중학생 투수를 대상으로 한 마운드 피칭과 지면 피칭의 동작학적 비교 문창휘 1, 김영관 1* 1 전남대학교 Kinematic Analysis of Pitching between Mound and Ground for Middle- School Pitchers Chang-Whi Moon, Young-Kwan Kim * Chonnam National University e-mail: ykkim01@jnu.ac.kr 요 약 본 논문은 마운드와 지면에서 중학생 투수를 대상으로 전력 피칭을 시킬 때 나타나는 동작학적 변인들을 비교 분석하여 마운드가 피칭 메커니즘에 미치는 영향을 찾으려고 하였다. 실험대상자는 G시의 M중학교 오버핸드투수 6명이었고, 교차 균형설계법에 따라 각각 마운드와 지면에서 10번 씩 직구를 던졌다. 4대의 광학식 고속카메라(200Hz의 영상 취득률)를 이용하여 피칭 시 주요 분절 3차원 동작 정보를 획득하였고, 스피드 건을 통해 포수 뒤에서 구속을 측정하였다. 스트라 이크 존에 들어오는 투구 중 평균 구속에 가장 가까운 수행자료 하나를 택하여 자료 분석을 수행하였다. 자료 분석은 상 용 수치해석 프로그램에서 운동학적 변인들을 계산하였고, 대응표본 t-검정을 통해 결과를 비교하였다. 마운드 피칭에서 는 Phase 2 구간시간이 길게 나타났고, 스트라이드 변위, 무게중심의 변위가 지면 피칭보다 더 크게 나타났다. 무게중심 의 최대 선속도는 지면 피칭보다 마운드 피칭이 더 빠르게 나타났지만, 하체에서 발생한 운동학적 잇점을 충분히 살리지 못해 스트라이드 이후 몸통과 상지 분절의 움직임에서 두 피칭 간에 유의한 차이가 없었다. 결론적으로 실험에 사용된 마운드에 높이가 유의한 구속 차이를 이끌어 내기에 충분하지 못했거나 중학생 투수의 부족한 피칭 메커니즘에 의해 마 운드의 장점이 구속에 반영되지 못했다. 2014년 5월 14일 제출, 2014년 6월 15일 수정, 2014년 6월 16일 접수, 2014년 6월 30일 출판 1. 서론 프로야구는 대한민국에서 가장 인기 있는 스포츠 중의 하나로 700만 시대를 넘어 800만 시대로 접어 들고 있으며 2013년부터는 8구단 체제에서 9구단 체 제로 확대되었다. 최근 2008년 베이징 올림픽과 제1 회와 2회 World Baseball Classic(WBC)의 성공적인 결과는 프로야구 인기 상승의 원동력으로 작용했다. 현재 초, 중, 고, 대학교의 엘리트 야구팀 이외에 생 활스포츠로서 사회인 야구팀이 지속적으로 증가함으 로써 저변확대가 이루어지고 있는 실정이다. Koppett 1 는 야구에서 가장 중요하고 많이 이루어 지는 동작은 던지기로 투수가 던지는 투구(pitching) 와 야수가 던지는 송구(throwing)로 나눌 수고, 경 기 수행 중 신체활동의 약 70%를 차지한다고 하였 다. 그 중 투수가 던지는 투구가 야구경기에 있어서 가장 중요한 승패의 요인으로 승리에 있어서 타자보 다는 투수에 의존하는 비율이 80% 이상을 차지한다 고 알려졌다 2. 이에 따라 운동역학과 스포츠 의학 분야에서는 야 구 피칭 메커니즘에 대한 연구들을 다양하게 수행해 왔다. 지금까지 연구를 살펴보면 야구 피칭 동작 순 서는 준비자세에서 와인드업(wind-up), 스트라이드 (stride), 코킹(cocking) 상태인 어깨최대외회전 (maximum exteranl rotation), 릴리스(release), 팔로 우스로우(follow-through) 순으로 따른다고 하였다 3,4,5. 투수는 와인드업을 통해 위치에너지와 탄성에너 지를 축적한 후 스트라이드 동작으로 넘어가면서 중 력에 의한 위치에너지를 운동에너지로 전환시킨다. 스트라이드 이후에는 지면에서 발생한 지면반력을 하체가 효과적으로 이용하여 상체의 전후방향과 좌 우방향 회전을 유도하고 각운동량을 생성시킨다. 이 렇게 생성된 각운동량이 윗팔, 아랫팔, 손으로 이어 지는 관절을 통해 효과적으로 전이될 때 릴리스 포 인트에서 손끝 속력이 증가되는 것이다 6. 이것은 개 발사슬형운동(open kinetic chain motions)의 전형적 -1-
인 형태로 근위분절에서 원위분절로의 순차적인 회 전과 적절한 회전 지연(timing delay)이 역학적 핵심 원리로 여겨졌다 7,8,9. 경기력을 위해 대부분 투수들이 빠른 구속과 다양 한 변화구를 반복적으로 사용하다 보면 몸에 무리가 따르는 과사용(overuse) 부상이 뒤따른다. 피칭에 의 한 과사용 부상은 팔꿈치 관절에 과도한 외반 부하 를 가하거나 10,11 코킹 자세에서 과도한 어깨외회전에 기인하는 것이 많았다 12,13. 상지 부상을 줄이기 위해 서는 하지 동작을 효율적으로 가져가 각운동량을 증 가시키거나 14 분절의 회전 순서와 적절한 타이밍을 활용하여 피칭 메커니즘을 효율적으로 가져가야 한 다 15. 피칭 훈련에 있어서 투수는 지면에서 부단한 연습 을 하지만 실전 피칭은 마운드에서 이루어지기 때문 에 지면과는 다른 느낌을 마운드에서 받는다. 골프 를 제외한 모든 필드 운동 중 유일하게 야구만이 바 닥면 높이가 불균일한 조건에서 이루어지는 스포츠 이다. 투수가 던지는 지역인 마운드는 다른 지역에 비해 약 10인치(25.4 cm)가 더 높게 형성되어 있다. 이는 지면에서 던지는 것보다 투수들에게 더 유리한 조건을 제공하는 것이라고 생각할 수 있다. 하지만, 지금까지 과학적인 연구측면에서 마운드에서 던지는 것이 유리하다는 것에 대한 연구가 매우 미비하였 다. 최근 Nissen 등 16 에 의한 연구가 유일하게 펼쳐 졌는데, 그들은 유의한 구속 차이는 없고 마운드 피 칭이 청소년 투수들의 어깨와 팔꿈치에 더 많은 부 하를 가한다고 주장하였다. 이들의 연구는 피칭 메 커니즘에 대한 전체적인 분석보다는 상지에 집중된 연구 한계점을 보여 주었다. 따라서, 본 연구의 목적은 중학교 투수들을 대상 으로 마운드와 지면에서 각각 피칭을 하게 한 후 전 체적인 피칭 메커니즘 측면에서 어떠한 차이가 있는 지 살펴보는데 있다. 실험을 통해 구속에 영향을 미 치는 요소들을 찾아봄으로써 투수를 양성하기 위한 트레이닝 방법에 도움을 줄 수 있을 뿐 아니라, 야 구 초기단계라 할 수 있는 중학생 투수들에게 부상 을 최소화하면서 던질 수 있는 투구 동작형성에 도 움을 주고자 하였다. (a) 고속 카메라 (b) 스피드 건 (c) 반사마커 부착점 [그림 1] 실험에 사용된 계측 장비 및 동작 2.2 실험 장비 측정에 사용된 마커셋 투구동작을 정확히 측정하기 위해 4대의 광학식 고속카메라(Osprey, Motion Analysis, Santa Rosa, CA, US)를 이용하였고(200Hz 영상취득률), 신체 움직임을 정량화하기 위하여 반사 마커 29개 (Helen-Hayes 마커셋)를 주요 해부학적 위치에 부 착하였다. 또한 스피드 건(Bushnell Velocity)을 사 용하여 포수 뒤에서 구속을 측정하였다(그림 1). 마운드는 가로 200 cm, 세로 147 cm, 뒤쪽 수직 높이 22 cm, 앞쪽 수직높이 7 cm의 강판으로 이루 어졌으며 표면에 카페트를 설치하여 투구할 때 미끄 러지지 않게 하였다. 전역좌표계의 X축은 투수가 공 을 던지는 방향, Y축은 오른손 투수의 경우 등쪽 방 향, Z축은 수직 위 방향으로 정의하였다(그림 2). 2.3 실험 절차 실험에 앞서 실험대상자들은 충분한 스트레칭과 워밍업을 실시하였다. 피칭은 직구로 한정하였고, 마 운드 피칭과 지면 피칭 순서는 교차균형설계법 2. 연구방법 2.1 연구 참여자 본 연구 참여자는 G시의 M중학교에서 활동하는 야구선수 중 부상이 없고 공을 던지는데 아무런 어 려움이 없는 오버핸드투수 6명으로 하였다. 이들의 나이는 15.2±0.7세, 키는 173.3±9.9 cm, 체중은 63.5±12.0 kg중이었다. [그림 2] 실험에 사용된 마운드의 크기와 전역좌표계 -2-
E1 E2 E3 E4 [그림 3] 마운드피칭 실험 모습 [그림 4] 피칭 동작을 분석하는 시점과 국면 정의 (counter-balanced design)으로 결정하였다. 각 피칭 조건 당 18.44 m 떨어져 앉은 포수에게 10회를 전 력으로 던졌고(그림 3), 1회 실시 후 20초 간의 휴식 시간을 가졌다. 두 가지 피칭 조건 사이에 5분 간 휴식을 부여하여 피로도가 없는 상태에서 투수가 피 칭하도록 하였다. 포수 뒤에 보조자가 스피드 건으 로 매 회 구속을 측정하였고, 포수는 스트라이크와 볼을 판단하여 기록원에게 알려주었다. 2.4 자료 분석 시계열에 따라 투구동작을 [그림 4]와 같이 4개의 시점(event)과 3개의 국면(phase)으로 나누어 분석하 였다. E1은 스트라이드(stride)하는 발의 앞꿈치가 움직이기 시작하는 시점이고, E2는 와인드업하는 다 리의 무릎이 최고 높이에 도달했을 때(lifting top)이 다. E3는 스트라이드했을 때 뒷꿈치가 지면에 닿는 시점(heel strike)이고, E4는 릴리스(release)하는 지 점으로 정의하였다. Phase 1은 E1과 E2 사이, Phase 2는 E2와 E3 사이, Phase 3는 E3와 E4 사이 로 정의하였다. 피칭 동작분석은 10회의 투구 중 스트라이크로 판 정된 피칭 수행자료만 대상으로 하였다. 스트라이크 존에 들어온 투구들의 평균 구속을 구하고, 그 평균 구속에 가장 가까운 한 개의 스트라이크 투구 수행 자료 택하여 피험자의 대푯값으로 정하고 향후 분석 에 활용하였다. 비교 분석에 사용된 동작학 변수들은 구속(ball speed), 무게중심 변위, 무게중심의 최대속도와 평균 가속도, 스트라이드(stride) 변위, 릴리스 포인트 위 치, 관절의 선속도, 골반과 어깨선의 회전속도이었 다. 카메라를 통해 얻어진 3차원 반사 마커 위치 값은 Matlab 에서 Butterworth 2차 저역통과필터링(차단 주파수 8 Hz)을 통과한 후 동작학 변수 계산을 실 시하였다. 무게중심 변위는 시작시점(E1)에서부터 릴리스시점(E4)까지의 변화된 위치값이고, 스트라이 드는 뒷발에서부터 앞발까지 변위인데, X축 방향과 Z축 방향, 그리고 전체변위(resultant displacement) 로 구분하여 분석하였다. 전체변위란, 뒷발에서부터 앞발까지의 최단거리로 정의하였다. 릴리스 포인트 위치는 피칭할 때 앞발의 중심점으로부터 피칭하는 손의 2번째 중수골(knuckle)까지의 변위였다. 관절의 선속도는 주요 관절인 어깨, 팔꿈치, 손목의 최대 선 속도값으로 정의하였고, 골반과 어깨선의 회전속도 는 릴리스 이전 최대 회전속도로 정의하였다. 2.5 통계 분석 두 가지 피칭 간에 운동학적 변인 차이를 규명하 기 위해 상용 통계프로그램(SPSS 18.0)을 사용하였 다. 통계 기법은 대응표본 t-검정을 실시하였으며, 유의 수준은.05로 설정하였다. 3. 결과 3.1 구간시간 [표 1] 각 국면 시간 비교 (단위: 초) 지면피칭 마운드피칭 t p Phase 1 0.37±0.03 0.35±0.02 1.95 0.11 Phase 2 0.51±0.06 0.54±0.05-3.33 0.02 * Phase 3 0.12±0.04 0.10±0.05 1.80 0.13 * p<.05 [표 2] 지지발 기준 스트라이드 변위 비교 (단위: m) 지면피칭 마운드피칭 t p X축 1.35±0.11 1.42±0.13-3.17 0.03 * Z축 0.02±0.02-0.07±0.07 2.95 0.03 * 전체 1.35±0.10 1.42±0.13-3.30 0.02 * * p<.05-3-
