 과정에서 현장 여건과 교통·보행 환경에 대한 인식이 보다 근본적인 인식 형성 단계에서 구조적으로 작용하는지를 검증하기 위한 모형이다.
이와 같이 본 연구는 측정모형 평가를 위한 기본 모형에서 출발하여, 승용차 이용 인식의 직접 효과를 고려한 확장 모형(Model 1), 개인 및 통근 특성을 통제한 모형(Model 2), 그리고 건설현장 특성의 매개 효과를 검증하는 최종 모형(Model 3)을 단계적으로 구축하였다. 다음 절에서는 각 모형의 구조방정식 분석 결과를 비교·제시하고, 경로계수의 유의성과 설명력을 중심으로 건설근로자의 수단전환 의사결정 구조를 종합적으로 논의한다.
4. 구조방정식 모형 분석 결과
기본모형(Base model)은 본 연구에서 설정한 모든 잠재변수와 관측변수를 포함한 초기 모형으로, 구조적 관계의 해석보다는 측정모형 평가를 주된 목적으로 활용하였다. 즉, 잠재변수를 구성하는 관측변수들의 적합성 검증과 요인부하량, 신뢰도 및 타당도 평가를 통해 이후 구조모형 분석에 활용 가능한 변수를 선별하는 단계이다. 분석 결과는 Table 7, 8, 그리고 9에 제시하였으며, 일부 건설현장 관련 관측변수는 요인부하량 기준을 충족하지 못해 측정모형 평가 단계에서 제외되었다. 이는 건설현장이라는 특수한 맥락을 반영한 변수들이 이론적으로는 의미가 있으나, 응답자의 인식 수준이나 샘플 수의 부족, 또는 설문지 설계의 한계 등으로 인해 구조화된 잠재변수로 명확히 설명되기 어려웠음을 시사한다. 이어지는 내용에서 기본모형은 이후 추가적인 모형 구축의 기준으로 설정하였다.
1) Model 1 분석 결과
Model 1의 분석 결과, 승용차 이용 인식(CUP) → 행동의도(BI)와 CUP → 행동변화 의사(BCI) 경로 모두 통계적으로 유의하지 않았다 CUP→BI의 경로계수는 –0.035, p-value는 0.641이며, CUP→BCI의 경로계수는 —0.092, p-value는 0.197로 분석됨. . 반면 계수의 부호는 자가용 이용에 대한 선호가 높을수록 통근버스로의 행동변화 의사가 낮아질 것이라는 일반적 통념과 일치하였다. 다만 CUP → BCI 직접 경로의 계수가 CUP → BI 간접 경로 보다 상대적으로 더 크게 나타나, 행동의도를 경유하지 않는 직접 효과의 가능성을 시사한다는 점에서 해석상의 의미를 가진다. 따라서 해당 경로는 5% 유의수준에서 통계적으로 유의하지 않으나, 이론적 설명 차원에서 경로를 유지하는 것으로 최종 모형에 반영하였다.
2) Model 2 분석 결과
Model 2에서는 개인 및 통근 특성 변수들을 통제변수로 설정하여 행동변화 의사(BCI)에 대한 직접 영향을 검증하였다. 이는 행동변화 의사가 심리·인지적 요인뿐 아니라 개인 속성에 의해 설명될 수 있는지 확인하기 위함이다.
Table 10의 분석 결과, 자가용 이용 여부(PC_mode_binary)를 제외한 대부분의 개인 및 통근 특성 변수는 행동변화의사(BCI)에 대해 통계적으로 유의한 영향을 미치지 않는 것으로 나타났다. 자가용 이용 여부(LV_PC_ mode_binary)는 현재의 행동 상태를 직접적으로 반영하는 변수로서 행동변화 의사와 높은 상관을 보이나, 정책적·이론적 해석 측면에서 추가적인 정보를 제공하지 않는다고 판단하여 이후 분석에서는 제외하였다.
Table 10.
