확인적 요인분석(CFA)

직무 소진을 설문 문항 몇 개로 정확하게 측정할 수 있을까요? 정서적 소진과 냉소는 서로 구분되는 개념일까요? 직업적 효능감에 관한 문항이 연구자가 예상한 요인에 제대로 속하는지도 확인할 수 있을까요?

이처럼 연구자가 미리 설정한 요인 구조가 실제 자료에서도 타당한지 검증하는 방법이 확인적 요인분석(Confirmatory Factor Analysis, CFA)입니다.

탐색적 요인분석이 문항들이 어떤 요인으로 묶이는지 자료에서 탐색하는 데 중점을 둔다면, 확인적 요인분석은 이론에 따라 문항과 요인의 연결 관계를 먼저 정하고 모형이 관측자료를 얼마나 잘 설명하는지 평가합니다. 요인부하량뿐 아니라 전체 적합도와 요인 사이의 구분 가능성도 확인합니다.

심리, 조직·인사, 교육, 보건, 마케팅 등 잠재적인 개념을 설문 문항으로 측정하는 연구에 널리 활용됩니다. 이번 글에서는 직장인 직무 소진 척도를 예제로 세 요인의 측정구조, 요인부하량, 모형 적합도, EFA와의 차이 및 결과 보고에서 주의할 점까지 살펴보겠습니다.

확인적 요인분석(CFA, Confirmatory Factor Analysis)은 직접 관찰하기 어려운 개념을 여러 설문 문항으로 측정할 때, 어떤 문항이 어떤 요인을 측정하는지 연구자가 미리 설정한 뒤 그 구조가 자료와 얼마나 잘 맞는지 검증하는 방법입니다.

예를 들어 직무 소진을 정서적 소진, 냉소, 직업적 효능감이라는 세 차원으로 정의했다면, 각 문항이 의도한 차원에 적절히 연결되는지 확인할 수 있습니다.

설문 문항을 몇 개씩 묶어 평균을 낸다고 해서 그 묶음이 자동으로 하나의 개념을 측정하는 것은 아닙니다. 문항 간 관계가 예상과 다를 수도 있고, 서로 다른 요인이 지나치게 비슷하게 나타날 수도 있습니다.

CFA는 연구자가 가정한 측정구조를 점검하고, 이후 집단 비교나 구조방정식 분석에 사용할 척도 점수가 타당한지 검토하는 근거를 제공합니다.

① 이론을 바탕으로 요인과 문항을 연결합니다

정서적 소진 문항 E1–E3은 소진 요인에, 냉소 문항 C1–C3은 냉소 요인에, 효능감 문항 P1–P3은 효능감 요인에 연결합니다. 다른 요인으로의 교차부하는 기본 모형에서 0으로 제약합니다.

② 요인부하량과 문항별 오차를 추정합니다

요인부하량은 문항이 해당 잠재요인과 얼마나 밀접하게 연결되는지 나타냅니다. 각 문항에는 요인이 설명하지 못하는 고유한 변동도 남습니다.

③ 모형이 실제 문항 관계를 재현하는지 평가합니다

관측 공분산과 모형이 예측한 공분산의 차이를 바탕으로 χ² 검정과 CFI, TLI, RMSEA, SRMR 등의 적합도 지표를 확인합니다.

④ 부하량·요인 간 상관·모형 진단을 함께 해석합니다

전체 적합도가 양호하더라도 특정 문항의 부하량이 낮거나 요인 간 상관이 지나치게 높다면 측정구조를 추가로 검토해야 합니다.

직장인 300명을 대상으로 9개 문항에 응답하도록 했다고 가정하겠습니다. 각 문항은 1점(전혀 그렇지 않다)부터 5점(매우 그렇다)까지의 척도로 측정합니다. 아래 수치는 설명용 가상 결과로 실제 데이터 분석 결과가 아닙니다.

직업적 효능감은 높은 점수가 긍정적인 방향이므로, 소진의 하위요인으로 통합할 때 점수 방향과 이론적 정의를 명확히 해야 합니다.

표준화 요인부하량은 문항과 해당 요인 사이의 연결 정도를 비교하기 쉽게 나타낸 값입니다. 보통 절댓값이 큰 문항일수록 해당 요인과의 관련성이 높습니다. 다만 일률적인 통과 기준만으로 문항을 삭제해서는 안 됩니다.

예를 들어 E1의 표준화 부하량이 0.82라면 정서적 소진과 강하게 연결된 문항으로 해석할 수 있습니다. 단순화된 표준 CFA 모형에서 해당 요인이 문항 분산의 약 67%(0.82²)를 설명한다는 의미로도 볼 수 있습니다.