[표 3] 무게중심 변위 비교 (단위: m) 지면피칭 마운드피칭 t p X축 1.09±0.14 1.14±0.15-2.04.10 Y축 -0.24±0.08-0.23±0.09-0.87.42 Z축 -0.25±0.06-0.36±0.08 11.07 <.01* * p<.05 [표 4] 관절 최대선속도 비교 (단위: m/s) 지면피칭 마운드피칭 t p 어깨 4.5±0.5 5.2±0.3-1.29 0.25 팔꿈치 11.7±0.7 11.9±0.9-0.67 0.53 손목 14.0±0.9 14.4±0.8-2.12 0.09 3.4 무게중심의 최대 선속도와 평균가속도 마운드 피칭의 무게중심 최대 선속도(2.61±0.20 m/s)는 지면 피칭의 최대 선속도(2.44±0.17 m/s)보 다 유의하게 빨랐다(p<.05). 반면 무게중심의 평균가 속도는 마운드 피칭의 결과(2.73±0.65 m/s 2 )가 지면 피칭의 결과(2.56±0.51 m/s 2 )보다 컸지만 통계적으로 차이가 없었다. 3.5 골반과 어깨선 회전속도 골반 회전속도에서 지면 피칭은 569.9±104.5 /sec, 마운드 피칭은 589.1±117.5 /sec이었다. 어깨 선 회전속도에서는 지면 피칭 999.8±63.4 /sec, 마 운드 피칭 1100.7±261.9 /sec이었다. 각각 모두 통 계적으로 유의한 차이를 보이지 않았다. [표 5] 릴리스포인트 변위 비교 (단위: m) 지면피칭 마운드피칭 t p X축 0.09±0.14 0.11±0.18-0.63 0.56 Y축 -0.49±0.09-0.46±0.10-2.11 0.09 Z축 1.26±0.10 1.27±0.13-0.81 0.45 마운드와 그라운드 피칭 시 각 구간시간을 비교하 기 위해 대응표본 t-검정을 실시한 결과 Phase 2 구 간시간에서만 유의한 차이가 나타났다(p<.05, 표 1). Phase 2에서 마운드 피칭 구간시간(0.54±0.05초)은 지면 피칭 구간시간(0.51±0.06초)보다 길게 나타났 다. 3.2 스트라이드 변위 스트라이드 변위에 있어서 X축, Z축, 전체 변위 모두 마운드 피칭 결과가 지면 피칭 결과보다 더 길 게 나타났다(p<.05, 표 2). 전체 변위는 7 cm 정도 길게 나왔는데 전진 방향(X축)의 증가분에 기인하였 다. 3.3 무게중심 변위 E1시점과 E4시점 사이의 무게중심 변위를 살펴본 결과 X축(전진방향)과 Y축(좌측방향) 변위에서는 유 의한 차이가 없었고(p>.05), Z축(수직방향)에서만 유 의한 차이가 발생하였다(p<.05, 표 3). 마운드 피칭 (-0.35±0.08 m)에서는 더 많이 수직으로 변위가 발 생하였다. X축으로는 5 cm정도 마운드 피칭이 더 증가되었지만 통계적으로 유의하지 안았다. 3.6 관절 선속도 마운드 피칭할 때 어깨관절의 최대 선속도(5.2±0.3 m/s), 팔꿈치관절의 최대 선속도(11.9±0.9 m/s), 손 목관절의 최대 선속도(14.44±0.80 m/s) 모두 지면 피칭할 때의 결과값보다 컸으나 통계적으로 차이가 없었다(p>.05, 표 4). 3.7 릴리스 포인트 위치 마운드 피칭은 지면 피칭에 비해 전진방향(X축)으 로는 2 cm 정도 앞으로, 좌우방향(Y축)으로는 3 cm 정도 왼쪽으로 릴리스 포인트가 형성되었지만, 통계 적으로 차이가 없었다(p>.05, 표 5). 3.8 구속(ball speed) 지면 피칭 구속은 29.8±1.6 m/s (107.17±5.85 km/h), 마운드 피칭 구속은 29.7±0.9 m/s (106.83±3.19 km/h)로 나타났다. 대응 t-검증 결과 (t=-0.25, p=.81) 두 값은 차이가 없었다. 4. 논의 본 논문은 중학생 투수를 대상으로 동작분석을 실 시하였다. 다른 스포츠와는 달리 야구에서는 마운드 라는 곳이 존재하고 오로지 투수만이 그곳에서 투구 를 하여 공을 타자에게 보낸다. 지면보다 약 10인치 (25.4 cm)정도 높은 곳에서 투구하기 때문에 투수는 스트라이드를 포함하여 투구 발란스(balance)를 잡 는데 있어서 지면과는 다른 느낌으로 던진다. 이러 한 마운드 피칭이 투구 메커니즘에 미치는 영향을 파악하기 위해 지면 피칭과 마운드 피칭을 운동학적 관점에서 비교 분석하였다. 이론적으로 생각해 보았을 때 투구 동작은 신체에 서 발생한 역학적 에너지(운동에너지와 위치에너지 -4-
의 합)를 공에 전달하는 과정이기 때문에 빠른 공을 던지기 위해서는 더 큰 에너지를 공에 전달해야 한 다. 즉, 마운드가 지면 보다 높은 곳에 있기 때문에 더 큰 위치에너지를 발생시키고 이는 스트라이드할 때 신체 운동에너지에 영향을 줄 수 있다고 생각할 수 있다. 하지만, 본 연구결과 마운드 피칭 구속 (29.7±0.9 m/s)과 지면 피칭 구속(29.8±1.6 m/s)이 통계적으로 차이가 없었다. 비슷한 연령층을 대상으 로 실험한 Nissen 등 16 의 연구에서도 구속 측면에서 마운드 피칭 결과(23.5±2.8 m/s)와 지면 피칭 결과 (23.3±2.8 m/s)가 통계적으로 차이가 없었다(p=0.22). Nissen 등의 연구는 상지관절에 걸리는 부하를 중 심으로 결과를 설명하였다. 마운드 피칭할 때 어깨 관골과 팔꿈치관절 모멘트는 지면 피칭할 때에 비해 6% 정도 증가되었다고 보고하였고, 이는 수직방향 으로 무게 중심의 추가적인 하락이 몸의 전진가속도 와 회전가속도에 긍정적으로 작용하여 릴리스 (release) 순간에 적절한 타이밍과 자세를 제공했을 것으로 설명하였다. 그리고 마운드 피칭할 때 운동 학적으로 유의한 차이를 보이는 것은 경사진 마운드 면 때문에 스트라이드의 위치가 달라져 발목과 무릎 각도 차이라고 하였다. 즉, 경사면 때문에 발목에서 족저굴곡이 더 발생하고 이것을 보상하려고 무릎 신 전이 더 많이 이루어지면서 상지보다 하지의 운동학 적인 차이가 발생한다고 설명하였다. 본 연구결과 와인드업(lifting top)에서 스트라이드 (heel contact)까지 Phase 2 구간시간은 마운드 피칭 에서 더 길게 나타났다. 지면 피칭과 비교했을 때 무게중심이 아래로 더 내려가기 때문에 시간적 지연 이 발생한 것으로 보이고, 실제로 스트라이드에서도 전진방향에서 유의한 차이가 발생하여 마운드 피칭 의 Phase2 구간시간이 운동역학적으로 중요한 의미 를 가진다고 볼 수 있다. 이는 마운드 피칭할 때 지 지발에 의해 더 오랜 시간동안 신체 움직임을 발생 시킬 수 있어 무게중심이동 시간과 이동 변위의 증 가로 신체에 가한 지면 충격량과 에너지양이 긍정적 으로 작용했을 것으로 생각되었고, 이에 따라 무게 중심 최대 선속도가 지면 피칭에 비해 유의하게 크 게 나타났다고 볼 수 있다. 하지만, 몸통와 상지 분절에서는 하체에서 발생한 역학적 장점을 효율적으로 사용하지 못하였다. 골반 과 어깨선의 회전속도와 어깨, 팔꿈치, 손목관절의 선속도, 그리고 포수 뒤에서 측정된 구속 등에서 통 계적으로 차이가 없었다. 이는 마운드 피칭 조건이 지면 피칭보다 더 큰 운동량을 발생시킬 수 있기 때 문에 더 빠른 공을 던지기에 유리하다고 생각할 수 있지만 무게중심의 가속도에 있어서는 차이를 보이 지 않았다는 점에서 실험에 참여한 중학생 투수들의 기능적 요인과 자세 요인에서 부족한 점이 있을 것 으로 생각되었다. 실제 청소년기 투수들은 성인 투수들에 비해 몸통 회전을 잘 이용하지 못하고 있으며, 몸통 회전과 팔 회전사이에 발생하는 타이밍을 적절히 활용하지 못 하여 윗팔과 아래팔 회전 지연이 발생하고, 어깨와 팔꿈치에 부담을 많이 주는 형태의 피칭을 한다고 알려져 있다 17,18. 본 연구에서는 성인과 직접 비교를 할 수 없었지만, 하체에서 발생한 운동학적인 장점 이 상체의 선속도와 회전속도, 그리고 구속으로 나 타나지 않은 것을 보았을 때 중학생 투수들의 코어 근력(core strength)과 안정성(core stability) 부족을 원인의 일부로 볼 수 있다 19. 또한, 마운드와 지면에 서 구속에 차이가 없었다는 것은 마운드 높이에 해 당하는 22cm가 구속 차이를 이끌어 내는데 한계가 있었음을 생각할 수도 있다. 본 연구 결과를 바탕으로 볼 때 투수를 지도에 있 어서 하체의 장점을 상체로 잘 가지고 갈 수 있는 골반 주변의 코어 근육과 상지 근육들 간의 협응을 잘 이끌어 낼 수 있는 훈련방법을 가져갈 필요성이 있다고 본다. 추후 성인과 대학생 선수들의 대상으 로 중학생 그룹과 어떠한 운동학적인 차이가 있는지 비교하는 것도 의미있는 연구가 될 것으로 생각된 다. 5. 결론 본 연구는 중학생 투수를 대상으로 마운드 피칭과 지면 피칭할 때 발생하는 동작학 변인을 비교 분석 하여 마운드가 피칭 메커니즘에 미치는 영향을 찾고 자 하였다. 실험 결과 마운드에 의해 와인드업 이후 스트라이드 전까지의 구간시간이 길어졌고, 무게중 심 변위와 무게중심 최대 선속도에서 지면 피칭보다 유리한 점이 발견되었다. 하지만, 몸통과 상지의 움 직임(골반과 어깨선 회전속도, 어깨, 팔꿈치, 손목의 최대 선속도), 포수 뒤에서 측정된 구속에서는 지면 피칭과 차이가 없었다. 이는 마운드의 높이가 유의 한 결과물을 이끌어 내는데 충분치 못하였거나 하지 에서 발생한 장점을 코어 근력과 협응력 부족으로 몸통과 상지에 효율적으로 전달되지 못한 것으로 생 각되었다. 참고문헌 [1] L. Koppett, The new thinking fan's guide to baseball, Simon & Schuster, 1991. -5-
[2] 배원환, 야구투구의 속도와 제구력에 영향을 미 치는 운동역학적인 요인에 관한 연구, 미간행 박사학위논문, 경북대학교. [3] A. E. Atwater, "Biomechanics overarm of throwing movements and of throwing injuries," Exercise Sport Science Reviews, vol. 7, no. 1, pp. 43-86, 1979. [4] J. Hay, The biomechanics of sports techniques, Prentice-Hall Inc., 1985. [5] A. M. Pappas, R. M. Zawacki, T. J. Sullivan, "Biomechanics of baseball pitching. A preliminary report," American Journal of Sport Medicine, vol. 13, no. 4, pp. 216-222, 1985. [6] T. House, The pitching edge, Human Kinetics Publisher, 1994. [7] E. Kreighbaum, K. M. Barthels, Biomechanics: A Qualitative Approach for Studying Human Movement (3rd ed.), Macmillan Publishing Company. pp. 596-664, 1990. [8] C. Putnam, "A segment interaction of analysis of proximal-to-distal sequential segment motion patterns," Medicine and Science for Sports and Exercise, vol. 22, pp. 130-144, 1991. [9] C. Putnam, "Sequential motions of body segments in striking and throwing skills: Descriptions and explanations," Journal of Biomechanics, vol. 26, supl. 1, pp. 125-135, 1993. [10] F. S. Chen, A. S. Rokito, F. W. Jobe, Medial elbow problems in the overhead throwing athlete, Journal of American Academic Orthopaedic Surgery, vol. 9, pp. 99-113, 2001. [11] F. D. Wilson, J. R. Andrews, T. A. Blackburn, G. McCluskey, "Valgus extension overload in the pitching elbow,". American Journal of Sports Medicine, vol. 11, no. 2, pp. 83-88, 1983. [12] C. J. Dillman, G. S. Fleisig, J. R. Andrews, Biomechanics of pitching with emphasis upon shoulder kinematics. Journal of Orthopaedic Sports Physical Theraphy, vol. 18, no. 2, pp. 402-408, 1993. [13] G. S. Fleisig, J. R. Andrews, C. J. Dillman, R. F. Escamilla, "Kinetics of baseball pitching with implications about injury mechanisms," American Journal of Sports Medicine, vol. 23, no. 2, pp. 223-239, 1995. [14] J. A. Guido, S. L. Werner, "Lower-extremity group reaction forces in collegiate baseball pitchers," Journal of Strength and Conditioning Research, vol. 26, no. 7, pp. 1782-1785. [15] A. L. Aguinaldo, J. Buttermore, H. Chambers, "Effects of upper trunk rotation on shoulder joint torque among baseball pitchers of various levels," Journal of Applied Biomechanics, vol. 23, pp. 42-51, 2007. [16] C. W. Nissen, M. Solomito, E. Garibay, S. Ounpuu, M. Westwell, "A biomechanical comparison of pitching from a mound versus flat ground in adolescent baseball pitchers," Sports Health, vol. 5, no. 6, pp. 530-536, 2013. [17] A. L. Aguinaldo, J. Buttermore, H. Chambers, "Effects of upper trunk rotation on shoulder joint torque among baseball pitchers of various levels," Journal of Applied Biomechanics, vol. 23, pp. 42-51, 2007. [18] S. Lyman, G. S. Fleisig, J. R. Andrews, E. D. Osinski, "Effect of pitch type, pitch count, and pitching mechanics on risk of elbow and shoulder pain in youth baseball pitchers," American Journal of Sports Medicine, vol. 30, no. 3, pp. 463-468, 2002. [19] A. M. Chaudhari, C. S. McKenzie, J. R. Borchers, T. M. Best, "Lumbopelvic control and pitching performance of professional baseball players," Journal of Strength and Conditioning Research, vol. 25, no. 8, pp. 2127-2232, 2011. -6-
