다집단 분석 (Multigroup Analysis)

언제 쓰나요?

정규직과 비정규직처럼 관측된 기준으로 나뉜 집단에서 같은 설문과 관계모형을 비교하고 싶을 때 사용합니다.
집단을 나타내는 변수와 집단별로 같은 문항으로 측정한 개념이 필요합니다. 각 집단의 표본과 조사 조건도 확인합니다.
다집단 SEM에서는 먼저 문항이 집단마다 비교 가능한 방식으로 개념을 측정하는지 측정동일성을 살펴본 뒤, 관심 경로를 같게 둔 모형과 다르게 둔 모형을 비교합니다.
집단 사이의 경로 차이를 직접 검정하고 추정치·신뢰구간을 제시합니다. 한 집단에서만 유의하다는 결과는 집단 차이의 검정이 아닙니다.

예를 들면

집단변수는 고용형태(정규직/비정규직), 설명개념은 경력개발지원, 결과개념은 조직몰입으로 둡니다.
두 개념을 각 집단에서 같은 설문 문항으로 측정하고, 먼저 문항의 의미가 비교 가능한지 확인합니다.
그다음 경력개발지원→조직몰입의 경로계수가 두 집단에서 다른지 직접 검정합니다.

선택할 때 확인할 점

집단은 분석 전에 알고 있습니다.
예를 들어 정규직과 비정규직을 비교합니다.
자료 속에서 숨은 유형을 찾는 질문과 구별하세요.

다집단 분석 (Multigroup Analysis)에서 처음 볼 용어를 확인하세요 (절차·분석·해석)

먼저 질문과 핵심 개념을 확인하고, 설계·절차에서 분석과 결과 해석으로 이어서 읽어 보세요. 이 방법의 주요 용어를 이해하고 연구문제에 맞는 선택을 돕는 학습 안내입니다. 아래 분석 순서와 점검표도 함께 확인하세요.

1. 질문과 핵심 개념

다집단 비교 질문: 다집단 분석은 이론적으로 정한 집단 사이에서 측정값·잠재평균·경로가 같은지 다른지 평가합니다. 집단을 만든 목적과 비교할 모수를 분석 전에 정합니다.
측정동일성: 같은 척도가 각 집단에서 비교 가능한 의미로 작동하는지 단계적으로 검토합니다. 측정이 충분히 비슷하지 않으면 평균·경로 차이가 개념 차이인지 문항 작동 차이인지 분리하기 어렵습니다.

2. 설계와 절차

형태동일성(configural): 같은 문항이 같은 요인에 연결되는 기본 구조가 집단마다 유지되는지 확인합니다. 이후 동일성 검토의 출발점입니다.
요인부하량 동일성(metric): 문항과 요인의 연결 크기를 집단 간 같게 둡니다. 이 조건은 요인 간 관계나 회귀 경로를 비교할 때 측정단위의 비교 가능성을 뒷받침합니다.
절편 동일성(scalar): 요인부하량에 더해 문항 절편도 집단 간 같게 둡니다. 잠재평균을 비교할 때 통상 중요한 단계이며, 범주형 문항은 임계값 동일성을 고려합니다.

3. 분석과 결과

잔차 동일성(strict): 문항의 잔차분산까지 같다고 두는 더 강한 제약입니다. 모든 다집단 질문에 필요한 것은 아니며, 어떤 비교를 위해 필요한지 근거를 제시합니다.
제약모형과 자유모형: 집단 간 특정 모수를 같게 둔 모형과 자유롭게 추정한 모형을 비교합니다. 적합도 변화나 직접적인 모수 차이 검정을 이용하며 표본 크기와 지수의 특성을 고려합니다.
부분 측정동일성: 일부 문항의 제약만 풀어 비교 가능성을 확보하는 접근입니다. 어떤 문항을 왜 풀었는지, 결과가 그 선택에 얼마나 민감한지 보고합니다.

4. 해석과 보고

집단 차이의 직접 검정: A 집단에서 경로가 유의하고 B에서 유의하지 않다는 결과만으로 경로가 다르다고 하지 않습니다. 두 경로의 차이 자체를 검정하고 추정치와 구간을 제시합니다.
집단 나누기의 손실: 연속형 변수를 임의의 기준으로 둘로 나누면 정보와 검정력이 줄고 경계값에 따라 결과가 바뀔 수 있습니다. 집단 구분은 이론·제도적 기준이 있을 때 정당화합니다.
비교 가능한 표본과 맥락: 표본 구성, 번역, 응답상황, 집단별 표본 크기가 측정과 결과에 영향을 줄 수 있습니다. 통계적 동일성 결과와 함께 제도·언어·맥락의 근거를 설명합니다.

