성공적인 연구 결과를 만드는 구조방정식의 8가지 요소

자주 묻는 질문(FAQ)

1. Q. 이론적 모형(Theory Specification)이란 무엇이며 왜 중요한가요?
A. 이론적 모형이란 연구 주제에 대한 개념적 프레임워크로, 잠재변수 간 인과관계를 가설화한 것입니다.
- 연구 문헌 검토를 통해 핵심 변수를 선별·정의
- 변수 간 인과경로(직접·간접 효과)를 명확히 설정
- 이론적 근거가 탄탄해야 식별성·타당성 확보에 유리

2. Q. 잠재변수(Latent Variables)와 관측변수(Observed Variables)는 어떻게 정의하나요?
A.
- 잠재변수: 직접 측정 불가능하나 이론적 개념(예: 만족도, 동기)
- 관측변수: 설문·측정도구 문항 등으로 실제 수집 가능한 지표
설정 방법
1) 이론에서 핵심 속성을 추출하여 잠재변수로 명명
2) 각 잠재변수를 대표할 수 있는 3~5개 이상의 지표 문항 지정
3) 중복·모호성 없는 간결한 문항 구성

3. Q. 측정모형(Measurement Model)의 신뢰도·타당도 확보 방법은?
A.
- 신뢰도: Cronbach’s α(0.7 이상 권장), 합성 신뢰도(Composite Reliability)
- 수렴타당도: 표준화 요인부하량(0.5~0.7 이상), AVE(0.5 이상)
- 판별타당도: 각 잠재변수 AVE가 상호 간 제곱상관보다 커야 함
절차
1) 탐색적 요인분석(EFA)로 초기 문항 선별
2) 확인적 요인분석(CFA)으로 모형 적합도·요인부하량 검증
3) 부적절 문항 제거 후 재분석

4. Q. 표본 크기 및 표본 특성은 어떻게 결정하나요?
A.
- 최소 사례 수: 모수당 5~10명, 전체 최소 200명 권장
- 모집단 특성 고려: 층화추출·군집추출 등 대표성 확보
- 결측치·편향 점검: 결측율 5% 이하, 응답 편향성 분석

5. Q. 모형 식별성(Model Identification)이란 무엇이고 어떻게 확인하나요?
A. - 식별성이란 모수가 유일한 해를 가지는지 여부
- 규칙: 알려진(관측) 변수 간 공분산 수 ≥ 추정할 모수 수
- 확인 방법
1) ‘완전 식별(over-identified)’ 상태여야 분석 가능
2) 각 잠재변수당 최소 3개 이상 지표 필요
3) 식별 여부는 SEM 프로그램 출력의 Identification status로 확인

6. Q. 모수추정(Estimation Method) 선택 기준은?
A.
- 최대우도법(ML): 정규분포·연속변수 가정 시 사용
- 최대우도법의 변형(MLR): 비정규성 데이터 보정
- 가중최소제곱법(WLSMV): 범주형·비정규 자료에 적합
선택 포인트
1) 변수 측정 수준(연속 vs. 범주)
2) 데이터 정규성 여부(왜도·첨도 확인)
3) 표본크기(작을수록 WLSMV 추천)

7. Q. 모델 적합도(Model Fit) 평가는 어떻게 하나요?
A.
- χ² 검정: 귀무가설 기각 여부(모형 부적합 시 민감)
- 비교지수: CFI·TLI ≥ 0.90(권장 0.95 이상)
- 절대지수: RMSEA ≤ 0.08(권장 0.05 이하), SRMR ≤ 0.08
- 수정지표(MI): 경로 추가·제거 검토 시 보조 지표로 활용
평가 절차
1) 우선 기본 모형 적합도 확인
2) 개선 방향 시사하는 수정지표 검토
3) 이론적 타당성 재검토 후 수정

8. Q. 결과 해석 및 보고(Interpretation & Reporting) 시 유의사항은?
A.
- 직접·간접효과: 표준화 계수(β), 유의확률(p-value) 함께 제시
- 효과 크기: 큰 효과(β≥0.50), 중간(0.30~0.49), 작은(0.10~0.29)로 구분
- 한계점: 표본 편향, 교차소집단(Measurement Invariance) 미검증 등 솔직히 기술
- 시사점: 이론·실무적 기여와 후속 연구 제안 명시
- 부록: 모수 추정 표, 적합도 지수 표, 경로도 첨부권장

아래 여덟 가지 요소는 구조방정식모형(SEM)을 이용한 연구에서 ‘결과의 신뢰성·타당성 확보’와 ‘이론적·실무적 기여’를 극대화하기 위해 반드시 유념해야 할 핵심 요소들입니다.

표 형식이 아니라 글로 풀어 설명드리겠습니다.

1. 이론적 프레임워크의 명확화 SEM 연구의 출발점은 견고한 이론적 토대입니다.

먼저 다루려는 현상(또는 변수들) 간 인과관계나 인과 방향성을 문헌 검토를 통해 명확히 규정해야 합니다.