한국프로야구 시청 결정요인에 관한 연구 정지규 1 1 삼성스포츠단 The Study on TV Viewing Factor of Korea Professional Baseball Jigyu Chung 1 Samsung Sports Administration Office e-mail: 01047411853@naver.com 요 약 본 연구의 목적은 한국프로야구 TV중계에서 실질적으로 시청을 결정하는 요인들을 분석하여 미디어콘텐츠로서 한국프 로야구 중계방송의 시청률 예측 및 설명모델을 회귀분석을 통해 만들어 보는 데 있으며, 연구 결과는 다음과 같다. 첫째, 2010년도 한국프로야구 개별 경기 전체의 시청률 결정에는 팀매치업을 비롯한 다양한 독립변인들이 작용하였으며, 3개의 팀매치업 모델에 대해 회귀분석을 각각 실시한 결과, 수정된 R2 값은 최대값은 0.782, 최저값은 0.713 으로 모두 통계적으 로 유의미하게 판명되었다. 독립변인들 중에서 가장 큰 영향을 미치는 요인는 팀매치업으로 확인되었다. 둘째, 2010년도 한국프로야구 개별 경기의 경기전반부 시청률만을 대상으로 회귀분석을 통한 예측모델을 만들어 본 결과, 수정된 R2값의 최대값은 0.766, 최저값은 0.726이였으며, 상대적으로 우수한 예측모형을 확인할 수 있는 AIC값은 -995.954에서 -1032.378 로 모두 유의미한 예측력이 있음이 검증되었다. 셋째, 2010년도 한국프로야구 시청률 자료를 통해 만들어진 예측모델을 활 용하여, 2011년도 한국프로야구 개별 경기의 전반부 시청률 자료를 검증한 결과, 샘플의 평균 정확도는 77.37%이었다. 샘 플의 예측시청률 값들은 모두 신뢰구간 안에 있었다. 즉, 본 연구의 예측모델은 정확도 77.37%인 시청률 예측모델로 통계 적으로 유의한 것으로 판명되었다 2014년 5월 14일 제출, 2014년 6월 16일 수정, 2014년 6월 17일 접수, 2014년 6월 30일 출판 1. 서 론 한국프로야구는 1982년 출범 이후 꾸준한 관중 증 가를 기록하며 국내 프로스포츠 시장을 선도해왔 다. 2000년대 초반 미디어 환경의 변화와 메이저리그 야구를 비롯한 다양한 스포츠콘텐츠의 유입으로 일 시적인 하향세를기록하기도 하였으나, 경기력 향상을 위해 집중 투자한 결과, 프로야구 전반의 수준이 향 상되면서 2008년 베이징올림픽 우승, 2009년 월드베 이스볼클래식 준우승 등 각종 국제대회에서 우수한 성적을 거두었다. 이로 인해 2012년에는 715만명의 입장 관중을 기록하며, 국내 프로스포츠 입장관중최 고기록을 갱신하였다[1]. 한국프로야구의 위상은 입 장 관중뿐 만 아니라, 다른 분야에서도 국내 프로스 포츠 중 가장 우위에 있는 것으로 밝혀졌는데, 여론 조사 전문기관의 조사 결과 가장 선호하는 프로스포 츠 종목 1위를 차지해왔다[2]. 또한, 국내언론에 노출 된 방송 및 신문 빈도에서도 한국프로야구는 1위를 차지하였으며, 케이블TV 스포츠전문채널 편성비중에 서도 1995년 케이블TV 서비스 출범이후 계속 1위를 차지하였다[3]. 이렇듯 한국프로야구는 인기 스포츠 콘텐츠로서 오랜 세월 동안 주목받아왔고, 프로야구와 관련된 다 양한 연구 또한 진행되어왔다. 한국프로야구에 대한 대표적인 연구들은마케팅, 특히 스폰서십 효과와 관 련된 연구들로 주로 기업PR적 관점에 초점이 맞추어 져 있었으며[4,5], 이와 함께 관람요인과 만족도 그리 고 소비자 관점에서의 연구들도 활발히 진행되어 왔 다[6-8]. 이 밖에도 다른사회과학 분야들과 통섭되어 서도 여러 연구가 진행되어 왔는데, 선수권리[9,10], 기록[11], 사회현상 접목[12,13]등의 연구들이 있어 왔다. 하지만, 한국프로야구를 주제로 한 다양한 학 문적 연구에도 불구하고, 미디어 관점에서 한국프로 야구의 가치를 총괄적으로 분석하는 연구는 상대적 -7-
포츠에서 중계권 수입은 해당 스포츠콘텐츠 공급자 에게 매우 중요한 수입원이 되었다[20]. 게다가 IT과 학기술의발달로 인해, TV외에 인터넷과 모바일 기기 등 영상을 기반으로 한 다양한 매체들이 등장하고 있고, 이에 따른 중계권 수익이 별도로 발생하고 있 다. 따라서 이러한 스포츠중계권의 중요성을 감안할 때, 각종 스포츠이벤트들의 미디어 가치를 밝히기 위 한 연구가 심층적이고, 총괄적으로 이루어져야 하 며, 이는 국내 대표적인 스포츠콘텐츠인 한국프로야 구도 마찬가지이다. TV콘텐츠의 미디어 가치를 밝히기 위한 연구는 수용자인 시청자 관점에서 행동 변화와 반응에 관한 연구에서부터 프로그램 편성 그리고 시청률에 대한 측정까지 그 동안 여러 분야에서 진행되어 왔다. 하 지만, 프로스포츠에서 가장 중요한 수익모델로서의 미디어적 가치에 관한 연구는 상대적으로 적었다. 미 디어의 수익창출과 관련해서는 얼마나 많은 시청자 들이 해당 콘텐츠를 보느냐가 중요하고 또한 어떠한 설명 요인들이 해당 시청자로 하여금 해당 콘텐츠 를 보게 만드느냐를 아는 것이 필요하다. 이것을 설 명하는 지표가 시청률이다. 시청률은 스포츠콘텐츠를 중계하는 방송사 입장에서볼 때, 광고 수익과 직결 되는 요소인데, 현재KBS, MBC, SBS 등 지상파 채 널들은 한국방송광고공사(KOBACO)를 통해 광고를 수주하고 있으며, 한국방송광고공사는 2000년부터 GS판매방식을 도입하여 실시하고 있다[21]. GS판매 방식은 그 이전의 단방향적이고, 고정적이었던 광고 단가 책정시스템에서 벗어나 시청률과 시장의 수급 사항을 적극 반영하는 방식이다. 케이블TV채널의 경 우, 방송광고의 수주가 광고주와 방송사간에 직접적 인거래활동이 이루어지고 있으며, 이전 프로그램이나 시간대의 시청률이 절대적 기준으로 작용하고 있다 [22]. 즉 시청률은 프로그램의 광고 수익과 매우 밀 접한 관련이 있는 기준이다. 프로야구의 경우, 경기 의 사전정보가 다른 스포츠콘텐츠들에 비해 매우 풍 부하며, 정규경기 532경기 중, 연간 95%이상 경기가 중계된다는 점에서 연구가치가 높다고 할 수 있다 [3]. 하지만, 프로야구와 관련한 활발한 연구에도 불구 하고, 시청자들이 어떠한 이유에서 한국프로야구를 시청하는 지에 대한 연구는 상대적으로 이루어지지 않았다. 시청 결정요인을 안다는 것은 해당 콘텐츠의 시청률을 설명할 수 있음을 의미하며, 시청률이 해당 으로 부족했다. 시청결정요인이나, 시청만족에 관한 연구가 일부 있긴 하였으나, 대부분 인구통계학적 변 인들만을 설명변인으로 사용한다던가, 특정 시청계측 만을 조사 대상으로 하였다[14]. 그러나 미디어 관점에서 스포츠를 분석하는 연구 는 매우 중요하며, 또한 필요한 영역이다. 왜냐하면, 한국프로야구를 비롯해 프로스포츠가 대중적으로 큰 인기를 얻게 된 데에는 미디어를 통한 저변 확대가 큰 역할을 하였고, 미디어를 통한 매출은 프로스포 츠에 있어서 매우 중요한 수입원으로 자리 잡았기 때문이다[15]. 한국프로야구는 미디어를 통해 다양한 수익을 발생시키고 있는데, 일차적 수입원인 지상파 및 케이블 TV중계권은 2011년 기준, 총 160억원 정 도의 매출이 발생하였으며, 인터넷이나 IP-TV 등 이 차적인 중계수익을 포함하면, 총 중계권료 수익은 200억원 이상인 것으로 추산되고 있다[16]. 중계권 을 통한 매출이 아직은 프로스포츠의 전통적 수입원 인 경기관람을 통한 매출에는 미치지 못하는 수준이 나, 경기관람에다양한 제경비가 발생한다는 점을 고 려할 때, 구단입장에서 별도의 경비가 발생하지 않은 중계권 수익의 가치는 더 크다고 평가 할 수 있다 [17]. 게다가 한국프로야구 중계권료는 대중적인 인 기 상승과 더불어 지속적으로 상승하고 있다. 중계권 료 상승현상은 비단 한국프로야구 중계권에만 해당 되는 현상은 아닌데, 축구월드컵의 경우, 2010년 남 아공 월드컵의 TV중계권료는 27억 달러로 2006년 독일월드컵의 TV중계권료인 20억 달러보다 30% 증 가하였으며, 특히 FIFA와 미국은 2010년과 2014년 2 개 대회를 묶어 중계권료로 4억2500만 달러에 계약 하여, 단일 중계권료 최고 계약액을 갱신하였다. 올 림픽 역시 마찬가지인데, 올림픽을 주관하는 IOC의 수입 가운데 TV중계권이 차지하는 비중은 80% 이 상이며, 월드컵과 마찬가지로 하계대회 기준으로 한 TV중계권료는 25억 달러를 상회하고 있다[18]. TV 중계권료의 가치 상승은 월드컵이나 올림픽과 같은 메 가 스 포 츠 이 벤 트 에 국 한 된 게 아 닌 데, 미 국 FOX TV는 미식축구 중계를 위해 지난 2006년부터 2013년까지 8년간 57억6000만 달러를 지불했으며, 메이저리그야구를 방송하기 위해2007년부터 2013년 까지 7년간 18억달러, NASCAR(북미자동차경주)의 경우 2007년부터 2014년까지 8년간 17억6000만 달러 를 지불하였다[19]. 즉, 프로스포츠를 위시한 현대스 -8-
콘텐츠의 경제적 가치를 알려주는 지표임을 감안할 때, 한국프로야구의 시청 결정요인을 연구하는 것은 여러모로 효용가치가 있다. 또, 이를 통해 시청률을 예측모형을 만드들 경우, 광고를 집행하는 기업과 해당 광고를 수주하는 방송 국 또는 광고대행사 입장에서는 객관적이고 명확한 지표가 생기는 셈이며, 이를 활용하여, 투명한 광고 거래가 가능할 수 있기 때문에 꼭 필요한 연구라 할 수 있겠다. 본 연구의 목적은 한국프로야구 중계방송 시청률 에 영향을 미치는 요인들은 무엇인지를 밝히고, 또 이를 활용하여, 시청률 설명 및 예측모형을 만들어 보는 데 있다. 본 연구는 실제 프로야구 시청률에 영 향을 미치는 요소들을 객관적으로 검증하고, 중계방 송 시청률을 사전에 예측하여, 콘텐츠의 공급자인 구 단 또는 연맹, 수요자인 방송국과 광고주에게 객관적 인 지표를 제공해 주는데 그 구체적 목적이 있다. 구체적인 연구 문제는 다음과 같다. 연구문제1 : 한국프로야구 중계방송 시청률에 영 향을 미치는 시청결정요인은 무엇이 며, 시청률 설명모형은 어떻게 구성 되는가? 연구문제2 : 한국프로야구 중계방송시청률에영향 을 미치는 결정요인들 중, 사전적 요 인들을 활용한 시청률 예측모형은 어떻게 구성되는가? 연구문제3 : 연구문제2에서 만들어진 시청률 예 측모형의 정확도는 어느 정도인가? 연구문제의 해결을 위해 케이블TV채널에서 중계 된 한국프로야구 경기들의 분당시청률, 경기시간, 경 기내용, 경기시점의 성적 등의 데이터를 수집 하였으 며, 기존 연구를 통해 유의미하다고 확인된 시청결정 요인들을 활용해 독립변인화 하였다. 시청결정요인 들은 각각의 연구 문제에 맞게 경기사전 요인과 경 기요인으로 나누었으며, 경기사전 요인의 경우, 시청 률 예측모형을 만들어, 2011년도 자료를 통해 예측 정확도를 검증해 보았다. 2.1 연구대상 및 수집방법 2.1.1 연구대상 본 연구를 위해 시청률 조사전문기관인 TNmS의 분당 시청률 자료를 수집하였다. 먼저, 2010년도에 중계된 한국프로야구 경기 총 552개 경기에 대한 시 청률 데이터를 1차적으로 수집하였으며, 이 중에서 동일 경기에 대한 2개 이상 방송국의 중복중계 및 경기 전체를 중계하지 않은 경기(중간에 중계를 중 단하거나, 중간부터 중계를 시작한 경기) 그리고 우 천 중단된 경기 등을 제외한 462개의 경기를 대상으 로 경기시작부터 종료시까지의 분당시청률과 평균시 청률을 계산하였다. 2.1.2 시청률 연구대상 462경기에 대한 경기시작부터 경기종료 까지의 각각의 개별경기들의 분당시청률을 합산하여, 경기시간으로 나눈 평균시청률을 해당 경기의 시청 률로 정의하여 추출하였다. 또한, 경기 전체의 ½시점을 경기의 전반부로 규정 하고, 각각의 경기의 시작부터 경기 전체의 ½시점까 지의 평균시청률을 별도로 계산 하였다. 2.1.3 경기정보 연구대상 중계경기 중 각 각의 개별 경기들과 관 련된 전반적인 정보를 수집하였다. 경기정보는 [표 2]와 같이 경기사전정보와 경기정보로 구분하였으며, 경기사전정보의 경우, 경기일자, 요일, TV채널, 팀매 치업, 시작시간대, 대전하는 양팀간의 승차 등이며, 경기정보의 경우, 양팀간 점수차, 점수합, 초반 점수 차, 역전발생유무, 연장발생유무 등이다. 2. 연구방법 -9-