P-values and path coefficients from individual characteristics and commuting behaviour variables to BCI
| Path |
LV_Gender -> BCI |
LV_Age -> BCI |
LV_Career -> BCI |
LV_PC_own -> BCI |
LV_Time -> BCI |
LV_PC_ mode_binary -> BCI |
LV_Commute _bus_freq -> BCI |
LV_Walk_dist -> BCI |
|
Path coefficients | -0.056 | -0.004 | 0.073 | -0.013 | -0.116 | -0.395 | -0.069 | 0.030 |
| p-values | 0.499 | 0.961 | 0.414 | 0.840 | 0.122 | 0.000*** | 0.311 | 0.666 |
외생 잠재변수와 내생 잠재변수 간의 경로계수를 Model 1과 Model 2에서 비교한 결과(Table 11), 두 모형 간 결과는 전반적으로 유사하게 나타났다. Model 1은 승용차 이용 인식(CUP)의 직접 효과를 검증하는 데 초점을 두었으며, Model 2는 개인 및 통근 특성 변수의 영향을 통제한 모형으로, 심리·인지적 요인 간의 구조적 관계는 거의 동일하게 유지되었다. 이에 따라 이후 분석에서는 CUP의 행동변화 의사에 대한 직접 경로를 유지하였다.
Table 11.
Path coefficients and p-value comparison of Model 1 and Model 2
| Path | Coefficient | p-value | ||||||
| Model 1 | Model 2 | Model 1 | Model 2 | |||||
| Environmental Awareness (EA) | → |
Behavioral Intention to Reduce Car Use (BI) | 0.146 | 0.146 | 0.064 | * | 0.064 | * |
| Perceptions of Private Car Use (CUP) | → | BI | -0.035 | -0.037 | 0.641 | 0.622 | ||
| Social & Personal Norms toward Car Use (SPN) | → | BI | 0.399 | 0.398 | 0.000 | *** | 0.000 | *** |
| Worksite Situational Factors (WSF) | → | BI | -0.034 | -0.034 | 0.643 | 0.650 | ||
| Commuting Bus Service Environment (CBE) | → | BI | 0.438 | 0.437 | 0.000 | *** | 0.000 | *** |
| Worksite Traffic & Pedestrian Environment (TPE) | → | BI | 0.024 | 0.025 | 0.732 | 0.724 | ||
| Behavioral Intention to Reduce Car Use (BI) | → | Implementation Intention (II) | 0.892 | 0.892 | 0.000 | *** | 0.000 | *** |
| Perceptions of Private Car Use (CUP) | → | Behavior Change Intention (BCI) | -0.092 | - | 0.197 | - | - | |
| Implementation Intention (II) | → | BCI | 0.730 | 0.658 | 0.000 | *** | 0.000 | *** |
한편 두 모형 모두에서 본 연구의 핵심 관심 변수인 건설현장 특성(WSF)과 현장 교통·보행 환경(TPE)의 행동의도(BI)에 대한 직접 경로는 통계적으로 유의하지 않은 것으로 분석되었다. 이는 샘플 수의 제한이나 설문 문항 구성의 한계에 기인했을 가능성도 있으나, 분석적 관점에서는 두 변수가 행동의도에 직접 작용하기보다는 현장에 구축된 객관적 환경으로써 다른 인식 요인을 매개하여 간접적인 영향을 미칠 가능성을 시사한다. 이에 따라 다음 절에서는 두 변수의 매개효과를 중심으로 한 구조를 검증하기 위해 최종 모형(Model 3)을 구축하여 분석하였다.
3) Model 3 분석 결과
앞선 Model 1과 Model 2의 분석 결과, 건설현장 특성(WSF)과 현장 교통·보행 환경(TPE)이 행동의도(BI)에 미치는 직접 효과는 통계적으로 유의하지 않은 것으로 나타났다. 이는 두 변수가 행동의도 형성 단계에 직접 작용하기보다는, 보다 선행적인 인식 요인의 형성 과정에 영향을 미쳐 간접적으로 작용할 가능성을 시사한다. 이에 본 연구에서는 Figure 4에서 기술한 바와 같이 WSF와 TPE가 심리·인지적 잠재변수에 선행적으로 영향을 미치는 매개 구조를 설정한 최종모형(Model 3)을 구축하였다.
