구조방정식, 적합도 지수 읽는 법

카이제곱은 표본이 크면 거의 항상 유의하게 나옵니다. CFI와 TLI 0.9 이상, RMSEA 0.08 이하, SRMR 0.08 이하를 함께 보고하는 것이 일반적입니다.

여러 변수의 관계를 한 모형에 넣고 한꺼번에 검정하는 방법입니다. 측정모형(문항이 개념을 제대로 재는가)과 구조모형(개념들이 어떤 관계인가)을 동시에 다룹니다. 매개 경로가 여러 개이거나 변수가 많을 때 회귀분석을 여러 번 돌리는 것보다 깔끔합니다.

표본이 먼저입니다

구조방정식은 표본에 민감합니다. 200명 이상을 권장하는 기준이 널리 쓰이고, 추정할 모수 1개당 10명 정도를 보는 기준도 있습니다. 100명대 초반에서 복잡한 모형을 돌리면 적합도가 나와도 믿기 어렵습니다.

적합도 지수 읽기

카이제곱부터 봅니다. 그런데 카이제곱은 표본이 크면 사소한 차이에도 유의하게 나옵니다. 그래서 유의하다는 이유만으로 모형을 버리지 않고 다른 지수를 함께 봅니다.

  • χ²/df(CMIN/DF): 3 이하면 양호, 5 이하면 수용 가능하다고 보는 기준이 흔합니다.
  • CFI, TLI: 0.9 이상이면 수용, 0.95 이상이면 양호로 보는 것이 일반적입니다.
  • RMSEA: 0.08 이하면 수용, 0.05 이하면 양호입니다. 신뢰구간 상한도 함께 봅니다.
  • SRMR: 0.08 이하를 기준으로 씁니다.
  • GFI와 AGFI는 표본 크기에 영향을 많이 받아 요즘은 비중이 줄었습니다.

확인적 요인분석에서 함께 보는 것

  • 표준화 요인적재량 0.5 이상, 가능하면 0.7 이상.
  • 개념신뢰도(CR) 0.7 이상.
  • 평균분산추출(AVE) 0.5 이상.
  • 판별타당도: 각 개념의 AVE 제곱근이 다른 개념과의 상관계수보다 커야 합니다.

적합도가 안 나올 때

  • 수정지수(MI)를 보고 고치되, 숫자만 보고 오차항끼리 마구 연결하면 안 됩니다. 같은 문항 표현에서 오는 공통분산처럼 이론적 설명이 가능할 때만 연결하고 그 이유를 적습니다.
  • 적재량이 낮은 문항을 제거합니다. 다만 개념당 문항이 3개 미만으로 줄면 모형이 불안정해집니다.
  • 문항이 많으면 문항묶음(item parceling)을 쓰기도 합니다. 단일차원이 확인된 경우에만 씁니다.
  • 모형 자체가 이론적으로 잘못 세워졌을 가능성도 열어두어야 합니다.
논문에는 이렇게 씁니다
연구모형의 적합도를 검정한 결과 χ²=412.68(df=183, p<.001), χ²/df=2.255, CFI=.943, TLI=.934, RMSEA=.067(90% CI [.058, .076]), SRMR=.052로 나타나 권장 기준을 충족하여 모형이 자료를 적절히 설명하는 것으로 판단하였다.

이 작업을 대신 해드립니다

구글폼이나 엑셀로 받은 응답 파일을 올리면 변수 레이블, 값 레이블, 역문항 역코딩, 요인별 신뢰도, 요인 평균변수가 들어간 SPSS 명령문을 만들어드립니다. 지금은 무료입니다.

올린 파일은 서버로 보내지 않습니다. 계산은 브라우저 안에서만 이루어집니다.

데이터 올려보기

함께 보면 좋은 글

가이드 전체 보기