2.2 자료분석 연구문제1의 경우, 경기 전체에 영향을 미치는 요 인들을 대상으로 회귀분석 실시하였다. 먼저, 각 각 의 개별 경기 전체 시청률을 종속변인으로 하였으며, 경기전 및 경기를 포함한 전체 독립변인들을 대상으 로 회귀방정식을 통해 분석하였다. 회귀분석을 함에 있어서 무의미하게 나온 변인들을 제한 뒤 최적화된 모형을 찾는 단계적 회귀분석법을 사용하였으며, 통 계패키지는 SAS 9.2를 사용하였다. 또한 기존 연구 를 통해 전체 모형에서 가장 영향을 미치는 부분이 팀매치업 변인임을 감안하여, 팀매치업 변인을 세 가 지로 나누어, 각각의 수정된 R2 값을 비교해 보았다. 팀매치업 변인의 세 가지 모형은 통계학 전공 교수 의 자문을 받아 실시하였다. 구체적으로, <팀매치업_ 모델1>는 팀들 간의 매치업을 각각의 다른 변인으로 하여, 총 28개로 독립변인화 시켰고, <팀매치업_모델 2>는 팀간 매치업에 따른 입장관중수용률을 고려하 여 5개로 등급화 하였으며, <팀매치업_모형3>은 팀 매치업 자체를 홈팀, 원정팀 2개의 변인으로 나누어 분석하였다. 연구문제2는 개별 경기의 사전적 정보를 활용하 여, 해당 경기의 시청률을 예측하고자 하였다. 따라 서, 경기의 전반부 시청률을 종속 변인으로 하였으 며, 전체 독립 변인들 중 경기전에 알 수 있는 요소 들만을 대상으로 회귀방정식을 통해 분석하였다. 연 구문제1과 마찬가지로 독립 변인들 중 무의미하게 나온 변인들을 제한 뒤 최적화된 모형을 찾는 단계 적 회귀분석법을 사용하였다. 또한 연구문제1과 같 이 팀매치업 변인을 세 가지로 나누었다. 연구문제2 가 모형의 적합도와 함께 예측력이 중요한 문제임을 감안하여, 수정된 R 2 과 함께 예측에 대한 확인 계수 인 AIC 값을 구해 비교해 보았다. 연구문제3의 경우, 2011년도 경기들의 사전정보 독립변인들을 연구문제2을 통해 도출된 회귀식에 대입하여 나온 예측시청률 값을 해당 경기들의 실 제시청률 값과 비교하여, 정확도를 측정해 보았다. [표 1] 연구대상 경기 구분 중계횟수 총 중계경기 552 동일경기 중복 중계경기 48 불완전 중계경기 20 우천중단 중계경기 22 연구대상 중계경기 462 [표 2]. 독립변인 항목(경기사전정보) 구분 변수 월 4 5 6 7 8 9 요일 화 수 목 금 토 일 채널 원정/ 홈 경기 前 모 델 팀1+2 시청률 수준 SBS ESPN, MBC SPORTS, KBS SPORTS, MBC LIFE 홈 : 삼성, LG, 두산, SK, 한화, 넥센, KIA, 롯데 원정: 삼성, LG, 두산, SK, 한화, 넥센, KIA, 롯데 삼성vsLG, 삼성vs두산, 삼성vsSK, 삼성vs한화, 삼성vs넥센, 삼성vsKIA, 등 총 28개 상상, 상, 중상, 중하, 하 시간대 18시 30분 17시 14시 [팀1-팀2] 연속변수 승차 [표 3 ] 독립변인 항목(경기정보) 구분 변수 점수차 3점이하 3점초과 7 12 13점 점수합 0 6점 점 이상 초반5점 5회이전 5회이전 경기 後 5점차 초과 5점차 이하 연장유 정규이닝 연장 무 역전 역전상황 역전상황 발생여부 발생 미발생 -10-
3. 연구결과 3.1 연구문제1: 중계방송 전체에 대한 평균시청률 다중회귀 분석 [표 2]와 [표 3]의 독립변인들을 모두 적용하고, 중 계방송전체에 대한 평균시청률을 종속변인으로 하여 다중회귀 분석한 결과는[표 4]와 같다. [표 4] <팀매치업_모델1>은 한국프로야구에 속해 있는 총 8개 팀들간의 매치업을 각각의 다른 변인으 로 하여, 총 28개로 독립변인화한 모델이다. 즉, 팀매 치업을 포함하여 전체 변인들을 모두를 적용한 풀모 델(full model)로 부터 통계상 무의미한 변인들을 단 계(stepwise)별로 제거한 후 최적화된 모델을 산출하 였다. 경기사전요인들 중에서는 팀매치업 변인 28개 중, 23개가, 월은 6개변인 중 2개가 유의미하게 나왔 다. 양팀간 승차 역시 유미한 것으로 판명되었다. 경 기요인들의 경우, 3점차 이상이었을 경우와 연장유무 만이 유의미하게 나타났으며, 모델1의 수정된 R2 값 은 0.735 이었다. [표 5] <팀매치업_모델2>는 팀간 매치업에 따른 입장관중수용률을 고려하여 총 5개로 등급화하였다. 이와 같은 방법을 활용한 것은 입장 관중수와 구단 의 인기가 비례한다는 기존 연구결과[23]를 활용한 것으로, <팀매치업_모델1>이 28개라는 너무 많은 변 인을 다룬다는 점을 함께 고려하였다. 모델1과 마찬 가지로, 팀매치업을 포함하여 전체 변인들을 모두를 적용한 풀모델(full model)로 부터 통계상 무의미한 변인들을 단계(stepwise)별로 제거한 후 최적화된 모 형을 산출하였다. 경기사전요인들 중에서는 팀매치업 변인 5개 모두가, 월은 6개변인 중 4개가, 요일은 토 요일이 유의미하게 나타났으며, 양팀간 승차 역시 유 미한 것으로 판명되었다. 경기요인들의 경우, 3점차 이상이었을 경우와 연장유무만이 유의미하게 나타났 으며, 모형2의 수정된 R2 값은 0.726 이었다. [표 4] 시청률 설명모형의 다중회귀분석(팀매치업_모델1) 분산분석 요인 자유도 제곱합 제곱평균 F값 유의확률 모델 45 191.786 4.261 34.91 <.0001 잔차 421 51.401 0.122 합계 466 243.187 모수치추정 평균제곱근 오차 0.349 R 2 0.788 변이계수 26.072 수정된 R 2 0.735 모수치 표준 구분 변수 추정 오차 t 값 유의 확률 절편 0.539 0.186 2.89 0.0041 월 채널 팀 매치업 7월 -0.103 0.070-1.47 0.1421 9월 -0.346 0.088-3.92 0.0001 KBS 스포츠 0.709 0.047 14.95 <.0001 MBC 스포츠 0.845 0.048 17.31 <.0001 SBS ESPN 0.761 0.049 15.32 <.0001 KIALG 0.801 0.145 5.51 <.0001 KIASK 0.864 0.122 7.06 <.0001 넥센KIA 0.581 0.133 4.36 <.0001 넥센LG -0.603 0.143-4.20 <.0001 넥센SK -0.303 0.137-2.20 0.0283 넥센두산 -0.404 0.138-2.93 0.0036 넥센삼성 -0.276 0.133-2.06 0.0397 넥센한화 -0.657 0.152-4.31 <.0001 두산KIA 0.645 0.135 4.78 <.0001 두산롯데 0.567 0.131 4.33 <.0001 롯데KIA 1.515 0.140 10.80 <.0001 롯데LG 0.346 0.139 2.48 0.0137 롯데SK 0.744 0.123 6.03 <.0001 롯데삼성 0.631 0.132 4.75 <.0001 롯데한화 0.382 0.133 2.86 0.0044 삼성KIA 0.715 0.129 5.53 <.0001 삼성SK 0.228 0.131 1.74 0.0829 한화KIA 0.475 0.136 3.49 0.0005 한화LG -0.264 0.137-1.92 0.0557 시간대 시간대B 0.183 0.118 1.55 0.1216 승차 양팀간 승차 -0.821 0.004-1.81 0.0703 점수차 3점초과 -0.222 0.033-6.60 <.0001 경기시간 4시간이상 0.255 0.073 3.48 0.0005-11-
[표 6] 시청률 설명모형의 다중회귀분석(팀매치업_모델3) 분산분석 요인 자유도 제곱합 제곱평균 F값 유의확률 모델 32 190.231 5.944 48.72 <.0001 잔차 434 52.956 0.122 합계 466 243.187 모수치추정 평균제곱 근오차 0.349 R 2 0.782 변이계수 26.064 수정된 R 2 0.766 [표 5] 시청률 설명모형의 다중회귀분석(팀매치업_모델2) 분산분석 요인 자유도 제곱합 제곱평균 F값 유의확률 모델 22 181.968 8.271 59.99 <.0001 잔차 444 61.218 0.137 합계 466 243.187 모수치추정 평균제곱 근오차 0.371 R 2 0.748 변이계수 27.707 수정된 R 2 0.726 구분 변수 모수치 표준 추정 오차 t 값 유의 확률 절편 0.455 0.181 0.86 0.3921 7월 -0.120 0.064-1.88 0.0613 월 9월 -0.364 0.078-4.67 <.0001 요일 토요일 0.723 0.046 15.58 <.0001 채널 KBS 스포츠 0.859 0.048 17.88 <.0001 MBC 스포츠 0.751 0.048 15.47 <.0001 SBS ESPN 0.740 0.049 15.00 <.0001 원정_KIA 0.962 0.069 13.94 <.0001 원정_LG 0.138 0.067 2.05 0.0407 원정_SK 0.332 0.070 4.74 <.0001 원정_넥센 -0.193 0.071-2.72 0.0068 원정_두산 0.238 0.067 3.53 0.0005 원정_롯데 0.741 0.066 11.17 <.0001 원정_삼성 0.282 0.067 4.19 <.0001 홈_KIA 1.025 0.066 15.35 <.0001 홈_SK 0.322 0.068 4.71 <.0001 홈_넥센 -0.169 0.068-2.47 0.0140 홈_롯데 0.833 0.066 12.54 <.0001 홈_삼성 0.181 0.067 2.70 0.0072 시간대 시간대B 0.211 0.117 1.80 0.0724 승차 양팀간 승차 -0.087 0.003-2.33 0.0203 점수차 3점초과 -0.226 0.033-6.73 <.0001 구분 변수 모수치 추정 월 표준 오차 t 값 유의 확률 절편 0.284 0.185 0.45 0.0504 7월 -0.129 0.066-1.94 0.0525 9월 -0.353 0.080-4.37 <.0001 요일 토요일 0.091 0.059 1.54 0.1247 채널 팀 매치업 KBS 스포츠 MBC 스포츠 SBS ESPN 0.695 0.048 14.45 <.0001 0.813 0.049 16.43 <.0001 0.740 0.049 15.00 <.0001 상 1.965 0.101 19.42 <.0001 중상 1.061 0.053 19.79 <.0001 중 0.855 0.056 15.26 <.0001 중하 0.347 0.053 6.56 <.0001 시간대 시간대B 0.239 0.122 1.96 0.0507 승차 양팀간 승차 -0.102 0.003-0.72 0.0472 점수차 3점초과 -0.225 0.035-6.40 <.0001 경기시간 4시간이상 0.252 0.076 3.29 0.0011 경기시간 4시간이상 0.261 0.073 3.56 0.0004-12-