최종모형(Model 3)의 측정모형에 대한 신뢰도 및 수렴타당도 검증 결과는 Table 12에 제시하였다. 분석 결과, 대부분의 잠재변수에서 Cronbach’s α와 구성신뢰도(CR)가 0.80 이상으로 나타나 전반적인 내부 일관성이 양호한 것으로 확인되었다. 또한 평균분산추출(AVE)은 모든 잠재변수에서 0.50 이상의 기준을 충족하여, 측정변수들이 해당 잠재변수를 충분히 설명하고 있음을 확인하였다. 특히 행동의도(BI)는 Cronbach’s α = 0.962, CR = 0.976, AVE = 0.930으로 가장 높은 신뢰도와 수렴타당도를 보였다.
Table 12.
Construct reliability and convergent validity of Model 3
한편 행동변화 의사(BCI)의 Cronbach’s α는 0.645로 다소 낮게 나타났으나, PLS-SEM에서는 Cronbach’s α가 절대적인 판단 기준이 아니며, 구성신뢰도(CR)와 평균분산추출(AVE)을 함께 고려하는 것이 타당하다. 행동변화 의사(BCI)의 CR 값은 0.849로 기준치(0.7)를 충분히 상회하였고, AVE 역시 0.736으로 기준(0.5)을 통과하였다. 이는 해당 잠재변수가 측정지표 분산의 73.6%를 설명하고 있음을 의미하며, 측정오차보다 잠재변수에 의해 설명되는 분산의 비중이 크다는 점에서 수렴타당도가 충분히 확보되었음을 보여준다.
Cronbach’s α와 CR 간의 차이는, Cronbach’s α가 모든 지표에 동일한 가중치를 부여하는 반면 CR은 각 지표의 외적 적재치를 반영한다는 점에서 기인하며, 이는 Cronbach’s α의 한계를 보완하는 지표로 해석할 수 있다(Hair et al., 2017). 종합하면, 행동변화 의사(BCI)는 Cronbach’s α가 기준에 다소 미치지 못하였으나 탐색적 연구 차원에서 허용 가능한 수준이며(Hair et al., 2017), CR과 AVE가 모두 기준을 충족하므로 최종모형의 측정모형은 전반적으로 신뢰성과 수렴타당도를 확보한 것으로 판단할 수 있다.
Table 13은 Model 3의 구조모형 경로계수와 각 경로의 p-value를 제시한다. 분석 결과, 건설현장 특성(WSF)은 환경의식(EA), 승용차 이용 인식(CUP), 사회·개인 규범(SPN)에 대해 모두 통계적으로 유의한 양(+)의 영향을 미치는 것으로 나타났다. 특히 WSF → SPN 경로는 1% 유의수준에서 유의하게 나타났으며(β = 0.297, p < 0.01***), 이는 현장 편의시설과 같은 건설현장의 근무 여건이 근로자의 규범 인식 형성에 중요한 역할을 한다는 점을 시사한다. 또한 WSF → EA(β = 0.233, p < 0.05**)와 WSF → CUP(β = 0.232, p < 0.05**) 경로 역시 유의하게 나타나, 건설현장의 환경적 특성이 근로자의 환경의식 및 자가용 이용 인식 형성에 영향을 미침을 확인하였다.
Table 13.