모형 적합도는 연구자가 설정한 요인 구조가 실제 응답에서 나타난 문항 간 관계를 얼마나 잘 재현하는지 알려줍니다. 어느 한 지표만으로 모형의 적합성을 단정하기보다 여러 지표와 이론적 타당성을 함께 검토합니다.

CFI 0.90 또는 0.95, RMSEA 0.06 또는 0.08과 같은 값은 문헌에서 자주 참조하는 경험적 기준일 뿐, 모든 연구에 적용되는 절대적 합격선은 아닙니다.

표준화 요인부하량 및 오차분산

어떤 문항이 해당 요인을 잘 측정하는지, 측정되지 않은 오차가 얼마나 남는지 확인합니다.

요인 간 상관

정서적 소진과 냉소의 상관이 높을 수 있지만, 두 요인이 실제로 구분되는지도 중요합니다. 지나치게 높은 상관은 판별타당도 문제를 시사할 수 있습니다.

합성신뢰도와 평균분산추출(AVE)

모형과 추정 방식에 맞춰 합성신뢰도 및 AVE를 보조 지표로 계산할 수 있습니다. 단일 기준만 충족했다고 측정의 질이 보장되는 것은 아닙니다.

새로운 척도를 개발한다면 탐색과 확인을 독립된 표본에서 수행하는 것이 바람직합니다. 같은 데이터를 반복적으로 사용해 탐색한 뒤 검증했다고 주장하면 적합도를 과대평가할 수 있습니다.

CFA는 잠재요인과 관측문항의 측정관계를 중심으로 분석합니다. 구조방정식모형(SEM)은 이러한 측정모형에 잠재요인 사이의 회귀경로나 매개경로 등 구조관계를 더할 수 있습니다.

문항을 결과에 맞춰 무리하게 삭제하지 않습니다

적합도를 개선하기 위해 부하량이 낮은 문항을 삭제하거나 오차 공분산을 추가할 때는 문항의 내용과 이론적 근거가 필요합니다. 변경된 모형은 가능하면 새로운 자료에서 재검증해야 합니다.

응답척도와 추정방법을 확인합니다

서열형 리커트 문항을 어떻게 다루는지에 따라 ML, 로버스트 ML 또는 WLSMV 등의 추정방법이 적절할 수 있습니다.

표본 크기와 결측치를 점검합니다

필요 표본 수는 요인 수, 문항 수, 부하량, 추정방법 등에 따라 달라집니다. 단일한 최소 표본 규칙만 적용하기보다 모형의 복잡성과 자료 상태를 검토해야 합니다.

높은 요인 간 상관과 식별 문제를 확인합니다

요인이 거의 구분되지 않거나 모형이 식별되지 않으면 추정치가 불안정해질 수 있습니다. 비정상적인 분산 추정치와 수렴 경고도 확인해야 합니다.

적합도가 좋다고 척도가 완전히 검증된 것은 아닙니다

측정구조 외에도 내용타당도, 다른 변수와의 관계, 반복 측정 안정성 등을 목적에 맞게 확인해야 합니다.

모형의 복잡성이 늘어날수록 충분한 자료, 분명한 식별 조건, 이론적 근거가 필요합니다.

논문에서는 어떤 문항을 어떤 요인에 연결했는지, 자료와 추정방법, 전체 적합도, 표준화 요인부하량과 요인 간 관계를 보고하는 것이 좋습니다.

위 수치와 문장은 실제 연구 결과가 아닌 가상 보고 예시입니다. 실제 논문에는 사용한 추정방법, 표준오차·신뢰구간, 부하량의 유의성, 요인 간 상관 및 추가 진단을 함께 기술하세요.

이미 사용되는 척도라도 연구 대상이나 언어, 조사 환경이 달라지면 측정구조가 동일하게 유지되는지 확인할 필요가 있습니다.

확인적 요인분석은 설문 문항이 연구자가 의도한 개념을 제대로 측정하는지 검증하는 방법입니다. 직무 소진 예제에서는 정서적 소진, 냉소, 직업적 효능감의 세 요인을 미리 설정하고 문항별 부하량과 모형의 전반적인 적합도를 평가하는 과정을 살펴봤습니다.

적합도 지표 하나가 양호하다고 해서 척도의 타당성이 모두 입증되는 것은 아닙니다. 요인 사이의 상관과 문항의 측정 품질, 자료의 특성, 추정 방법을 함께 검토해야 합니다. 모형을 수정할 때도 수치를 개선하려는 목적보다 연구 이론과 문항의 의미를 우선해야 합니다.