[표 7] 각 모델의 수정된 R2 값 비교 구분 모델1 모델2 모델3 수정된 R 2 0.735 0.726 0.766 다중회귀분석해 보았으며, 팀매치업 모델은 연구문제 1과 같이 세 가지 모델을 활용하였다. 그러나, 종속 변인의 경우, 전체 경기의 시청률이 아닌 경기 전체 의 1/2시점을 경기의 전반부로 규정하고, 각각의 경 기의 시작부터 경기 전체의 1/2시점까지의 평균 시 청률을 별도로 계산 하였다. [표 6] <팀매치업_모델2>는 팀매치업 자체를 홈팀, 원정팀으로 나누어 분석하였다. 즉, 팀매치업을 홈과 원정팀 각각 별개로 나누는 방식으로, 경기관람 요인 과 관련된 기존 연구에서 주로 쓰는 방법이다. 역시 모델1과 마찬가지로, 팀매치업을 포함하여 전체 변인 들을 모두를 적용한 풀모델(full model)로 부터 통계 상 무의미한 변인들을 단계(stepwise)별로 제거한 후 최적화된 모형을 산출하였다. 경기사전 요인들 중에 서는 팀매치업 변인은 홈팀 8개는 모두가, 원정팀의 경우, 2개 팀을 제외하고 유의미하게 나왔다. 월은 7 월과 9월이 나타났으며, 양팀간 승차 역시 유미한 것 으로 판명되었다. 경기요인들의 경우, 모델1, 모델2와 마찬가지로 3점차 이상이었을 경우와 연장유무만이 유의미하게 나타났으며, 모형3의 수정된 R2 값은 0.766 이었다. [표 7]에서 알 수 있듯이 시청률 설명 모델들 중 가장 높은 모델은 모델3으로 팀매치업을 홈과 원정 으로 나눈 형태이다. 그 다음으로 전체 팀매치업을 28개로 세분화한 모델1이었으며, 입장관중률을 기준 으로 나눈 모델2가 가장 낮은 설명력을 보여 주었다. 이 밖에 경기사전변인들 중, 채널의 경우, 모델에 관 계없이 모두 유의미하게 나타났으며, 요일 변인의 경 우는 모델2에서 토요일만이 공통적으로 유의미하게 나타났다. 월 변인 역시 7,9월의 경우, 모델과 상관없 이 유의미하게 나타났다. 전력차를 의미하는 양 팀간 승차 역시, 모델 3개 모두에서 통계적으로 유의하였 으며, 경기변인들의 경우, 3점차 이상일 경우와 연장 여부 2개 항목만이 유의하게 나타났다. [표 8] <팀매치업_모델1>은 한국프로야구에 속해 있는 총 8개 팀들간의 매치업을 각각의 다른 변인으 로 하여, 총 28개로 독립변인화한 모델이다. 팀매치 업을 포함하여 전체 변인들을 모두를 적용한 풀모델 (full model)로부터 통계상 무의미한 변인들을 단계 별로 제거한 후 최적화된 모델을 산출하였다. 경기사전요인들 중에서는 팀매치업 변인 28개 중, 23개가, 월은 6월, 7월, 9월 등 총 3개 유의미하게 나 왔으며, 채널은 모두 영향을 미쳤다. 양팀간 승차와 경기시간대는 모두 유의미한 것으로 판명되었으며, 수정된 R2 값은 0.753, AIC는 -1032.378 이었다. [표 9] <팀매치업_모델2>는 팀간 매치업에 따른 입장관중수용률을 고려하여 총 5개로 등급화하였다. 이와 같은 방법을 활용한 것은 입장관중수와 구단의 인기가 비례한다는 기존 연구결과[23]를 활용한 것으 로, <팀매치업_모델1>이 28개라는 너무 많은 변인을 다룬다는 점을 함께 고려하였다. 모델1과 마찬가지 로, 팀매치업을 포함하여 전체 변인들을 모두를 적용 한 풀모델(full model)로부터 통계상 무의미한 변인 들을 단계(stepwise)별로 제거한 후 최적화된 모형을 산출하였다. 경기사전요인들 중에서는 팀매치업 5개 모두가, 월은 7월과 9월 2개가, 요일은 토요일이 유 의미하게 나타났으며, 양팀간 승차 역시 유미한 것으 로 판명되었다. 모델2의 수정된 R 2 값은 0.731, AIC는 -1005.615 이었다. 3.2 연구문제2: 중계방송 전반부에 대한 평균시청률 다중회귀 분석 [표 2]의 독립변인 항목들 중 경기전, 즉 사전에 알 수 있는 요인들 만으로만, 독립변인을 구성하고, 중계방송의 전반부 평균시청률을 종속변인으로 하여 -13-
[표 9] 시청률 예측모형의 다중회귀분석(팀매치업_모델2) 분산분석 요인 자유도 제곱합 제곱평균 F값 유의확률 모델 32 145.212 4.537 45.58 <.0001 잔차 434 43.206 0.099 합계 466 188.418 모수치추정 평균제곱 근오차 0.303-1032.378 0.757 변이계수 21.511 수정된 R 2 0.731 AIC -1005.615 [표 8] 시청률 예측모형의 다중회귀분석(팀매치업_모델1) 분산분석 요인 자유도 제곱합 제곱평균 F값 유의확률 모델 32 145.212 4.537 45.58 <.0001 잔차 434 43.206 0.099 합계 466 188.418 모수치추정 평균제곱 근오차 0.315 R 2 0.770 변이계수 25.751 수정된 R 2 0.753 AIC -1032.378 구분 변수 모수치 표준 추정 오차 t 값 유의 확률 절편 0.439 0.169-0.41 0.0021 월 7월 -0.160 0.061-2.62 0.0090 9월 -0.318 0.073-4.30 <.0001 요일 토요일 0.090 0.054 1.65 0.0993 KBS 스포츠 0.659 0.044 14.97 <.0001 채널 MBC 스포츠 0.711 0.045 15.74 <.0001 SBS ESPN 0.682 0.045 15.15 <.0001 상 1.751 0.092 18.91 <.0001 중상 0.932 0.049 19.02 <.0001 팀매치업 중 0.786 0.051 15.37 <.0001 중하 0.344 0.048 7.10 <.0001 시간대A 0.264 0.157 1.68 0.0932 시간대 시간대B 0.232 0.111 2.07 0.0387 승차 양팀간 승차 -0.012 0.012-3.42 0.0211 구분 변수 모수치 추정 월 채널 팀 매치업 시간대 승차 표준 오차 t 값 유의 확률 절편 0.433 0.103 4.21 <.0001 6월 -0.082 0.040-2.03 0.0433 7월 -0.143 0.045-3.18 0.0016 9월 -0.291 0.058-5.01 <.0001 KBS 스포츠 0.677 0.042 16.00 <.0001 MBC 스포츠 0.745 0.043 17.20 <.0001 SBS ESPN 0.707 0.043 16.40 <.0001 KIALG 0.686 0.088 7.78 <.0001 KIASK 0.824 0.081 10.07 <.0001 넥센KIA 0.520 0.081 6.37 <.0001 넥센LG -0.542 0.090-6.00 <.0001 넥센SK -0.237 0.099-2.38 0.0178 넥센두산 -0.291 0.097-3.00 0.0029 넥센삼성 0.135 0.082 1.63 0.1044 넥센한화 -0.178 0.088-2.01 0.0449 두산KIA -0.500 0.097-5.10 <.0001 두산롯데 0.621 0.086 7.14 <.0001 롯데KIA 0.144 0.087 1.65 0.0995 롯데LG 0.194 0.089 2.17 0.0307 롯데SK 0.577 0.080 7.18 <.0001 롯데삼성 1.393 0.087 15.94 <.0001 롯데한화 0.353 0.085 4.14 <.0001 삼성KIA 0.674 0.083 8.07 <.0001 삼성SK 0.287 0.082 3.48 0.0006 한화KIA 0.508 0.082 6.13 <.0001 한화LG -0.188 0.088-2.13 0.0334 시간대A 0.157 0.101 1.56 0.1202 시간대B 0.149 0.103 1.45 0.1481 양팀간 승차 -0.077 0.002-2.42 0.0161-14-
[표 10] 시청률 예측모형의 다중회귀분석(팀매치업_모델3) 분산분석 요인 자유도 제곱합 제곱평균 F값 유의확률 모델 23 144.159 6.267 62.74 <.0001 잔차 443 44.259 0.099 합계 466 188.418 모수치추정 평균제곱 근오차 0.316 R 2 0.765 변이계수 25.797 수정된 R 2 0.746 AIC -995.954 구분 월 변수 모수치 표준 추정 오차 t 값 유의 확률 절편 0.156 0.110 1.41 0.0158 6월 -0.091 0.038-2.34 0.0199 7월 -0.146 0.043-3.36 0.0009 9월 -0.301 0.056-5.32 <.0001 요일 토요일 0.689 0.041 16.68 <.0001 채널 KBS 스포츠 0.761 0.042 17.77 <.0001 MBC 스포츠 0.695 0.043 16.04 <.0001 SBS ESPN 0.808 0.062 13.02 <.0001 원정_KIA 0.082 0.060 1.36 0.0575 원정_LG 0.279 0.062 4.46 <.0001 원정_SK -0.235 0.064-3.68 0.0003 원정_넥센 0.208 0.060 3.43 0.0007 원정_두산 0.600 0.059 10.07 <.0001 원정_롯데 0.224 0.060 3.70 0.0002 원정_삼성 0.852 0.051 16.62 <.0001 홈_KIA 0.304 0.054 5.61 <.0001 홈_SK -0.203 0.053-3.84 0.0001 홈_넥센 0.092 0.053 1.72 0.0870 홈_롯데 0.739 0.051 14.39 <.0001 홈_삼성 0.112 0.051 2.17 0.0308 [표 11] 시청률 예측모델간 수정된 R2 및 AIC 값 비교 구분 모델1 모델2 모델3 수정된 R 2 0.753 0.731 0.746 AIC -1032.378-1005.615-995.954 [표 10] 팀매치업 자체를 홈팀, 원정팀으로 나누어 분석하였다. 즉, 팀매치업을 홈과 원정팀 각각 별개 로 나누는 방식으로, 경기관람 요인과 관련된 기존 연구에서 주로 쓰는 방법이다. 역시 모델1과 마찬가 지로, 팀매치업을 포함하여 전체 변인들을 모두를 적 용한 풀모델(full model)로 부터 통계상 무의미한 변 인들을 단계(stepwise)별로 제거한 후 최적화된 모형 을 산출하였다. 경기사전요인들 중에서는 팀매치업 변인은 홈팀 8개는 모두가, 원정팀의 경우, 7개팀이 유의미하게 나왔다. 월은 6개 변인 중 6, 7, 9월 3개 가, 양 팀간 승차 역시 유미한 것으로 판명되었다. 모델3의 수정된 R 2 값은 0.746, AIC는 -995.954 이었 다. 팀매치업 모델1, 모델2, 모델3을 비교한 결과는 [표 11]과 같다. 모델의 설명력을 말해 주는 지수인 수정 된 R2 값은 모델1이 0.753으로 모델2와 모델3 보다 높았다. 즉, 모델1의 독립변인들은 전반부 시청률의 75.3%를 설명하고 있다. 예측력을 알 수 있는 수치 인 AIC는 모형 중에서 상대적으로 예측력이 높은 모 형이 무엇인지를 설명하는 개념으로, 숫자가 낮을수 록 예측력이 높다고 하겠다. AIC값은 -1032.378로 모델1이 모델2와 모델3보다 낮았다. 즉, 모델1이 전 반부 시청률에 대한 예측모형으로 가장 적합하다고 할 수 있겠다. 시간대 승차 시간대A 0.192 0.101 1.89 0.0592 시간대B 0.206 0.103 2.00 0.0464 양팀간 승차 -0.017 0.002-2.95 0.0033-15-
3.3 연구문제3: 시청률 예측모델 검증 연구문제2에서 확인한 모형 중 가장 설명력과 예 측력이 높다고 평가된 모델1을 활용하여, 2011년도 실제 시청률 데이터 샘플 30개를 [표 12]과 같이 비 교, 분석해 보았다. 분석 방법은 실제 시청률과 해당 경기를 예측모형을 통해 추정된 시청률간의 개별적 인 정확도를 측정하였다. 분석 결과 전체 30개의 평 균 정확도는 77.37% 이었으며, 가장 높았던 샘플의 정확도는 97.65% 이었고, 가장 낮았던 샘플의 정확 도는 56.17%이었다. 전체 샘플은 신뢰구간 내에 포 함되었으며, 통계적으로 유의미하였다. 또한 [그림 1] 같이 실제 시청률과 모형을 통한 예 측시청률을 그래프를 통해 확인한 결과 두 그래프간 의 수치상의 차이, 즉 오차는 일정 부분 발생하였으 나, 일관된 방향성을 보이고 있었으며, 모두 실제 시 청률보다 예측 시청률이 낮았다. [표 12] 시청률 예측모형의 실제시청률 대비 정확도 구분 예측시청률 실제시청률 오차 정확도 1 1.431 2.037 0.606 70.25% 2 0.742 1.321 0.579 56.17% 3 0.442 0.632 0.19 69.94% 4 0.863 1.226 0.363 70.39% 5 2.535 3.122 0.587 81.20% 6 2.635 3.521 0.886 74.84% 7 0.465 0.662 0.197 70.24% 8 0.893 1.121 0.228 79.66% 9 0.503 0.556 0.053 90.47% 10 1.214 1.752 0.538 69.29% 11 1.817 2.553 0.736 71.17% 12 0.723 1.123 0.4 64.38% 13 2.435 2.835 0.4 85.89% 14 2.244 2.553 0.309 87.90% 15 0.787 1.211 0.424 64.99% 16 1.892 2.122 0.23 89.16% 17 1.451 1.705 0.254 85.10% 18 0.911 1.194 0.283 76.30% 19 1.445 1.753 0.308 82.43% [그림 1] 시청률 예측모형과 실제 시청률간의 비교 그래프 4. 결론 본 연구의 목적은 한국프로야구 중계방송 시청률 에 영향을 미치는 요인들은 무엇이며, 이를 활용하 여, 시청률 설명모델과 예측모델을 만들어 개발하는 것이다. 이를 위해, 한국프로야구의 개별 경기들에 영향을 미치는 시청률 요인들이 무엇인지 파악하여, 회귀분석을 통해 확인하였으며, 이를 경기 전체 시청 률과 전반부 시청률로 나누어 각각의 시청률에 맞는 회귀방정식을 도출하였다. 마지막으로 도출된 회귀방 정식을 활용하여, 조사 당해년도가 아닌 익년도 데이 터로 회귀분석의 정확도를 검증하였다. 이로 인해 도 20 1.471 1.835 0.364 80.16% 21 2.452 2.511 0.059 97.65% 22 0.937 1.323 0.386 70.82% 23 1.644 2.222 0.578 73.99% 24 3.45 4.553 1.103 75.77% 25 1.054 1.652 0.598 63.80% 26 0.966 1.222 0.256 79.05% 27 0.994 1.321 0.327 75.25% 28 1.048 1.355 0.307 77.34% 29 0.721 0.952 0.231 75.74% 30 1.285 1.627 0.342 78.98% 평균 1.382 1.786 0.404 77.37% -16-