Path coefficients and statistical significance (p-value) of Model 3
| Path | Coefficient | p-value | |||
| Worksite Situational Factors (WSF) | → | Environmental Awareness (EA) | 0.233 | 0.027 | ** |
| → | Perceptions of Private Car Use (CUP) | 0.232 | 0.026 | ** | |
| → |
Social & Personal Norms toward Car Use (SPN) | 0.297 | 0.004 | *** | |
| → | Commuting Bus Service Environment (CBE) | 0.145 | 0.160 | ||
| Worksite Traffic & Pedestrian Environment (TPE) | → | Environmental Awareness (EA) | -0.013 | 0.897 | |
| → | Perceptions of Private Car Use (CUP) | -0.106 | 0.306 | ||
| → |
Social & Personal Norms toward Car Use (SPN) | 0.173 | 0.087 | * | |
| → | Commuting Bus Service Environment (CBE) | 0.244 | 0.019 | ** | |
| Environmental Awareness (EA) | → |
Behavioral Intention to Reduce Car Use (BI) | 0.138 | 0.073 | * |
| Perceptions of Private Car Use (CUP) | → | -0.044 | 0.544 | ||
| Social & Personal Norms toward Car Use (SPN) | → | 0.393 | 0.000 | *** | |
| Commuting Bus Service Environment (CBE) | → | 0.440 | 0.000 | *** | |
| Behavioral Intention to Reduce Car Use (BI) | → | Implementation Intention (II) | 0.892 | 0.000 | *** |
| Implementation Intention (II) | → | Behavior Change Intention (BCI) | 0.729 | 0.000 | *** |
| Perceptions of Private Car Use (CUP) | → | -0.102 | 0.153 | ||
현장 교통·보행 환경(TPE)의 경우, 통근버스 이용 환경(CBE)에 대해서만 5% 유의수준에서 유의한 양(+)의 영향을 미치는 것으로 분석되었다(β = 0.244, p < 0.05**). 이는 현장 주변의 교통 및 보행 안전 인식이 통근버스 서비스 환경에 대한 인식 형성에 영향을 미친다는 것을 의미한다. 또한 TPE → 사회·개인 규범(SPN) 경로는 10% 유의수준에서 경향성을 보였으며(β = 0.173, p < 0.10*), 보행 및 교통 환경이 규범 인식에 제한적으로 영향을 미칠 가능성을 시사한다. 반면 TPE → 승용차 이용 인식(CUP) 경로는 통계적으로 유의하지 않았으나, 경로계수의 부호는 통근버스 환경이 개선될수록 CUP가 약화된다는 것을 보였다(β = −0.106, p > 0.10).
행동의도(BI)에 대한 영향 요인을 살펴보면, 사회·개인 규범(SPN)과 통근버스 이용 환경(CBE)은 모두 행동의도에 강한 양(+)의 영향을 미치는 것으로 나타났다(SPN → BI: β = 0.393, p < 0.01***; CBE → BI: β = 0.440, p < 0.01***). 이는 근로자의 수단전환 의도 형성에 있어 규범적 요인과 통근버스 서비스 환경이 핵심적 역할을 수행함을 의미한다. 환경의식(EA)은 10% 유의수준에서만 경향성을 보였으며(β = 0.138, p < 0.10*), 특히 주목할만한 결과로는 승용차에 대한 선호도, 필요성, 편리성 및 편안함을 포함하는 승용차 이용 인식(CUP)이 행동의도에 대해 통계적으로 유의한 영향을 미치지 않는다는 것이다. 이는 일반적으로 승용차 이용 인식이 높을수록, 대중교통 등 타 교통수단으로의 수단전환에 대한 행동의도가 낮아질 것이라는 통념과 다른 결과로 해석할 수 있다. 즉, 건설현장의 근로자들이 실제로 승용차 이용에 대해 갖는 인식이 실제 현장으로 통근하는 교통 수단에 대한 행동변화로 유의미하게 이어지지 않는다는 것을 알 수 있다. 다만, 해당 경로계수의 부호는 음수로 일반적 통념과 일치하지만, 그 계수값이 타 경로계수의 값 대비 상당히 낮은 것을 통해 이와 같이 해석할 수 있을 것이다.
행동의도(BI)는 실행의도(II)에 매우 강한 영향을 미쳤으며(β = 0.892, p < 0.01***), 실행의도(II)는 다시 행동변화 의사(BCI)에 유의한 영향을 미치는 것으로 나타났다(β = 0.729, p < 0.01***). 이는 행동의도–실행의도–행동변화 의사로 이어지는 단계적 의사결정 구조가 통계적으로 타당함을 보여준다. 한편 승용차 이용 인식(CUP) → 행동변화 의사(BCI)의 직접 경로는 유의하지 않았으나(β = −0.102, p > 0.10), 행동의도에 대한 영향(CUP → BI: β = −0.044, p > 0.10)보다 상대적으로 큰 계수가 도출되어, 행동의도를 매개로 하기보다는 행동변화 의사 형성 단계에 직접적으로 작용할 가능성을 시사한다. 이상의 경로분석 결과를 종합한 경로도는 Figure 5와 같다.
