구조 분석

"직원 몰입도"라는 열은 데이터에 없습니다. 대신 인정, 성장, 소속감, 업무 만족 같은 여러 설문 문항이 있습니다. 구조 분석은 이 여러 문항으로부터 '몰입도'라는 보이지 않는 개념을 찾아내는 방법입니다.

만족, 브랜드 충성, 불안, 신뢰도 마찬가지입니다 — 이 중 무엇도 데이터에 단 하나의 열을 갖지 않습니다. 각각 그것의 한 조각을 잡는 설문 문항 묶음이 있을 뿐입니다. 구조 분석은 그 조각들로부터 숨은 구성개념을 복원하는 family입니다.

구조 분석은 크게 세 단계로 나뉩니다: ① 숨은 요인을 찾는 단계(EFA·PCA), ② 측정을 검증하는 단계(CFA·신뢰도), ③ 요인 간 관계를 모델링하는 단계(매개·조절·SEM). 아래 지도를 기억해두면 각 기법이 전체에서 어디에 위치하는지 헷갈리지 않습니다.

구조 분석
        │
 ┌──────┴────────┐
 측정              관계
 │                 │
 EFA               매개
 CFA               조절
 신뢰도(알파)       SEM
 │
 PCA (차원 축소)

차원 찾기: 요인분석과 PCA

측정된 여러 변수가 상관되면 더 적은 수의 근본 요인을 반영하는 것일 수 있습니다. 요인분석과 PCA는 둘 다 상관된 열을 몇 개의 차원 — 위 화살표가 보여주는 최대 공유 변동의 축 — 으로 압축하지만, 의도가 다릅니다.

PCA와 요인분석은 계산 방식이 비슷해 자주 헷갈리지만, 목적이 다릅니다.

PCA는 압축을 위한 빠른 선형 기본값 — PCA 가이드가 깊이 다룹니다. 요인분석은 더 나아가, 보이지 않는 요인이 관측된 상관을 일으킨다고 상정합니다.

문항들이 뭉치는가? 신뢰도

열 문항을 "만족 점수"로 평균하기 전에, 그것들이 같은 것을 측정하는지 알아야 합니다. 신뢰도 분석이 그 내적 일관성을 확인합니다.

같은 개념을 측정하려는 문항이라면 응답자마다 서로 비슷하게 움직여야 합니다. 크론바흐 알파는 그 일관성을 하나의 수치로 나타냅니다.

• 크론바흐 알파 — 표준 내적 일관성 계수, 0에서 1
• 약 0.7 이상이 보통 수용 가능하다고 여겨짐
• 어떤 문항이 척도를 약화시키는지 보여주는 문항 수준 진단

구성개념은 어떻게 관계되나: 매개, 조절, SEM

검증된 구성개념이 생기면, 구조 분석은 그것들이 어떻게 연결되는지 모델링합니다 — 단지 A가 B와 관계되는지가 아니라, 무엇을 통해 어떤 조건에서인지.

SEM은 이 모두 — 잠재 요인, 그 신뢰도, 그 사이의 경로 — 를 구성개념이 서로를 어떻게 이끄는지에 대한 하나의 모델로 묶습니다. "전체 네트워크"라는 말이 추상적으로 들린다면, 가장 단순한 형태부터 보면 됩니다 — 잠재 구성개념을 순서대로 잇는 경로 하나입니다.

서비스 품질  ->  만족  ->  충성도

SEM은 이 경로 각각에 계수를 매겨, 서비스 품질이 만족을 얼마나 움직이고 그 만족이 다시 충성도를 얼마나 움직이는지 — 그리고 그 경로들이 데이터와 얼마나 잘 맞는지 — 를 함께 검정합니다. 구성개념이 늘어나고 경로가 갈라지면 이 그림이 곧 "네트워크"가 됩니다.

왜 표준화가 필요한가?

SKARI Statistical Lab의 구조 분석

SKARI의 Statistical Lab은 구조 분석을 독립된 family로 다룹니다 — 발견에서 검증, 경로 모델까지 잠재변수를 위한 도구.

• 주성분분석(PCA)과 탐색적·확인적 요인분석
• 크론바흐 알파와 문항 수준 진단이 있는 신뢰도 분석
• 매개·조절 분석
• 구성개념 네트워크를 위한 구조방정식모델(SEM)
• 구조가 단위가 아니라 구성개념을 반영하도록 하는 데이터 편집기의 표준화

자주 묻는 질문

PCA와 요인분석 중?

분산을 압축하고 차원을 줄이려면 PCA, 관측된 상관을 일으키는 잠재 요인을 모델링하려면 요인분석. 관련된 수학, 다른 목적입니다.

좋은 크론바흐 알파는?

약 0.7 이상이 흔히 수용 가능하게 다뤄지지만, 분야와 중요도에 달렸습니다.

언제 SEM이 필요한가요?

여러 잠재 구성개념이 있고 그것들 사이 관계의 전체 네트워크를 한 쌍씩이 아니라 한 번에 검정하고 싶을 때입니다.

핵심 요약

구조 분석은 직접 측정할 수 없는 것을 복원합니다. 상관된 문항을 근본 차원으로 줄이고, 척도가 신뢰할 만한지 확인하고, 구성개념이 어떻게 관계되는지 모델링하면 — 설문지가 실재하는 무언가의 검증된 측정이 됩니다.