출된 결론은 다음과 같다. 첫째, 시청률에 영향을 미치는 가장 중요한 요인는 팀매치업이었다. 이는 응원팀 변인뿐만 아니라 상대 팀 변인 역시 통계적으로 유의미한 경로계수가 나왔 다. 본 연구에서는 는 회귀분석 전문가의 의견을 반 영하여, 팀매치업을 3가지 모델로 나누었다. 각 각의 모델들은 모두 통계적으로 유의미하였고, 팀매치업이 월, 채널, 시간대 등 다른 변인들에 비해 모수추정치 가 높았으며, 3가지 각 각의 모델은 변인의 수나 해 석 등에서 장단점이 있었다. 하지만 설명력과 예측력 을 판단하는 지표인 수정된 R2값과 AIC 값은 유의 미한 차이를 보였는데, 전체시청률을 종속변인으로 한 설명력에 있어서는 홈과 원정을 구분한 모델3이, 전반부시청률을 종속변인으로 하여, 예측력을 검증함 에 있어서는 모델1이 수정된 R2과 AIC 값가 가장 높았다. 둘째, 팀매치업 요인 외에 경기사전전 요소로 월 ( 月 )과 요일( 曜 日 ), 채널, 양팀간 승차 등이 일정 부 분 영향을 끼쳤는데, 월의 경우, 특히, 9월에 시청률 이 상대적으로 높게 줄어들었다. 이는 9월이 프로야 구 시즌 막바지로 대체로 팀 순위가 확정되는 경향 이 있었고, 조사대상인 2010년에도 플레이오프 진출 팀이 대부분 확정된 상태였다. 따라서 리그에 대한 흥미가 떨어진 것으로 추측할 수 있다. 채널은 스포 츠전문 3개 채널의 경우에는 수치상 통계적으로 유 의미한 차가 있긴 하였으나, 차이가 크지는 않았다. 하지만, 스포츠전문 3개 채널 외에 한국프로야구를 중계한 MBC-LIFE의 중계방송 시청률은 다른 3사에 비해 현저하게 낮았다. 이는 채널의 전문성과 이미지 가 시청이나 시청률에 영향을 준다는 기존 연구들과 유사한 결과로 해석할 수 있다[24][25]. 즉, 채널이 주는 전문성도 상당한 의미가 있다 하겠다. 양팀간 승차의 경우, 양 팀간의 전력 차를 의미하는 변인으 로 양 팀간의 승차와 순위 차는 비례한다. 양팀간의 전력균형(competitive balance)은 스포츠경기, 특히 프로리그에서 팬들의 흥미를 배가시키는 매우 중요 한 요소로서 이와 관련된 여러 연구가 진행된 바 있 으며, 연구 결과들은 대부분 팀간 전력균형이 이루어 졌을 때, 리그 전체의 흥행이 극대화 되고, 관중수 역시 비례한다는 사실을 보여주고 있다[26]. 본 연구 역시 기존 연구들과 연구 방법 등에서는 차이가 있 지만, 양팀간 승차가 커질수록 시청률이 떨어지는 결 과가 모델에 관계없이 공통적으로 나타났다. 비록 승 차에 따른 모수추정치 값은 1개의 승차당 0.01내외로 비교적 작었다. 하지만, 시즌 막판에는 양팀간 승차 가 20게임 이상 벌어 질 수 있다는 점을 감안하면, 시청률에 상당한 영향을 미친다고 볼 수 있다. 즉, 프로스포츠에서 팀간 전력균형(competitive balance) 는 매우 중요한 요소라는 사실이 미디어적 관점에서 도 입증된 것이다. 셋째, 전반부 시청률을 종속변인으로 하여, 시청률 예측모형을 만들어 보았다. 최초에는 전체시청률을 종속변인 회귀분석을 하였으나, 이 경우, 모형의 설 명력을 나타내는 수정된 R2값이 0.5 수준에 불과하 였다. 이 정도 수치로 설명력을 논하기에는 다소 어 려우며, 더욱이 예측을 위한 모형이라는 점을 감안하 면, 유의미하다는 판단을 하기 어려웠다. 따라서, 2010년도 한국프로야구 전체 평균 시간인 3시간 7분 을 고려하고, 각 각의 경기 시간의 초반½을 전반부 시청률로 정의하여 시청률로 정의하여 시청률 설명 모형과 마찬가지로 팀매치업을 세분화 하여 분석하 였다. 분석 결과, 수정된 R2값은 0.7 수준으로 설명 모형 수준에 근접하였다. 예측력에 대한 분석은 AIC 를 활용하여, 각 모델 중 가장 작은 값, 즉 예측력이 가장 높은 모델이 <모델 1>임을 확인 하였다. 전반 부 시청률을 경기전체 경기 시간의 초반½로 조작적 정의함에 있어서 다음의 2가지를 추가적으로 확인하 였는데, 첫째는 전체 표본을 대상으로 시청률 추이를 [그림 2]와 같이 그래프로 도시화 한 결과, 2010년도 평균 경기시간 3시간 7분, 즉 187분의 ½ 수준인 92분 에서 변곡점이 발생하는 것을 확인 할 수 있었다. [그림 2] 한국프로야구중계 시청률 추이 그래프 즉, 경기시작 이후, 꾸준히 증가하던 분당 시청률 은 92분을 정점으로 하락한 후, 152분경 다시 반등하 여, 경기 종료 10분전쯤부터 급격하게 떨어졌다. 따 라서 최초의 변곡점인 92분과 평균경기시간의 초반½ -17-
[4] 김용만, 기업의 스포츠 스폰서십 참여 및 효과 평가 기준 분석, 한국체육학회지, 제30권, 제3호, pp365-374, 2001. [5] 홍진배, 스포츠 팬이 프로 스포츠 팀에 인식하 고 있는 신뢰도와 몰입도가 기업 스폰서쉽 평가 에 미치는 영향, 한국스포츠산업경영학회지, 제 13권 1호, pp83-98, 2008. [6] 백승태,조광민,이광용, 프로야구 관중의 경기관람 결정 요인과 재관람 의사와의 관계, 한국스포츠 산업경영학회지, 제10권 2호, pp127-138, 2005. [7] 신충식,이승철, 프로야구 팬의 관여도와 팀동일 시, 재관람의도 및 라이센싱제품 구매의도간의 인 과관계, 한국스포츠산업경영학회지, 제11권 1호, pp167-183, 2006. [8] 홍석표,손승범, 프로야구 관람 소비자의 팀 충성 도 발달과정 모형분석, 한국스포츠산업경영학회 지, 제15권 6호, pp83-96, 2010. [9] 장진수, 프로야구 선수계약에 관한 연구, 스포 츠와법, 제8권, pp283-324, 2006. [10] 장재옥, 프로야구 선수계약에서의 불공정성 문 제, 스포츠와법, 제10권 3호, pp381-411, 2007. [11] 최경호, 세이버 메트릭스 소개 및 통계적 측면 의 한국프로야구 기록 분석, 사회과학론집, 제25 권 1호, pp129-139, 2009. [12] 임수원,이근모, 영,호남팀 프로야구경기가 지역 감정에 미치는 영향, 한국스포츠사회학회지, 제 16권 1호, pp73-92, 2003. [13] 김지선,이근모, 한국프로야구 선수협회 활동의 마르크스주의적 이해, 한국스포츠사회학회지, 제 24권 2호, pp199-216, 2011 [14] 최영환, 2008 베이징올림픽 시청률의 시청자 프로파일에 관한 연구, 한국사회체육학회지, 제 39권 1호, pp307-318, 2010. [15] H. A. Solberg, The auctioning of TV sports rights. International Journal of Sport Finance, 11, 2006. [16] 이상인, 스포츠방송환경과 방송중계권의 변화 분석 및 미래 전망, 국민대학교 석사학위논문, 2011. [17] 김현운, 프로야구 관람객의 관람동기와 확장제 품 구매결정요인 및 구매태도와의 관계, 국민대 학교 석사학위논문, 2010. [18] www.olympic.org/documents/ioc_marketing 시점은 거의 일치한다고 판단된다. 둘째로는, 한국프 로야구는 경기 중 클리닝타임을 5회종료 시점에 실 시하는데 통상 3 5분 정도의 휴식 시간이 주어진다 는 점에 주목할 수 있다. 이 정도의 시간은 기타 다 른 방송프로그램의 중간광고에 해당 하는 시간으로 광고시간 중에는 시청률이 떨어진다는 기존 연구 결 과들과 일치하였다[27][28]. 참고로 경기 특성으로 인 해 잦은 이닝 교체로 인한, 중계방송 중의 빈번한 광 고 노출은 분당 시청률 그래프에서 확인할 수는 있 었으나, 상승 혹은 하락 추이에 영향을 주는 수준은 아니었다. 넷째, 조사 당해년도가 아닌 익년도인 2011년도 데 이터를 통해 시청률 예측 모델1을 활용하여 정확도 를 검증한 결과, 77.37%의 정확도를 보였으며, 데이 터는 모두 신뢰구간 안에 포함되었다. 다시 말하면, 경기 시간의 초반½의 경우, 77%를 상회하는 수준에 서 시청률을 예측 할 수 있으며, 본 데이터를 활용할 경우, 방송광고 공급자인 방송국과 광고주 모두에게 상당한 도움이 될 것으로 판단된다. 하지만, 검증에 활용된 샘플 30개 모두에서 예측시청률 값이, 실제 시청률값에 비해 일관되게 낮게 나타났다는 점은 주 목할 만한 사실이다. 한국프로야구의 2011년도 시즌 은 2010년도 시즌에 비해, 총 입장관중수와 평균 시 청률이 상회하였다. 입장관중수와 평균 시청률은 각 각 10%와 13% 정도 증가 하였는데, 이런 변수가 예 측모형에는 반영되지 않았다. 즉, 분석대상 자체가 한국프로야구라는 동일한 대상이었으나, 2010년과 2011년 리그의 수준이나 인기에는 차이가 있었다는 점에서 오차가 생길 수 있다는 점을 함의한다고 볼 수 있다. 즉, 보다 정확하고 설득력 있는 분석을 위 해서는 수년간의 누적된 데이터를 활용한 연구가 필 요하다. 참고문헌 [1] KBO홍보팀, 한국프로야구연감, 한국야구위원회, 2013 [2] www.trendmonitor.co.kr [3] 이기호, 케이블채널 스포츠3사의 시청률 비교분 석:KBSN SPORTS, MBC ESPN, SBS SPORTS 의 프로야구 중계방송을 중심으로, 중앙대학교 석사학위논문, 2008. -18-
[19] 홍유표, 미디어 환경 변화와 스포츠 중계권 갈 등에 관한 연구, 가천대학교 석사학위논문, 2009. [20] R. Fort, Sports Economics, Saddle River, NJ: Pearson Prentice Hall, 2006. [21] 박원기, 김수영, 시청률 예측에 관한 연구, 광 고연구, 제46호, pp61-81, 2000. [22] 이동연, 지상파TV와 케이블TV의 미디어믹스 를 통한 광고집행 효과 분석, 연세대학교 석사 학위논문, 2006. [23] 백승열, SK와이번스의 스포테인먼트 경영사례연구, 석사학위논문, 동국대학 교 경영대학원. 2009 [24] 김경남, 케이블TV 방송채널 브랜드이미지가 수 용자의 채널 선택에 미치는 영향: SBS플러스, M.net, tvn을 중심으로. 석사학위논문, 중앙대학 교대학원. 2011. [25] 김종훈,이정학, 스포츠전문채널 방송 3사 프로야 구 해설자의 공신력이 채널만족 및 채널충성도 에 미치는 영향, 한국스포츠산업경영학회지, 제 16권 5호, 2011 [26] Kesenne,S., Revenue Sharing and Competitive Balance: Does the Invariance Proposition Hold?, Journal of Sports Economics, Vol.6, No.1, 2005 [27] 김영, 케이블TV 중간광고의 광고순서에 따른 개별 광고시청률 차이 연구, 한국광고홍보학보, 7권 4호, 2006 [28] 최동원, 케이블TV의 광고위치와 순서에따른 노 출효과 연구: 초단위로 측정된 광고시청률을 근 거로, 석사학위논문, 단국대학교 대학원, 2008-19-
한국프로야구팀의 팬 충성도 추정 및 결정요인 분석 장혜리 1 1 서강대학교 Analysis of Fan Loyalty and Its Determinants -in Application of Korean Baseball Team Hayley Jang Sogang University Email: hayley.85j@gmail.com 요 약 지금까지 프로스포츠 관중 수요에 관한 많은 연구가 이루어져 왔다. 경기성적, 경기장 환경 그리고 티켓 가격 등 많은 요인들이 분석되어왔는데 최근에는 소비자의 심리적 요인이 관중 수요를 결정하는 핵심 요인으로써 주 목 받고 있다. 본 연구는 한국프로스포츠의 대표적 종목인 한국프로야구를 대상으로 관중수요 함수와 팬 충성도 를 추정하여 한국프로야구의 수요 요인을 분석하였다. 본 연구는 프로야구팀을 3가지 기준(스폰서기업에 따라, 연고지에 따라, 2012년도 프로야구팀 체재에 따라)으로 팀을 구분하여 수요 함수를 분석하였다. 또한 팬 충성도의 결정요인을 밝히기 위해 선행연구를 바탕으로 결정요인을 선별하여 팬 충성도와 결정요인과의 관계를 기술적 (descriptively)으로 비교 분석하였다. 그 결과 롯데자이언츠, 삼성라이온즈, 그리고 한화이글스는 상대적으로 높은 팬 충성도를 형성하고 있는 반면, 현대유니콘스, 두산베어스, 넥센히어로즈, 그리고 쌍방울 레이더스는 낮은 충 성도를 가지고 있음이 나타났다. 팬 충성도가 높은 팀일수록 역사가 길고 많은 스타선수를 보유하고 있으며 연 고지역에 고교야구대회 우승팀이 더 많이 존재하고 있었다. 또한 팬 충성도가 높은 지역에는 대체여가 활동에 대한 수요가 낮으며 대체여가 활동시설이 상대적으로 적은 것으로 나타났다. 2014년 5월 14일 제출, 2014년 6월 13일 수정, 2014년 6월 14일 접수, 2014년 6월 30일 출판 1. 서론 6-6-6-8-5-8-7-6-6-7. 2003년부터 2012년까지 어느 한 프로야구구단의 순위이다. 이러한 저조한 성적에도 불구하고 동 기간 동안 가장 많은 평균 관중을 보유한 팀이기도 하다. 우리는 이러한 현 상을 가리켜 팬 충성도(loyalty)가 높다고 말하기 도 한다. 그러나 실제 어느 특정구단을 응원하는 팬들이 높은 충성도를 가지고 있는지 혹은 낮은 충성도를 가지고 있는지에 대한 객관적 증거자료 는 아직까지 찾아보기 힘든 상황이다. 즉, 지역의 인구가 많거나 혹은 경기장이 다른 팀의 경기장 에 비해 크기 때문에 저조한 성적에도 불구하고 많은 관중이 찾아오는 것처럼 보일 수 있는 것이 다. 본 연구에서는 한국프로야구의 관중수요함수 추정을 통해 각 팀의 팬 충성도를 추정하고 이의 결정요인에 대한 논의를 전개하고자 한다. 오늘날 프로스포츠는 사람들간의 유대관계를 형성하는 통합 기능뿐만 아니라 스트레스 해소의 장 그리고 놀이의 장으로써 현대인의 삶에 중요 한 부분으로 자리잡고 있다. 최근에는 프로스포츠 가 대중문화를 주도하는 하나의 문화현상으로 젊 은 층에게 받아 들여짐에 따라 프로스포츠 수요 에 대한 관심이 증폭되고 있다. 지금까지 스포츠 경기 관중 수요에 영향을 미치는 요인에 대한 많 은 연구들이 이뤄져 왔다. Rottenberg(1956), -20-