Model 3의 구조모형에 대해 경로계수의 통계적 유의성과 추정 안정성을 검증하기 위해 부트스트랩(n=5,000) 기반 신뢰구간 분석을 수행하였다. Table 14는 최종모형의 직접효과에 대한 부트스트랩 검증 결과를 제시한다. 분석 결과, 주요 경로에서 원 경로계수와 부트스트랩 평균값이 매우 유사하게 나타났으며, 이는 구조모형에서 추정된 경로계수가 표본 변동에 크게 민감하지 않고 안정적으로 추정되었음을 의미한다.
Table 14.
Bootstrapping results of direct effects of Model 3
| Path |
Original coefficient |
Boot mean |
Std. error |
95% CI (2.5%) |
95% CI (97.5%) | t-value | p-value | |||
|
Worksite Situational Factors (WSF) | → |
Environmental Awareness (EA) | 0.233 | 0.236 | 0.106 | 0.026 | 0.437 | 2.194 | 0.028 | ** |
| → |
Perceptions of Private Car Use (CUP) | 0.232 | 0.229 | 0.113 | -0.010 | 0.427 | 2.052 | 0.040 | ** | |
| → |
Social & Personal Norms toward Car Use (SPN) | 0.297 | 0.293 | 0.120 | 0.052 | 0.510 | 2.482 | 0.013 | ** | |
| → |
Commuting Bus Service Environment (CBE) | 0.145 | 0.149 | 0.118 | -0.081 | 0.378 | 1.226 | 0.220 | ||
|
Worksite Traffic & Pedestrian Environment (TPE) | → |
Environmental Awareness (EA) | -0.013 | -0.015 | 0.104 | -0.216 | 0.190 | 0.129 | 0.897 | |
| → |
Perceptions of Private Car Use (CUP) | -0.106 | -0.101 | 0.104 | -0.309 | 0.094 | 1.019 | 0.306 | ||
| → |
Social & Personal Norms toward Car Use (SPN) | 0.173 | 0.168 | 0.101 | -0.018 | 0.372 | 1.711 | 0.087 | * | |
| → |
Commuting Bus Service Environment (CBE) | 0.244 | 0.247 | 0.103 | 0.047 | 0.449 | 2.371 | 0.019 | ** | |
|
Environmental Awareness (EA) | → |
Behavioral Intention to Reduce Car Use (BI) | 0.138 | 0.140 | 0.077 | -0.011 | 0.289 | 1.796 | 0.073 | * |
|
Perceptions of Private Car Use (CUP) | → | -0.044 | -0.043 | 0.072 | -0.183 | 0.099 | 0.612 | 0.544 | ||
|
Social & Personal Norms toward Car Use (SPN) | → | 0.393 | 0.395 | 0.076 | 0.245 | 0.543 | 5.171 | 0.000 | *** | |
|
Commuting Bus Service Environment (CBE) | → | 0.440 | 0.437 | 0.078 | 0.284 | 0.589 | 5.604 | 0.000 | *** | |
|
Behavioral Intention to Reduce Car Use (BI) | → |
Implementation Intention (II) | 0.892 | 0.891 | 0.029 | 0.835 | 0.949 | 30.600 | 0.000 | *** |
|
Implementation Intention (II) | → |
Behavior Change Intention (BCI) | 0.729 | 0.728 | 0.053 | 0.621 | 0.832 | 13.800 | 0.000 | *** |
|
Perceptions of Private Car Use (CUP) | → | -0.102 | -0.098 | 0.072 | -0.241 | 0.043 | 1.420 | 0.153 | *** | |
건설현장 특성(WSF)은 환경의식(EA), 승용차 이용 인식(CUP), 사회·개인 규범(SPN)에 대해 모두 5% 유의수준에서 통계적으로 유의한 영향을 미치는 것으로 확인되었다. 현장 교통·보행 환경(TPE)의 경우, 사회·개인 규범(SPN)에 대해서는 10% 유의수준에서 경향성을 보였으며, 통근버스 이용 환경(CBE)에 대해서는 5% 유의수준에서 유의한 영향을 미치는 것으로 나타났다.
특히 사회·개인 규범(SPN) → 행동의도(BI), 통근버스 이용 환경(CBE) → 행동의도(BI) 경로는 매우 높은 t-value와 낮은 p-value(p < 0.001***)를 보여, 행동의도 형성에 있어 핵심적인 영향 경로임이 부트스트랩 분석을 통해 재확인되었다. 또한 행동의도(BI) → 실행의도(II), 실행의도(II) → 행동변화 의사(BCI)로 이어지는 계획행동이론(TPB)의 단계적 의사결정 구조 역시 통계적으로 안정적으로 지지됨을 확인하였다.
