목차
논문 통계분석을 시작하면 거의 빠지지 않고 등장하는 분석이 있습니다.
바로 신뢰도 분석입니다.
SPSS를 돌리고 Cronbach’s α 값을 확인했는데
.8, .9처럼 높게 나오면 일단 안심하게 됩니다. 😊
반대로 생각보다 낮게 나오면
“문항을 삭제해야 하나?”
“이 척도 못 쓰는 건가?”
갑자기 걱정되기 시작하고요.
그런데 크론바흐 알파는 높을수록 무조건 좋은 숫자라고 생각하면 조금 위험합니다.
📊 크론바흐 알파는 무엇을 보는 걸까?
Cronbach’s α는 여러 문항이 하나의 개념을 얼마나 일관되게 측정하고 있는지 살펴볼 때 많이 사용하는 지표입니다.
예를 들어 ‘직무만족’이라는 변수를 5개 문항으로 측정했다면,
이 문항들이 서로 어느 정도 일관된 방향을 보이는지 확인하는 것입니다.
그래서 학위논문에서도 본격적인 가설 검증에 들어가기 전
신뢰도 분석 결과를 제시하는 경우가 많습니다.
1️⃣ .7만 넘으면 무조건 괜찮다?
논문 관련 자료를 찾아보면
Cronbach’s α가 .7 이상이면 괜찮다는 설명을 자주 접하게 됩니다.
실제로 많이 활용되는 참고 기준 중 하나이기는 합니다.
다만 .7이라는 숫자 하나만 절대적인 합격선처럼 보는 것은 주의할 필요가 있습니다.
연구 분야와 척도의 특성,
연구 목적 등에 따라 해석이 달라질 수 있기 때문입니다.
따라서 숫자를 확인하는 것과 동시에
어떤 척도를 사용했는지도 함께 살펴봐야 합니다.
2️⃣ 알파값이 낮다고 문항부터 삭제하면 안 됩니다
신뢰도 분석 결과가 기대보다 낮게 나오면
SPSS의 ‘항목이 삭제된 경우 Cronbach 알파’를 보고
문항을 하나씩 지우고 싶어질 수 있습니다.
실제로 특정 문항을 제외했을 때
신뢰도가 올라가는 경우도 있습니다.
하지만 여기서 중요한 건
알파값을 올리는 것 자체가 연구 목적은 아니라는 점입니다.
기존 척도의 중요한 문항을 별다른 근거 없이 삭제하면
오히려 원래 측정하려던 개념이 달라질 수 있습니다.
3️⃣ 알파값이 지나치게 높은 것도 한 번 살펴볼 필요가 있습니다
조금 의외일 수 있습니다.
“높으면 좋은 거 아니었어?”
싶을 수 있는데요. 😅
알파값이 매우 높다면
문항들이 지나치게 비슷한 내용을 반복하고 있는 것은 아닌지도 살펴볼 수 있습니다.
예를 들어 표현만 조금 다를 뿐
사실상 같은 질문을 여러 번 하고 있다면
내적 일관성은 높게 나타날 수 있습니다.
그렇다고 측정 자체가 무조건 더 좋아졌다고 말하기는 어렵습니다.
4️⃣ 역문항 때문에 신뢰도가 이상하게 나올 수도 있습니다
신뢰도가 예상보다 낮게 나왔다면
척도 자체를 의심하기 전에 데이터부터 확인해보는 것도 중요합니다.
특히 자주 놓치는 것이 역문항 처리입니다.
예를 들어 5점 척도에서
다른 문항과 반대 방향으로 질문한 문항이 있는데
이를 그대로 분석하면 문항 간 방향이 맞지 않게 됩니다.
이런 경우 신뢰도가 갑자기 낮게 나타날 수도 있습니다.
📌 분석 전에 역코딩이 필요한 문항이 있는지 확인해두는 것이 좋습니다.
5️⃣ 신뢰도와 타당도는 같은 말이 아닙니다
여기서 많이 헷갈리는 부분이 하나 더 있습니다.
신뢰도가 높다고 타당도까지 자동으로 확보되는 것은 아닙니다.
신뢰도는 문항들이 얼마나 일관된지를 보는 것이고,
타당도는 실제로 측정하려는 개념을 적절하게 측정하고 있는지를 살펴보는 개념입니다.
쉽게 생각하면
문항끼리 굉장히 일관되어 있어도
정작 엉뚱한 개념을 측정하고 있다면 문제가 될 수 있다는 뜻입니다.
그래서 논문 통계분석에서는 신뢰도 결과 하나만 보고 척도의 품질을 전부 판단하지 않습니다.
📌 SPSS 결과표에서 숫자 하나만 보지 마세요
신뢰도 분석을 하면
Cronbach’s α 숫자가 가장 눈에 띕니다.
하지만 필요하다면 개별 문항의 상태도 함께 확인하는 것이 좋습니다.
특정 문항만 다른 문항과 전혀 다른 움직임을 보이는지,
역문항 처리가 제대로 되었는지,
문항을 제외했을 때 결과가 왜 달라지는지 등을 살펴봐야 합니다.
결국 중요한 건 숫자를 높이는 것보다 왜 그 숫자가 나왔는지를 이해하는 것입니다.
논문 통계에서 은근히 많이 막히는 부분입니다
처음에는 신뢰도 분석이 비교적 간단해 보입니다.
SPSS에서 몇 번 클릭하면 결과가 나오기 때문입니다.
그런데 막상 논문에 넣으려고 하면
어떤 값을 제시해야 하는지,
낮게 나온 변수는 어떻게 해야 하는지,
문항을 삭제해도 되는지부터 다시 고민하게 됩니다.
저도 관련 내용을 찾아보면서 느낀 건
통계는 프로그램을 돌리는 것보다 결과를 어떻게 판단하느냐가 훨씬 어렵다는 점이었습니다.
그래서 직접 판단하기 애매한 분석은 더브레인처럼 논문 통계분석을 다루는 곳을 참고해보는 것도 방법이고요.
무엇보다 결과값을 원하는 숫자에 맞추기보다 연구의 근거와 함께 판단하는 것이 먼저인 것 같습니다.
📓 정리
크론바흐 알파는 논문에서 많이 활용되는 중요한 신뢰도 지표입니다.
하지만 단순히
높다 = 좋은 척도
라고 생각하기보다는 조금 더 자세히 볼 필요가 있습니다. 😊
✔ 연구 분야와 척도의 특성 확인
✔ 역문항 처리 여부 점검
✔ 특정 문항을 무작정 삭제하지 않기
✔ 지나치게 높은 값도 문항 구성 확인
✔ 신뢰도와 타당도를 구분해서 보기
결국 신뢰도 분석에서도 중요한 건
기준값을 넘겼는지가 아니라 그 결과를 제대로 이해하고 설명할 수 있는가입니다.