이 용어를 각 방법의 연구 맥락에서 더 확인하려면 해당 방법론 논문을 보세요: 추천논문 1.

01 · 목적

언제, 어떤 목적으로 선택하나요?

정규직과 비정규직에서 지원과 몰입의 관계가 같은지처럼, 이미 알고 있는 집단 사이의 차이를 묻는 연구에 잘 맞습니다. 집단별 관계를 비교하기 전에 척도가 같은 의미로 작동하는지도 살펴봅니다.

이 방법으로 답하는 연구 목적

같은 척도가 집단마다 같은 의미로 측정되는지 확인한 다음, 학습지원과 몰입의 경로가 고용형태별로 다른지 볼 때 씁니다. 자료에서 모르는 유형을 찾는 LPA/LCA와는 질문이 다릅니다.

대표 연구 질문

두 집단에서 설문 문항의 의미와 개념 사이의 관계가 같은가?

필요한 변수·자료의 형태

정규직/비정규직, 직급 또는 국가처럼 연구 전에 정의한 집단 변수와, 각 집단에서 같은 의미로 측정한 문항·변수 자료가 필요합니다.
집단별 잠재변수를 비교하는 다집단 SEM에서는 먼저 측정동일성을 확인합니다. 관측 점수의 집단 평균이나 회귀계수만 비교하는 설계라면 그 목적에 맞는 비교 모형을 택합니다.
각 집단에 충분한 표본과 동일한 조사·코딩이 필요합니다. 집단별 결측·분산·표본 불균형을 확인하고 비교할 경로나 평균을 사전에 정합니다.

분석에서는 무엇을 하나요?

잠재변수 비교에서는 형태동일성(요인구조), 요인부하 동일성, 절편/문턱값 동일성을 순서대로 검토합니다. 어떤 수준까지 필요한지는 비교할 대상이 경로인지 잠재평균인지에 달려 있습니다.
측정이 비교 가능하다는 근거를 확보한 뒤 관심 경로를 집단 간 동일하게 둔 모형과 자유롭게 둔 모형을 비교해 차이를 직접 검정합니다.
부분 동일성이 필요한 경우 어떤 문항의 제약을 풀었는지 이론적·통계적 근거를 기록하고, 결과가 그 선택에 민감한지 확인합니다.

결과를 어떻게 해석하나요?

집단별 표본 특성·측정동일성 단계·모형 적합도와 경로 추정치, 경로 차이의 검정통계량·신뢰구간을 함께 제시합니다.
한 집단에서 유의하고 다른 집단에서 유의하지 않다는 이유만으로 집단 차이를 주장하지 않습니다. 두 계수의 차이를 직접 검정해야 합니다.
측정동일성 근거가 제한되면 평균이나 경로 비교의 해석 범위도 제한됩니다. 유의한 집단차이는 집단 자체의 원인 효과를 뜻하지 않습니다.

이런 상황이면 이 분석을 고려하세요

1. 분석 전에 알고 있는 집단

고용형태·국가·교육조건 같은 관측된 구분으로 집단을 나눕니다. 사람들의 응답 패턴에서 아직 모르는 유형을 발견하려는 질문과 목적이 다릅니다.

2. 비교할 평균이나 경로를 지정

지원→몰입 경로의 크기, 잠재평균 등 무엇을 비교할지 정합니다. 두 집단이 다르다는 포괄적 질문보다 어떤 관계나 평균이 다른지 명확해야 합니다.

3. 척도 의미의 비교 가능성

같은 문항을 사용했다는 이유만으로 같은 개념을 같은 방식으로 측정한다고 가정하지 않습니다. 비교할 모수에 필요한 측정동일성을 검토합니다.

4. 집단 차이의 직접 검정

집단별 계수와 그 차이, 동일성 검토 결과를 함께 보고합니다. 집단별 유의성 표시를 따로 비교하는 대신 차이 자체를 검정할 계획이 있을 때 선택합니다.

어떤 질문이면 다른 방법을 비교해야 하나요?