Table 15는 내생 잠재변수의 설명력(R2) 부트스트랩 검증 결과를 제시한다. 행동의도(BI)의 R2는 0.610으로 나타났으며, 95% 신뢰구간 [0.505, 0.735] 내에 분포하여 비교적 안정적인 설명력을 보였다. 실행의도(II)는 R2= 0.795로 매우 높은 설명력을 나타냈으며, 행동변화 의사(BCI) 역시 R2 = 0.565로 중간 이상의 설명력을 확보하였다.
Table 15.
Bootstrapping results of R2 values of Model 3
환경의식(EA), 승용차 이용 인식(CUP), 사회·개인 규범(SPN), 통근버스 이용 환경(CBE) 등 인식 관련 잠재변수들의 R2는 상대적으로 낮은 수준을 보였으나, 이들 변수는 본 연구에서 주로 매개변수로 기능하므로 PLS-SEM 연구 맥락에서 허용 가능한 수준으로 판단된다. 또한 모든 내생 잠재변수의 R2에 대한 95% 신뢰구간이 0을 포함하지 않아, 구조모형의 설명력이 통계적으로 안정적임을 확인할 수 있다
논의
1. 주요 시사점
본 연구는 건설현장 근로자를 대상으로 수집한 설문조사 데이터를 활용하여, 모빌리티 매니지먼트(MM)의 일반적 요인 외에 건설현장 관련 요인이 수단전환 행동변화 의사에 미치는 영향을 검증하고자 하였다. 측정모형 평가 과정에서 건설현장 특성(WSF)과 현장 교통·보행 환경(TPE)이 단일항목 구성개념으로 도출되어 설문 문항 설계 측면의 한계가 확인되었으나, 단계적 구조모형 분석을 통해 다음과 같은 시사점을 도출하였다.
첫째, 건설현장 특성 관련 변수들이 측정모형 평가 단계에서 다수 제외되었다는 점은, 공급자 또는 관리자 관점에서 정의된 ‘현장 특성’이 근로자 인식 차원에서는 수단전환 의사에 직접적으로 작용하기 어렵다는 점을 시사한다. 이는 향후 건설현장 기반 모빌리티 매니지먼트 연구에서 현장 특성을 근로자의 체감 경험을 중심으로 재정의하고, 이를 설문 문항 설계에 보다 정교하게 반영할 필요성이 있음을 의미한다.
둘째, 건설현장 특성(WSF)과 현장 교통·보행 환경(TPE)은 행동의도에 직접적인 영향을 미치지 않았으나, 객관적 환경(Built envirionment)으로써 환경의식(EA), 사회·개인 규범(SPN), 통근버스 이용 환경(CBE), 승용차 이용 인식(CUP)을 매개로 한 간접효과는 통계적으로 유의하게 나타났다. 이는 건설근로자의 행동변화 의사가 단일 환경 요인에 의해 즉각적으로 형성되기보다는, 현장 여건과 통근 환경과 같은 객관적 환경에 대한 경험이 다양한 인지적·사회적 요인을 거쳐 단계적으로 의사결정으로 연결된다는 점을 보여준다. 즉, “현장이 불편하다”는 인식 자체보다, 그러한 경험이 규범 인식이나 서비스 인식의 변화를 유도하는 객관적 환경 중심의 간접 경로가 보다 중요함을 시사한다.
셋째, 사회·개인 규범(SPN)과 통근버스 이용 환경(CBE)은 행동의도에 가장 큰 영향을 미치는 요인으로 분석되었다(SPN: β = 0.393, CBE: β = 0.440). 이는 건설현장 근로자의 수단전환 의사 형성이 개인의 규범적 태도와 동료 집단의 사회적 인식, 그리고 통근버스 이용의 편리성과 쾌적성에 의해 강하게 설명됨을 의미한다. 특히 사회·개인 규범(SPN)은 건설현장 특성(WSF)이, 통근버스 이용 환경(CBE)는 현장 교통·보행 환경(TPE)이 각각 주요하게 매개하여 행동변화 의사에 대해 간접적인 영향을 미치게 된다. 따라서 이러한 매개구조를 기반으로 하여 건설현장에서의 수단전환 정책 수립을 추진하여야 할 필요가 있다.
