목차
구조방정식(SEM)이나 확인적 요인분석(CFA)을 진행하다 보면
많은 대학원생들이 가장 먼저 신경 쓰는 것이 있습니다.
바로 적합도 지수(Fit Index) 입니다.
😅
AMOS 결과를 확인했는데
CFI는 괜찮은 것 같고
TLI는 애매하고
RMSEA는 조금 높고…
그러다 보면
“이거 논문에 써도 되는 걸까?”
“교수님이 수정하라고 하시는 거 아닐까?”
라는 걱정이 시작됩니다.
📊 적합도 지수는 ‘통과’와 ‘실패’로 나누는 개념이 아닙니다
처음 구조방정식을 공부할 때는
적합도 기준을 외우게 됩니다.
예를 들어
- CFI ≥ .90
- TLI ≥ .90
- RMSEA ≤ .08
같은 기준들입니다.
그런데 실제 논문에서는
모든 지수가 완벽하게 맞아떨어지는 경우보다
일부 지수가 조금 부족한 경우가 훨씬 많습니다.
그래서 적합도는
무조건 통과 또는 탈락의 개념으로 보기 어렵습니다.
1️⃣ 숫자만 보고 연구모형을 계속 수정하는 경우
생각보다 자주 발생합니다.
AMOS 결과를 보고
적합도를 높이기 위해
변수를 삭제하고
문항을 빼고
경로를 추가합니다.
물론 필요한 수정은 중요합니다.
하지만
이론적 근거 없이 적합도만 올리기 위해 수정하면
오히려 연구모형의 의미가 약해질 수 있습니다.
2️⃣ RMSEA 하나만 보고 불안해하는 경우
많은 대학원생들이
RMSEA에 유독 민감합니다 😅
예를 들어
CFI와 TLI는 괜찮은데
RMSEA가 조금 높게 나왔다고 해서
논문 전체를 다시 수정하려는 경우도 있습니다.
하지만 적합도는
한 가지 지표만 보는 것이 아니라
전체적인 흐름을 함께 확인해야 합니다.
3️⃣ 적합도를 높이기 위해 문항을 너무 많이 삭제하는 경우
이 부분도 자주 보입니다.
적합도를 맞추려고
문항을 하나 빼고
또 하나 빼고
계속 삭제하다 보면
결국 원래 측정하려고 했던 개념이 약해질 수 있습니다.
적합도도 중요하지만
측정 타당성 역시 중요합니다.
4️⃣ 표본 특성을 고려하지 않는 경우
적합도는
연구모형만의 문제가 아닐 수도 있습니다.
표본 특성이나 데이터 구조에 따라서도
적합도 지수가 달라질 수 있습니다.
그래서 적합도가 조금 아쉽게 나왔다고 해서
무조건 연구모형 문제라고 보기는 어렵습니다.
5️⃣ 적합도 기준을 절대적인 정답으로 생각하는 경우
실제로 학술지마다
교수님마다
조금씩 보는 기준이 다를 수 있습니다.
그래서
인터넷에서 본 기준 하나만 믿고
지나치게 걱정할 필요는 없습니다.
중요한 것은
왜 이런 결과가 나왔는지
설명할 수 있는가입니다.
📌 적합도는 연구모형의 건강검진과 비슷합니다
적합도가 좋으면
모형이 데이터를 잘 설명하고 있다는 의미가 됩니다.
하지만 적합도만 좋다고
좋은 연구가 되는 것은 아닙니다.
연구 질문
이론적 배경
변수 구성
결과 해석까지 함께 봐야 합니다.
📌 좋은 논문은 적합도만으로 결정되지 않습니다
가끔은
적합도 숫자에 너무 집중하다가
정작 중요한 연구 목적을 놓치는 경우도 있습니다.
논문은 결국
연구 질문에 답하는 과정입니다.
적합도는 그 과정에서 확인하는 하나의 도구일 뿐입니다.
📌 실제로 많이 나오는 질문
AMOS 관련 문의 중에서도
가장 자주 나오는 질문 중 하나가
“적합도가 조금 부족한데 괜찮을까요?”
입니다.
그만큼 많은 대학원생들이
적합도 때문에 고민합니다.
하지만 실제로는
적합도 수치 하나보다
전체 연구 흐름과 해석이 더 중요하게 평가되는 경우도 많습니다.
더브레인에서도 구조방정식 분석 문의를 받다 보면
적합도 자체보다
어떤 방향으로 해석해야 하는지에 대한 질문이 더 많이 들어오는 편입니다.
📓 정리
AMOS 적합도 지수는 중요합니다 😊
하지만
✔ 적합도만 보고 연구모형을 계속 수정하거나
✔ RMSEA 하나만 보고 불안해하거나
✔ 문항을 과도하게 삭제하는 것은 주의할 필요가 있습니다.
적합도는 연구모형이 데이터를 얼마나 잘 설명하는지 확인하는 지표입니다.
그래서 중요한 것은
숫자 자체보다
왜 그런 결과가 나왔는지 이해하고 설명하는 것입니다.