잠재프로파일분석 (Latent Profile Analysis, LPA): 집단 구분이 없고 여러 연속형 점수의 조합으로 사람들의 유형을 새로 찾으려면 LPA를 검토합니다. 다집단 분석은 알려진 집단을 비교합니다.
조절효과 (Moderation, 이중조절 포함): 단일 관측 결과에서 X–Y 관계가 범주형·연속형 조건에 따라 달라지는지가 핵심이면 조절효과 모형으로 더 직접적으로 답할 수도 있습니다.

선택 기준의 방법론 근거: 추천 논문 1. 아래 자료·해석 범위까지 확인해 최종 방법을 정하세요.

02 · 자료와 분석 구조

어떤 자료와 변수로, 어떤 구조를 분석하나요?

같은 측정모형·구조모형을 두 개 이상의 집단에 동시에 적용하고, 먼저 ‘문항이 집단마다 같은 의미인가(측정동일성)’를 확인한 뒤 경로계수나 잠재평균이 집단 간에 같은지 비교하는 구조입니다.

분석 구조 한눈에 보기

집단 A(정규직): 지원 ─β_A→ 몰입 ┐
                                   ├ β_A = β_B ?  (같게 제약한 모형 vs 자유 모형 비교)
집단 B(비정규직): 지원 ─β_B→ 몰입 ┘
① 형태 ② 부하량 ③ 절편 동일성을 순서대로 확인한 뒤 경로 비교

식으로 보면

집단 g의 문항: x = τ_g + λ_g·ξ + δ_g
측정단위동일성: λ_A = λ_B, 절편동일성: τ_A = τ_B, 구조 경로 비교: β_A = β_B

필요한 변수와 역할

역할	무엇인가요	예시	형태
집단 변수	비교할 집단을 나누는 범주 변수(이미 알려진 집단)	고용형태(정규직/비정규직)	범주(0/1 등)
잠재변수·문항	각 집단에서 같은 문항으로 측정	지원(sup1~sup4), 몰입(com1~com4)	문항 수준 연속·순서형
경로계수	집단 간에 같은지 비교하는 모수	지원 → 몰입	추정값
잠재평균	집단 평균 점수(절편동일성이 있어야 비교 가능)	몰입 평균	추정값

분석용 자료 파일은 이렇게 만듭니다

ID	group(1/2)	sup1	sup2	com1	com2
A01	1	4	5	4	4
B01	2	3	3	3	2
B02	2	4	4	3	4

예시 값입니다(실제 자료가 아님). 한 행은 한 사람의 응답입니다.

자료 파일을 만들 때 지킬 규칙

문항 수준 자료에 집단을 나타내는 열(group)을 추가합니다. 집단 코드는 숫자(1, 2)로 하고 값 설명을 붙입니다.
집단별 표본 수를 먼저 확인합니다(집단당 100~200명 이상 권장). 집단 변수 결측이 있는 사례는 제외합니다.
모든 집단에서 같은 문항·같은 코딩(역채점 포함)을 사용했는지 확인합니다.
분석 단위는 한 행에 한 사람입니다. 한 사람이 두 집단에 속하지 않게 합니다.

분석 프로그램에서 이렇게 설정합니다

AMOS: [Manage Groups]에서 집단을 만들고 [Multiple-Group Analysis]로 부하량·절편·경로 제약 모형 세트를 자동 생성해 비교합니다.
lavaan: cfa(model, data, group = "group", group.equal = c("loadings", "intercepts"))처럼 제약을 한 단계씩 추가하고 anova() 또는 compareFit()으로 비교합니다.
비교 순서: 형태동일성 → 측정단위동일성 → 절편동일성 → (필요 시 부분동일성) → 경로·잠재평균 비교.

자료 조건과 주의점

사전에 관측된 집단변수와 집단별 충분한 문항·결과 자료가 필요합니다.
동일 구성개념을 비교하려면 형태·요인부하량·절편/문턱값 등의 측정동일성을 목적에 맞게 검토합니다.
잠재평균 비교는 일반적으로 절편/문턱값 동일성까지 검토합니다. 구조경로 비교에도 적절한 측정동일성 근거가 필요합니다.
집단별 표본 수, 불균형, 결측과 추정법에 따른 검정력 및 식별을 확인합니다.