2. MM 정책 도출 방안
본 연구 결과를 토대로, 건설현장에서 근로자의 통근버스 수단전환을 유도하기 위한 모빌리티 매니지먼트 정책은 다음과 같은 방향으로 제시할 수 있다.
첫째, 사회·개인 규범(SPN)을 활용한 조직 기반 정책이 효과적일 것으로 판단된다. 분석 결과 SPN은 행동의도에 가장 강한 영향을 미치는 요인 중 하나로 나타났으며, 이는 관리자, 작업반장, 선임 근로자 등 조직 내 영향력이 있는 주체를 중심으로 통근버스 이용을 권장하고, 팀 또는 공종 단위의 집단 이용을 유도하는 방식으로 정책을 설계할 수 있음을 시사한다. 또한 이러한 활동을 자연스럽게 유도할 수 있는 현장의 편의시설 확보 등을 건설현장 특성(WSF) 개선을 통해 간접적으로 통근버스 수단전환 유도를 지원할 필요가 있다. 이를 통해 “통근버스 이용은 현장에서 권장되는 통근 방식”이라는 규범적 메시지를 자연스럽게 확산시킬 수 있다.
둘째, 통근버스 이용 환경(CBE)을 중심으로 한 운영 개선 정책이 필요하다. 노선 및 정류장 위치의 합리적 설정등 현장과 현장 주변의 교통 및 보행 환경(TPE) 개선을 통해 객관적 환경을 조성·개선하고, 출·퇴근 시간대 배차시간과 간격의 신뢰성을 확보하는 것이 중요하다. 더불어 통근버스 내부의 혼잡도, 청결도, 쾌적성 등 이용 경험을 개선하는 운영적 요소 역시 수단전환 의사 형성에 중요한 영향을 미칠 수 있다. 이는 통근버스를 “이용해야 하는 수단”이 아니라 “이용하기 편리한 수단”으로 인식시키는 접근의 중요성을 의미한다.
마지막으로 건설현장 특성(WSF)과 현장 교통·보행 환경(TPE)은 직접적인 정책 목표라기보다는, 다른 인식 요인의 변화를 유도하기 위한 객관적 환경으로써 선행 조건으로 고려되어야 한다는 것이다. 즉, 근로자가 통근버스를 이용하기에 불리한 현장 여건을 완화하고, 현장 주변의 교통 및 보행 환경을 보다 안전하고 쾌적하게 조성함으로써, 통근버스 이용을 자연스럽게 선택할 수 있는 환경을 마련하는 것이 중요하다.
결론
1. 이론적 기여
본 연구는 기존의 공급자(관리자)·도로망 중심의 거시적 건설현장 교통관리 접근에서 벗어나, 수요자인 건설근로자를 중심으로 계획행동이론(TPB) 기반 모빌리티 매니지먼트(MM)를 건설현장에 적용하고자 구조방정식모형(SEM)을 활용한 탐색적 연구를 수행하였다는 점에서 의의를 갖는다. 특히 설문조사를 통해 건설현장 관련 요인을 정량화하고, 이 요인들이 건설현장과 관련한 객관적 환경으로써 근로자의 수단전환 의사에 직접적으로 작용하기보다, 인지적·사회적 요인을 매개로 간접적인 영향을 미친다는 구조를 실증적으로 규명하였다.
또한 행동의도(BI)–실행의도(II)–행동변화 의사(BCI)로 이어지는 계획행동이론의 단계적 의사결정 메커니즘이 건설현장이라는 특수한 근로환경에서도 유효함을 확인하였다. 이는 건설현장 교통관리를 단순 시설·운영 문제를 넘어, 근로자의 인식과 의사결정 구조를 이해하는 사회·심리학적 접근으로 확장하였다는데 학술적 기여가 있다.