Noll(1974), Knowles(1992), Wakefield와 Sloan(1995), Lee(2006, 2009), Lee and Fort(2008) 등은 경기의 불확실성과, 경기장의 물리적 환경, 그리고 티켓 가격 등의 공급 측면 요인들이 관중 수요에 미치는 영향을 분석하여왔다. Kahane과 Shmanske(1997)은 선수단 구성에 초점을 맞추어 관중수요를 설명하려 하였다. 즉, 팬들은 자신이 선호하는 팀의 선수들에게 정서적인 친밀감을 느 끼게 되는데 선수단 변화가 자주 이뤄지게 되면 경기장을 떠나게 됨을 실증분석을 통해 밝혔다. 이 반면에 Morse, Shapiro, McEvoy와 Rascher(2008)은 Kahane과 Shmanske(1997)의 모 형을 이용하여 미국프로농구(NBA)의 관중 함수 를 추정하였으나 선수 이동률과 관중수요 사이에 상관관계가 없는 것으로 나타났다. 미국 프로스포 츠 관중수요추정에 관한 수 많은 연구가 존재하 는 반면, 우리나라 프로스포츠의 관중 수요를 추 정한 연구는 거의 이뤄지지 않은 상태이다. Lee(2006)는 1990년대말 한국프로야구 관중수가 급격하게 감소한 원인을 분석하기 위해 한국프로 야구를 대상으로 관중수요 함수를 추정하였다. 연 구결과 2000년 관중의 급격한 감소는 전력불균형 심화와 소득 감소, 그리고 박찬호 선수의 메이저 리그 경기에 대한 사람들의 관심의 증가로 인한 대체 효과에서 그 원인을 찾을 수 있다고 밝혔다. 메이저리그 관련 뉴스보도가 90년대에 비해 2000 년대에 더 늘어났으며 메이저리그 방송 중계권료 가 2000년에 들어 급격하게 늘어나면서 한국프로 야구 중계권료를 추월했음을 통해 이를 증명하였 다. 또한 전력불균형이 심화되어 경기 결과에 대 한 불확실성이 감소됨에 따라 많은 팬들이 야구 경기에 대한 흥미를 잃게 되었을 수 있다고 밝히 고 있다. 팬 충성도가 관중수요에 미치는 영향을 분석한 연구로는 Jacoby와 Chestnut(1978), Backman과 Crompton(1991), Gladden과 Funk (2002) Funk와 Jeffrey(2006)등이 있다. 팬 충성도는 경영학의 브 랜드 충성도(Brand Loyalty)에서 파생된 개념으로 특정 스포츠 팀을 일관적으로 지지하고 그러한 행동을 보이도록 만드는 원동력이라고 할 수 있 다. 기존 연구들은 주로 충성도를 가진 팬들의 심 리상태에 초점을 맞추어 이를 측정하는 방법을 개발하고 분석하였다. 예를 들면 자신이 선호하는 특정 스포츠 팀을 떠올렸을 때 연상되는 느낌과 태도특성들이 팬 충성도를 형성하는 요인이라고 하였다. 그들은 연상된 단어들 중 설문조사를 통 하여 가장 적합한 단어(향수, 일상탈출, 자아일치 성 등)를 추려내어 이러한 태도 또는 특성이 특정 팬에게 존재할수록 더 높은 충성도를 가지고 있 음을 분석을 통해 증명하였다. 이들의 대부분의 연구에서는 팬 충성도의 결정요인을 대부분 심리 적 기재로 설명하고자 하였다. 그러므로 본 본 연구에서는 이들 중 객관적으로 관찰가능 한 요 인들을 선정하여 추정된 팬 충성도와의 관련성을 분석하고자 한다. 팬 충성도를 경제학적 분석틀을 이용하여 추정 한 논문은 Depken(2000,2001)과 Lee(2013)의 연구 가 있다. 기존의 프로스포츠 팬 충성도 연구와는 달리 객관적으로 관찰가능 한 자료를 이용하여 계량모형 분석틀을 통해 팬 충성도를 직접 추정 하고 이의 타당성을 증명하였다. Depken(2000,2001)은 미국 프로야구팀들과 프로축 구팀들을 대상으로 하여 팬 충성도를 추정하였다. 추정된 팬 충성도가 높은 야구 팀일수록 신규 야 구구장을 건설하는데 연고도시로부터 자금을 조 달 받을 확률이 높음을 증명하였으며, 추정된 팬 충성도가 낮은 축구 팀일수록 연고지를 이전하는 경향이 높음을 보임으로써 팬 충성도의 존재를 간접적으로 증명하였다. Depken의 연구는 소비자 행동, 심리학, 그리고 경영학에서 자기보고식 설 문조사를 통해서만 이뤄지던 스포츠 팀의 팬 충 성도를 계량 모형을 사용하여 경제학적 분석을 실시했다는데 의의가 있다. 그러나 팬 충성도의 분포를 반정규분포로 가정하고 분석했으며 팬 충 성도의 존재를 간접적으로 분석했을 뿐 충성도의 요인에 대한 분석은 이뤄지지 않은 점이 한계점 이라고 할 수 있다. 그러므로 본 연구에서 팬 충 성도의 분포에 대한 가정 없이 패널모형을 이용 하여 팬 충성도를 추정하고자 한다. 또한 팬 충성 도에 영향을 미치는 요소에 대한 선행연구를 바 탕으로 한국프로야구팀 충성도의 결정요인을 선 정하여 충성도와의 관련성을 살펴볼 것이다. Lee(2013)는 1975년부터 2009년까지(89,90년 제외) 메이저리그 23개팀을 대상으로 Multiple Factor -21-
모형을 이용하여 관중 함수와 팬 충성도를 추정 하고 팬 충성도의 요인 분석을 실시하였다. 그는 팬 충성도는 3개의 공통 요인을 가지고 있으며 시간에 따른 각 요인의 변화패턴을 제시했다. 그 리고 팬 충성도가 높은 팀과 낮은 팀의 비교를 통해 팬 충성도가 높은 팀일수록 충성도의 변화 가 적으며 거시적 충격으로부터의 영향이 상대적 으로 적게 미침을 보였다. 또한 팬 충성도가 높음 팀일수록 작은 도시이며 평균관중 수와 승률과의 상관관계가 낮고 평균관중 수의 변동계수가 작음 을 보였다. 한국프로야구의 경우 33년의 짧은 역 사 1) 로 인해팬충성도의 Multiple Factor 모형을 실 시하기에 적합하지 않으므로 본 연구에서는 팬 충성도 결정요인에 관한 기술적 분석에 초점을 맞추고자 한다. 프로야구의 경우 대부분의 팀들이 한 지역에 한 팀만 존재하므로 지역독점이라고 할 수 있다. 하지만 프로야구의 시장 범위를 획정 하여 여가활동산업으로 본다면 독점시장이 아닌 경쟁시장으로 여겨질 수 있다. 이에 따라 본 연구 에서는 프로축구와 영화관람을 대체활동으로 선 정하여 대체활동환경과 팬 충성도와의 관계를 밝 히고자 한다. 본 연구의 순서는 다음과 같다. 연 구에 사용된 데이터와 모형을 설명하고 이에 따 른 실증분석결과를 제시한 뒤 관련된 한계 및 제 안 점을 제시하는 구성으로 이루어 질 것이다. 2. 연구모형 본 연구는 1983년부터 2012년까지 총 30년간 한국 프로야구 데이터를 사용하여 총 229개의 패 널 데이터를 구성하였다. 패널데이터는 시계열데 이터(time-series data)와 횡단면데이터 (cross-sectional data) 정보가 혼합된 모형으로 시계열분석이나 횡단면 분석에서는 관측 불가능 한 개별특성효과(individual effect)나 시간특성효 과(time effect)를 통제할 수 있게 해준다. 이에 따라 데이터 분석에서 발생할 수 있는 누락변수 문제 등을 줄여주어 신뢰성 있는 추정을 가능케 해주는 장점이 있다. 패널모형에서 개별특성효과 1) 1901년에 출범한 메이저리그는 104년의 역사를 가지고 있 다. 를 고려하지 않은 채 최소자승법(OLS)으로 추정 하게 되면, 추정된 계수는 편의를 가지게 되므로 개별특성효과를 고려하는 모형을 사용하여야 한 다. 개별특성효과를 고려하는 모형은 개별특성효 과가 설명변수와 상관관계가 존재하는지 없는지 에 따라 고정효과모형(Fixed-effect model)과 확 률효과모형(Random-effect model)으로 나뉠 수 있다. 고정효과모형은 개별특성효과와 설명변수간 의 상관관계를 가정하고 개별특성효과를 확률변 수가 아닌 추정해야 할 모수로 간주한다. 반면에 확률효과모형은 개별특성효과와 설명변수와의 상 관관계가 존재하지 않는다고 가정하여 개별특성 효과를 확률변수로 간주한다. 본 연구에서는 개별 특성효과뿐만 아니라 시간특성효과(time effect)까 지 고려하여 한국프로야구 관중 수요 함수를 고 정효과모형과 확률효과모형으로 추정 하였다. 본 연구에서 사용된 데이터는 한국야구위원회 와 프로야구 연감 그리고 통계청에서 추출되었으 며 GAUSS를 이용하여 분석되었다. 팬 충성도를 추정하기 위해 관중수요 함수를 한국 프로야구 실정에 맞게 다음과 같이 수정하였다. = b + b + b ln APGit 0 1WIN it 2POit + b ln CAPA + b ln PRICE + b ln POP 3 it 4 it 5 it + b GRDP + a + l + e 6 ln it i t it 평균관중수 승률 플레이오프 진출더미 경기장 크기 인구수 인당 실질 지역소득 개별특성효과 시간특성효과 백색잡음 (1) 위의 관중수요 함수는 승률과 포스트시즌 더미 를 제외한 모든 변수에 로그변환을 취한 값으로 β는 관중수요 탄력성으로 해석될 수 있다. 즉, β4 는가격이 1%변화했을 때 관중 수의 변화율(%)로 해석할 수 있다. 종속변수인 평균관중 수(APG)는 각 팀의 경기당 평균 관중 수이며, 승률(WIN)은 승리한 횟수를 전체 경기수로 나눈 값을 사용하 -22-
였다. 승률이 높은 팀일 수록 관중들에게 주는 즐 거움이 더 클 것이므로 양의 계수가 추정될 것으 로 예상된다. 포스트시즌(PO) 진출 더미는 그 시 즌에 포스트시즌에 진출한 경우 1, 진출하지 못한 경우 0을 부여 하였다. 포스트시즌에 진출한 팀일 수록 더 많은 관중이 경기를 관람할 것으로 예상 되므로 계수 추정치가 양의 값을 가질 것으로 예 상할 수 있다. 다음으로 경기장 크기가 관중 수에 미치는 영향을 통제하기 위해 각 팀의 홈 경기장 수용인원을(CAPA)을 사용하였으며, 가격(PRICE) 은 한 시즌 동안 실제로 구입된 티켓의 평균가격 이라고 할 수 있다. 기존 연구들에 의하면 (Salant(1992), Noll(1974), Siegfried와 Eisenberg(1980), 그리고 Kahane과 Shmanske(1997)) 실제로 판매된 평균 티켓가격을 사용하는 것이 실제 티켓가격이나 가중 평균한 가격을 사용하는 것보다 더 정확한 변수라고 밝 혀져 왔다. 실제 티켓 가격을 변수로 사용하는 것 은 전 좌석이 매진 됐다는 가정하에 사용하는 것 이므로 적절하지 않다. 그러므로 본 연구에서는 모든 구장의 좌석 등급의 분포가 동일하다는 가 정하에 입장 수입을 총 관중 수로 나눈 값을 실 질 가격으로 환산하여 사용하였다. 프로야구팀은 보통 지역적으로 독점적 지위를 가지고 있으므로 이익을 극대화하고자 한다면 탄력적으로 티켓가 격을 책정하는 것이 경제학적으로 최적 선택이 된다. 그러나 많은 실증연구에서 이와는 반대로 가격이 비탄력적인 구간에서 설정되고 있음이 밝 혀졌다. Fort(2004)와 Krautmann과 Berri(2007)는 스포츠 산업의 경우 티켓 수익뿐만 아니라 티켓 외 부대 수익 등이 주요한 수입원이므로 티켓 가 격이 비탄력적으로 책정될 수 있다고 주장하였다. 또한 Ahn과 Lee(2007)는 스포츠 경기를 관람하는 것을 한 시즌이 아닌 전체 생애주기의 이익을 극 대화하는 동태적 모형으로 설명하였다. 즉, 스포 츠 경기를 관람하는 것은 습관에 의한 행동이므 로 한계수익과 한계비용이 만나는 점에서 가격이 책정되지 않을 수 있다는 것이다. 이번 시즌에 시 즌티켓을 구입한 소비자는 습관적으로 다음시즌 의 티켓을 구입하게 될 것이므로 경영자는 현재 티켓가격을 낮게 책정함으로써 다음시즌에 더 많 은 관중을 이끌어 올 수 있게 된다. 전체 생애 주 기의 관점에서 보면 이러한 정책이 이익을 극대 화 시키는 결과라고 볼 수 있다고 설명하고 있다. 