03 · 예시 연구모형

이런 연구모형으로 분석합니다

연구모형은 연구에서 다룰 변수와 변수 사이의 가설 관계를 그림으로 나타낸 것입니다. 아래 예시에서 변수의 역할(독립·매개·조절·종속·외생·내생 등)과 화살표의 방향을 읽어 본 뒤, 내 연구의 변수를 같은 방식으로 배치해 보세요. 그 구조가 이 방법과 맞는지 보면 알맞은 분석 방법을 고를 수 있습니다.

모형 1. 경로계수 집단 비교 모형 (구조모형의 다집단 분석)

연구문제 예 직무자원 → 일의 의미 → 조직몰입 경로의 크기는 정규직과 비정규직에서 같은가?

매개변수 (M)
독립변수 (X)
종속변수 (Y)

그림 속 숫자는 이해를 돕기 위한 예시 값입니다. * p < .05 · ** p < .01 · *** p < .001 · n.s. = 유의하지 않음(점선 경로). 실선 경로는 유의한 경로입니다.

가설

H1: 직무자원이 일의 의미에 미치는 영향은 두 집단에서 다를 것이다(aA ≠ aB).
H2: 일의 의미가 조직몰입에 미치는 영향은 두 집단에서 다를 것이다(bA ≠ bB).

예시 분석 결과 읽기

H1 지지: a 경로를 같게 제약하면 χ²가 유의하게 커집니다(Δχ²(1) = 7.2, p < .01). 정규직(.48)이 비정규직(.22)보다 효과가 큽니다.
H2 기각: b 경로는 두 집단에서 같다고 볼 수 있습니다(Δχ² = 0.1, p > .05).
이 비교는 측정동일성(부하량·절편)이 먼저 확보되었다는 전제에서만 해석할 수 있습니다.

이렇게 읽습니다 먼저 두 집단에서 측정이 같은 의미인지(측정동일성)를 확인한 뒤, 경로를 같게 둔 모형과 자유롭게 둔 모형을 비교합니다. 집단 변수(고용형태)는 조절변수처럼 작동하지만 범주로 나누어 분석합니다.

모형 2. 측정동일성 검증 모형 (측정모형의 다집단 분석)

연구문제 예 조직몰입 척도의 문항이 정규직과 비정규직에서 같은 의미로 쓰이는가?

잠재변수 (요인)

그림 속 숫자는 이해를 돕기 위한 예시 값입니다. * p < .05 · ** p < .01 · *** p < .001 · n.s. = 유의하지 않음(점선 경로). 실선 경로는 유의한 경로입니다.

가설

H1: 두 집단에서 같은 문항이 같은 요인에 부하될 것이다(형태동일성).
H2: 요인부하량이 두 집단에서 같을 것이다(측정단위동일성).
H3: 문항 절편이 두 집단에서 같을 것이다(절편동일성).

예시 분석 결과 읽기

H1 지지: 두 집단 모두에서 같은 구조의 CFA가 적합합니다(예: CFI ≥ .95).
H2 지지: 부하량을 같게 제약해도 적합도가 거의 나빠지지 않습니다(ΔCFI = −.004, 기준 −.010 이내).
H3 지지: 절편을 같게 제약해도 ΔCFI = −.007로 기준 이내입니다. 이 경우에 한해 두 집단의 잠재평균을 비교할 수 있습니다.

이렇게 읽습니다 집단 간 경로나 평균을 비교하기 전에 반드시 필요한 단계입니다. 동일성이 확보되지 않으면 집단 점수 차이가 실제 차이인지 문항 해석 차이인지 구분할 수 없습니다.

변수, 가설, 계수는 이해를 돕기 위해 교육·HRD 맥락으로 만든 학습용 예시이며 실제 연구 결과가 아닙니다. 특정 논문의 모형을 옮긴 것은 아닙니다. 이 방법을 실제로 쓴 논문의 예: Teo, T., Lee, C. B., Chai, C. S., & Wong, S. L. (2009).

04 · 제시하고 싶은 결과

분석 후 무엇을 보여 줄 수 있나요?

두 집단에서 설문 문항이 비슷한 의미로 쓰였는지와 개념 사이 관계를 비교합니다.
집단별 경로와 경로 차이 검정: 같은 관계가 얼마나 다르게 나타나는가
목적에 맞는 동일성이 확보되면 잠재평균 비교

유의한 결과나 높은 적합도를 얻는 것 자체가 연구의 목적은 아닙니다. 결과가 연구문제에 어떤 답을 주는지, 무엇이 아직 불확실한지 함께 설명해야 합니다.