종합하면, 본 연구는 향후 대규모 건설현장에서 근로자 중심의 모빌리티 매니지먼트 정책을 체계적으로 설계·운영하기 위한 실증적 근거를 제공하며, 교통정책을 통한 현장 운영 효율성 및 생산성 향상이라는 건설교통관리(CTM) 분야의 새로운 연구 방향을 제시한다는 점에서 의미를 갖는다.
2. 한계점 및 향후 연구방향
본 연구는 구조방정식모형 분석에 92개의 표본을 활용하였으며, 이는 일반적인 구조방정식모델링(SEM) 연구 기준에서 제한적이라 평가될 수 있다. 다만 본 연구는 건설현장을 대상으로 계획행동이론(TPB) 기반 모빌리티 매니지먼트 적용 가능성을 탐색하는 연구로, 결측값 분석·보정을 수행하고 소표본 환경에 적합한 부분 최소제곱 구조방정식모델링(PLS-SEM)을 적용함으로써 이러한 한계를 보완하고자 하였다. 향후 연구에서는 보다 많은 근로자를 대상으로 표본을 확장하여 분석의 일반화 가능성을 높일 필요가 있다.
또한 본 연구는 건설근로자 대상 설문조사 결과를 바탕으로 수행된 연구로써, 건설근로자에 대한 정의가 무엇보다도 중요하다고 할 수 있다. 모빌리티 매니지먼트 목적을 고려하여 현장의 종합건설사와 계약된 협력업체 근로자 중 공사의 준공 시점까지 근무하는 중·장기 계약 근로자를 대상으로 수행하였으나, 설문 문항을 통한 정확한 계약 형태를 수집하지 않는 등 건설근로자의 고용 형태를 명확하게 구분하지 못한 한계가 있다. 향후 연구에서 고용 형태를 명시적으로 구분하여 각 고용 형태별 수단전환 의사에 대한 요인들의 차이를 분석할 수 있을 것이며, 이를 통해 차별화된 모빌리티 매니지먼트 전략을 수립할 수 있을 것으로 판단된다.
다음으로 건설현장 특성(WSF)과 현장 교통·보행 환경(TPE)을 구성하는 대부분의 관측변수가 측정모형 평가 단계에서 제외되어 단일항목 구성개념으로 모형에 반영되었다. 이는 설문 문항 설계 단계에서 두 개념을 충분히 설명할 수 있는 측정변수에 대한 검토의 한계 때문이라고 할 수 있다. 그러나 이는 기존 모빌리티 매니지먼트 연구에서 다뤄졌거나 확립된 측정도구 중 건설현장 특성에 대한 연구가 충분히 축적되지 않은 상황에 따라 발생한 제약으로도 볼 수 있다. 또한 Hair et al.(2017)은 사회과학 연구에서, 특히 새로 개발된 척도를 사용하는 경우 0.7 미만의 적재량이 흔하게 나타날 수 있음을 언급하고 있으며, 탐색적 연구 단계에서 구성신뢰도(CR) 0.60~0.70을 수용 가능한 수준으로 제시하고 있다. 따라서 본 연구는 건설현장 근로자 대상 계획행동이론 기반 모빌리티 매니지먼트의 적용 가능성을 탐색하는 연구라는 점과 앞서 언급한 이론적 배경에 따라 그 당위성을 설명할 수 있을 것이다. 하지만 향후 연구에서는 근로자 중심에서 수단전환과 관련된 요인을 보다 직접적으로 반영한 문항 개발과 잠재요인 재정의가 요구된다.
또한 행동변화 의사(BCI)를 측정하는 두 개의 관측변수(BCI1, BCI2)의 내용적 유사성으로 중복이 우려될 수 있다. 이는 향후 연구에서 개념적 정의를 보다 명확하게 함으로써 개선할 필요가 있다.
마지막으로 본 연구는 건설현장에 계획행동이론(TPB) 기반 모빌리티 매니지먼트(MM)를 적용하기 위한 탐색적 연구로서, 실제 정책 시행과 행동변화 효과를 검증하기 위한 초기 단계에 해당한다. 따라서 후속 연구에서는 [사전 조사–정책 설계–정책 시행–사후 조사–행동변화 분석]으로 이어지는 종합적 연구를 통해, 건설현장에서의 모빌리티 매니지먼트 정책 효과를 실증적으로 검증할 필요가 있다.