본 연구는 한국프로야구의 관중수요함수를 통해 프로야구경기의 가격설정이 기존연구 결과와 부 합되는지를 밝힐 수 있을 것이다. 소득(GRDP)는 1인당 실질 지역 내 총생산으로 이는 소비자 소 득이 프로야구 관중수요에 미치는 영향을 간접적 으로 나타낸다. 그러나 지역 내 총생산의 경우 85 년도부터 측정이 시작되었으며 광주, 대전, 그리 고 전라북도의 경우 그보다 더 늦게 지역 내 총 생산이 측정되었다. 따라서 실질 지역 내 총생산 증가(감소)율이 실질 국내총생산의 증가(감소)율 과 비례하다고 가정하고 85년 이전의 실질 지역 내 총생산을 계산하였다. 또한 본 연구에서는 83 년도부터 2012년도까지 거시적 충격의 영향을 고 려하기 위해 시간효과(time effect)변수 를 포함하 여 함께 분석하였다. 는 본 연구에서 추정하고자 하는 팬 충성도로 시간에 따라 불변하나 각 팀에 따라 상이한 값을 가지는 개별특성효과이다. 개별 특성효과는 각 팀의 관중 수를 설명함에 있어 설 명변수인 경기성적, 경기장크기, 티켓가격, 지역 인구수, 소득에 의해 설명되지 않는 부분을 나타 낸다. 개별특성효과는 팬 충성도 이외에도 각 구 단의 경영방식 또는 구단의 역사 등 구단의 특성 을 나타내는 요인들을 포함하고 있으나 본 연구 에서는 이러한 요인들이 팬 충성도와 관련성이 깊을 것으로 가정하고 개별특성효과를 추정하였 다. 는 백색잡음이다. [표 1]은 각 변수의 평균, 표준편차, 최대값, 그 리고 최소값을 나타내고 있다. 평균관중 수(APG), 평균승률(WIN), 포스트시즌(PO), 경기장크기 (CAPA) 그리고 실질 티켓가격(PRICE)은 한국프 로야구연감에서 수집되었으며, 지역인구(POP)와 1인당 실질지역소득(GRDP)은 통계청 홈페이지에 서 수집되었다. 1983년부터 2012년까지 총 30년간 프로야구 경기당 평균 관중 수는 7,539.1명이며 평균 승률은 0.5로 나타났다. 또한 경기장 크기는 평균적으로 19,372석이며 티켓가격은 평균 4,650 원으로 이는 총 수입을 관중수로 나눈 값이다. 평 균적으로 4,314.3천명이 프로야구팀의 연고지에 살고 있으며 1인당 실질지역소득은 12.63백만원으 로 나타났다. -23-
[표 1] 기술통계량 Variable Mean Std. Dev. Max Min Attendance Per Game: APG 7,539.1 4,611.1 21,901 757 Win(%) :WIN 0.5 0.09 0.71 0.22 Post Season: PO 0.48 0.50 1 0 Stadium Capacity:CAPA 19,372 8,971 30,500 10,000 Real Price: PRICE 3,838.7 1,781.8 10,209.6 1,311.2 Population(1000): POP 4,314.3 3,654.5 10,500 887.4 Real Income Per Capita(백만원): GRDP 12.63 5.05 25.25 4.01 3. 실증분석 결과 한국프로야구는 스폰서 기업이 바뀌거나 팀의 연고지가 이전됨에 따라 새로운 팀으로 탄생하거 나 또는 기존 팀을 계승한 경우가 잦았다. 그러므 로 무엇을 기준으로 정하는가에 따라 동일한 팀 으로 여겨질 수도 있고 또는 다른 팀으로 여겨질 수도 있다. 예를 들어 해태타이거즈와 기아타이거 즈의 경우 스폰서 기업이 해태에서 기아로 변했 으므로 다른 팀으로 볼 수 있는 반면 연고지가 변하지 않았으므로 같은 팀으로 여길 수도 있다. 그러므로 본 연구에서는 스폰서 기업에 따라 (Case1), 연고지에 따라(Case2), 그리고 2012년 8 개의 프로야구팀(Case3) 기준에 따라 경우를 나누 어 관중 수요함수를 추정하고 각각의 경우에 대 해 팬 충성도를 추정하였다. 스폰서 기업을 기준 으로 팀을 나누는 경우 총 15개 팀으로 나눌 수 있는데, 예를 들어 case1의 경우 해태타이거즈와 기아타이거즈는 다른 팀으로 분류되게 된다. 연고 지를 기준으로 팀을 정의하면 총 12개팀으로 나 눌 수 있으며 해태타이거즈와 기아타이거즈는 모 두 광주를 연고지로 삼고 있으므로 두 팀은 동일 한 팀으로 여겨지게 된다(Case2). 마지막으로 2012년 한국프로야구팀 체제를 기준으로 각 팀의 역사에 따라 선수와 코치진 등이 계승된 팀을 같 은 팀으로 여기게 되면 총 8개 팀으로 나눌 수 있으며 쌍방울레이더스의 선수들을 영입한 SK와 이번즈는 같은 팀으로 분류될 수 있다(case3). 스폰서 기업에 따라 팀을 나눈 경우인 Case1의 관중수요함수 추정결과가 [표 2]에 제시되어 있다. 패널모형의 경우 Hausman 검정을 통해 개별특성 효과와 오차항간의 상관관계의 존재 여부를 확인 한 뒤 이에 알맞은 적절한 모형을 선택해야 한다. 표2마지막 행의 Hausman 검정결과, 확률효과모 형이 옳다는 귀무가설을 기각할 수 있으므로 본 연구는 고정효과모형 결과를 중심으로 해석하도 록 하겠다. 또한 모형의 오차항에 이분산과 자기 상관이 존재할 수 있음을 고려하여 추정한 결과 가 표2의 마지막 두 열에 나타나 있다. 표2의 결 과에서 볼 수 있듯 오차항의 가정을 다르게 설정 한 결과간의 차이가 크게 존재하지 않는 것으로 나타났다. 추정된 계수를 살펴보면 예상한대로 승 률(WIN), 경기장 크기(CAPA), 인구(POP) 그리고 소득(GRDP)은 관중 수에 양의 영향을 미치고 있 으며 가격(PRICE)은 관중 수에 음의 영향을 미치 고 있음을 알 수 있다. 또한 가격의 계수가 1보다 작게 추정되었으므로 한국프로야구 또한 가격이 비탄력적인 구간에서 설정되고 있음을 알 수 있 다. 포스트 시즌 진출더미(PO)는 양의 계수가 추 정되었지만 통계적으로 유의하지 않게 추정되었 다. -24-
[표 2] Case1 관중수요함수 추정결과 WIN PO CAPA PRICE POP GRDP CONS Pooled OLS 1.786*** (0.336) 0.071 (0.059) 0.679*** (0.069) -0.538*** (0.178) 0.247*** (0.05) -0.252** (0.125) 0.426 (0.653) Fixed Effect 1.988*** (0.284) 0.031 (0.047) 0.529*** (0.118) -0.616*** (0.167) 0.433*** (0.077) 0.662** (0.279) - Random Effect 1.926*** (0.278) 0.053 (0.046) 0.577*** (0.097) -0.585*** (0.162) 0.292*** (0.063) 0.274 (0.205) -0.05 (0.907) Fixed with het-autorobust 1.988*** (0.438) 0.031 (0.049) 0.529*** (0.178) -0.616*** (0.193) 0.433*** (0.129) 0.662** (0.338) - Random with het-autorobust 1.926*** (0.41) 0.053 (0.044) 0.577*** (0.165) -0.585*** (0.193) 0.292** (0.117) 0.274 (0.262) -0.05 (1.033) R 2 0.795 0.905 0.901 Hausman Test, df, p-val = 31.746 14.00 0.004 note: *** p<0.01, ** p<0.05, * p<0.1 괄호안은 표준오차 [표 3] Case2 관중수요함수 추정결과 WIN PO CAPA PRICE POP GRDP CONS Pooled OLS 1.786*** (0.336) 0.071 (0.059) 0.679**8 (0.069) -0.538*** (0.178) 0.247*** (0.05) -0.252** (0.125) 0.426 (0.653) Fixed Effect 1.907*** (0.273) 0.053 (0.047) 0.645*** (0.125) -0.803*** (0.159) 0.095 (0.315) 0.467 (0.377) - Random Effect 1.854*** (0.271) 0.067 (0.046) 0.698*** (0.103) -0.773*** (0.156) 0.203*** (0.076) 0.309 (0.2) 0.682 (1.161) Fixed with het-autorobust 1.907*** (0.466) 0.053 (0.046) 0.645*** (0.191) -0.803*** (0.248) 0.095 (0.513) 0.467 (0.612) - Random with het-autorobust 1.854*** (0.442) 0.067 (0.044) 0.698*** (0.113) -0.773** (0.251) 0.203* (0.123) 0.309 (0.288) 0.682 (1.441) R 2 0.795 0.906 0.905 Hausman Test, df, p-val = 26.609 11.000 0.005 note:*** p<0.01, ** p<0.05, * p<0.1 괄호안은 표준오차 -25-
[표 4] Case3 관중수요함수 추정결과 WIN PO CAPA PRICE POP GRDP CONS Pooled OLS 1.786*** (0.336) 0.071 (0.059) 0.679*** (0.069) -0.538*** (0.178) 0.247*** (0.05) -0.252** (0.125) 0.426 (0.653) Fixed Effect 1.724*** (0.308) 0.056 (0.053) 0.57*** (0.102) -0.76*** (0.177) 0.195*** (0.066) 1.113*** (0.242) - Random Effect 1.711**8 (0.305) 0.068 (0.052) 0.617**8 (0.089) -0.767*** (0.173) 0.206*** (0.06) 0.615*** (0.202) 1.091 (0.912) Fixed with het-autorobust 1.724*** (0.47) 0.056* (0.034) 0.57*** (0.175) -0.76*** (0.23) 0.195*** (0.069) 1.113*** (0.386) - Random with het-autorobust 1.711*** (0.425) 0.068** (0.032) 0.617*** (0.122) -0.767*** (0.221) 0.206*** (0.045) 0.615* (0.315) 1.091 (1.398) Adj-R 2 0.795 0.872 0.69 Hausman Test, df, p-val = 24.253 7.000 0.001 note: *** p<0.01, ** p<0.05, * p<0.1 괄호안은 표준오차 다음으로 표3은 연고지를 기준으로 팀을 나눈 경우의 관중수요함수 추정 결과이다(Case2). Case2의 Hausman 검정 결과 귀무가설을 기각할 수 있으므로 고정효과모형을 채택할 수 있으며 오차항의 이분산과 자기상관을 가정하고 모형을 추정한 결과도 마지막 두 열에 나타나 있다. Case2는 Case1과 마찬가지로 승률(WIN)과 크기 (CAPA)는 관중 수와 통계적으로 유의한 양의 관 계를 가지지만 포스트시즌 진출더미(PO)와 인구 (POP), 그리고 소득(GRDP)은 통계적으로 유의한 값을 가지지 못하였다. 가격(PRICE)과 관중 수는 음의 상관관계를 가지고 있는 것으로 드러났다. 마지막으로 Case3은 2012년 프로야구 팀을 기준 으로 총8개 팀으로 나눈 경우로 표4에 추정결과 가 나타나 있다. 표4에서 볼 수 있듯 추정결과 Case1과 일치되는 결과를 나타내고 있다. 나열되어 있다. 2) 각 경우 별로 조금씩 차이는 있 으나, 롯데자이언츠, 삼성라이온즈, 그리고 한화이 글스의 팬들이 높은 충성도를 가지고 있는 반면, 넥센히어로즈, 현대유니콘스, 두산베어스 그리고 쌍방울 레이더스의 팬들은 상대적으로 낮은 충성 도를 갖는 것으로 나타났다. 팬 충성도가 비교적 높은 롯데자이언츠와 삼성라이온즈는 역사가 오 래된 팀들로 연고지나 스폰서 기업의 변화가 없 었던 팀들이다. 하지만 팬 충성도가 낮게 추정된 현대유니콘스는 2000년에 연고지를 인천에서 수 원으로 옮겼었으며 넥센히어로즈, SK와이번즈와 쌍방울레이더스는 역사가 비교적 짧은 팀으로 팬 충성도가 강하지 않은 것을 알 수 있다. 전반적으 로 서울을 연고지로 하는 팀들의 팬 충성도는 낮 게 나타났다. 이는 다른 모든 팀들은 지역 독점인 반면에 서울은 다른 대체팀들이 존재하기 때문인 위에서 추정된 결과들을 바탕으로 1983년부터 2012년까지 한국프로야구 팀의 팬 충성도(개별특 성효과)를 추정한 결과가 충성도 순위별로 표5에 2) 본 논문에서 개별특성효과는 각 팀의 더미변수를 넣어 추 정되었으며, 팀 더미변수들의 계수추정치 결과는 본문에서 생략하였다. 표5는 팀 더미변수들의 계수추정치 결과를 바 탕으로 순위를 나열한 것이다. -26-