이론적으로 근거가 빈약한 모형을 설정하면 이후의 측정·추정·해석 단계에서 모든 결과가 불확실해지므로, 사전 가설(연구문제)과 그 이론적 배경을 가능한 한 구체적·체계적으로 정리해 두어야 합니다.



2. 측정모형(Measurement Model)의 신뢰도·타당도 확보 SEM은 관찰변수(observed indicators)와 잠재변수(latent constructs) 사이의 측정관계를 전제합니다.

따라서 각 잠재변수를 구성하는 문항이나 지표(indicator)의 신뢰도(Cronbach’s α, 합분산분석)와 수렴·판별타당도(CFA 기법으로 AVE, 상관관계 패턴 검토 등)를 엄격히 검증해야 합니다.

신뢰도·타당도가 낮으면 구조모형(structural model)의 추정치 역시 편향되거나 불안정해질 수 있습니다.



3. 구조모형(Structural Model) 사양(specification) 측정모형을 통과했다고 해서 연구가 끝나는 것은 아닙니다.

실질적 인과관계를 설명하는 구조모형에서는 변수들 간 직접효과, 간접효과(매개효과), 조절효과(상호작용), 잠재성장모형(latent growth curve) 등 모형 형태를 구체적으로 설정해야 합니다.

이때 지나치게 복잡한 사양은 모형 식별성(identification)의 문제를 일으킬 수 있으므로, 연구문제와 이론적 근거에 부합하면서도 가능한 한 단순 명료하도록 사전에 가설적 모형을 설계해야 합니다.



4. 적절한 표본 크기 및 데이터 품질 SEM에서는 표본 크기가 부족하면 추정치의 표준오차가 커지고, 모형 적합도 검증 결과도 신뢰하기 어려워집니다.

일반적으로 관찰변수 하나당 최소 5~10개 이상의 표본이 필요하다고 권고되며(예: 지표 20개면 최소 100~200명), 모수 개수가 많아질수록 요구치는 더욱 높아집니다.

게다가 결측치 처리, 극단치(outlier) 검토, 정상성(normality) 가정 충족 여부 등 데이터 전처리를 꼼꼼히 수행해야 추정 결과의 왜곡을 막을 수 있습니다.



5. 모형 식별성(Identification)의 충족 SEM에서 ‘식별된(identified)’ 모형이란 모든 모수가 고유하고 유일한 값을 가지는 모형을 말합니다.

반식별(under-identified) 상태가 되면 모수가 추정되지 않거나 무한히 많은 해가 존재하게 됩니다.

이를 피하기 위해서는 잠재변수별로 최소 3개 이상의 지표를 지정하거나, 잠재변수의 분산을 1로 고정하는 등 고정요소(constraints)를 적절히 부여하여 식별성 조건을 만족시켜야 합니다.



6. 적절한 추정방법(Estimation Method) 선택 SEM 추정방법으로는 최대우도법(ML), 범주형 자료에 특화된 WLSMV, 정규성 가정을 완화할 수 있는 GLS·MLR 등 다양한 기법이 있습니다.

각 기법은 데이터의 분포 형태, 결측치 비율, 변수의 측정 척도(연속·범주형) 등에 따라 장단점이 다르므로, 연구데이터 특성을 사전에 진단한 뒤 가장 타당한 추정방법을 선택해야 합니다.



7. 모형 적합도(Fit) 평가 및 해석 SEM에서는 단일 지표가 아니라 다수의 적합도 지수를 해석합니다.

χ² 검정 외에도 CFI, TLI, RMSEA, SRMR 등의 지표를 활용하여 모형이 자료를 얼마나 잘 재현하는지 평가해야 합니다.

각 지표의 기준치(예: CFI·TLI ≥ .90, RMSEA ≤ .08 등)에 미달하면 이론적·실증적 근거에 따라 모형을 재검토해야 합니다.

다만 지나친 모형 수정(허용가능성 지시자 사용 등)은 자의적 조정을 초래할 수 있다는 점을 늘 경계해야 합니다.



8. 모형 수정·검증 및 외적 타당화 1차 분석 후 모형 수정지시자(modification index)를 참고해 일부 경로를 추가·제거할 수 있으나, 이때도 반드시 이론적 설명력을 우선시해야 합니다.

수정모형을 얻었다면, 교차검증(cross‐validation)을 위해 표본을 분할하거나, 다른 집단(예: 복수의 표본, 시간 지점, 문화권 등)에 적용해 다집단분석(multigroup analysis)으로 모형의 불변성(invariance)을 확인해야 합니다.

이를 통해 연구결과의 외적 타당도를 확보하고, 이론적·실무적 함의를 보다 일반화할 수 있습니다.

위 여덟 가지 요소를 유기적으로 충족시킬 때, SEM을 활용한 연구는 내·외적 타당성 모두에서 설득력 있고 실용적인 결과를 도출할 수 있습니다.