결과는 이렇게 제시합니다 (예시)

결과 그림 1. 측정동일성 검정 표

형태 → 측정단위 → 절편 순으로 제약을 추가하며 적합도 변화(ΔCFI)로 동일성을 판단합니다.

이렇게 읽습니다 ΔCFI가 −.010 이내(그리고 ΔRMSEA ≤ .015)이면 동일성을 기각하지 않습니다. 여기서는 모든 단계가 기준 이내이므로 절편동일성까지 확보되어 집단 평균 비교도 가능합니다.

결과 그림 2. 경로계수의 집단 비교

두 집단의 경로계수를 나란히 놓고 같게 제약한 모형과 비교한 결과를 제시합니다.

이렇게 읽습니다 막대 높이가 다르고 Δχ²가 유의하면 그 경로의 집단 차이가 있다는 뜻입니다. 직무자원 → 일의 의미(a) 경로는 정규직이 더 강하고(.48 vs .22, Δχ²(1) = 7.2**), 일의 의미 → 조직몰입(b)은 차이가 없습니다.

그림의 값은 이해를 돕기 위해 만든 예시이며 실제 연구 결과가 아닙니다.

05 · 궁극적으로 밝힐 것

내가 끝까지 답하고 싶은 질문과 맞나요?

“같은 설명이 서로 다른 집단에도 성립하는지, 어느 관계가 다른지 밝히고 싶다.”

이 질문에 답하는 분석 구조

같은 측정·구조 모형을 두 개 이상의 집단에 적용해, 먼저 측정동일성을 확인한 뒤 경로계수를 같게 둔 모형과 자유롭게 둔 모형을 비교합니다.

왜 하나요? ‘이 모형이 집단마다 같은가’를 알고 싶을 때. 이미 정해진 집단(정규직/비정규직 등)의 관계 차이가 측정 때문인지 실제 차이인지 검증하기 위해 합니다.

알고 싶은 내용이 다르다면, 아래 방법은 이렇게 다른 질문에 답합니다

조절효과 (Moderation, 이중조절 포함): 분석 구조 Y = b0 + b1X + b2W + b3(X×W)처럼 X와 조절변수 W의 곱(상호작용) 항을 넣고, W 수준별로 X→Y 기울기가 달라지는지 봅니다.이럴 때 선택 ‘X와 Y의 관계가 어떤 조건(집단·상황)에서 더 강하거나 약해지는가’를 알고 싶을 때. 평균적인 관계 뒤에 숨은 조건별 차이를 드러내기 위해 합니다.
구조방정식모형 (Structural Equation Modeling, SEM): 분석 구조 여러 문항으로 잰 잠재변수를 측정모형(요인분석)으로 나타내고, 그 잠재변수들 사이의 구조 경로를 한 번에 추정해 모형 전체 적합도를 평가합니다.이럴 때 선택 ‘직접 잴 수 없는 개념들이 서로 어떻게 연결되는가’를 알고 싶을 때. 측정오차를 반영해 개념 간 관계를 추정하고 이론 모형 전체가 자료와 맞는지 보려고 합니다.
잠재프로파일분석 (Latent Profile Analysis, LPA): 분석 구조 여러 연속형 지표의 점수 조합을 바탕으로 사람들을 숨은 유형(잠재집단)으로 나누고, 유형 수별 모형을 비교해 가장 적절한 유형 수와 유형별 평균 프로파일을 찾습니다.이럴 때 선택 ‘사람마다 점수의 조합이 다른 하위 집단이 있는가’를 알고 싶을 때. 평균으로 가려지는 서로 다른 사람 유형을 발견하기 위해 합니다.

06 · 분석 순서

분석은 어떤 순서로 진행하나요?

사용 도구 AMOS·Mplus·R lavaan(semTools) 등 SEM 프로그램 기준.

기준의 출처 Cheung·Rensvold(2002), Chen(2007), Vandenberg·Lance(2000), Byrne 외(1989), Steenkamp·Baumgartner(1998), Putnick·Bornstein(2016), Kline(2016).

비교할 집단과 비교 모수 정하기
어떻게 하나요
집단 변수(정규직/비정규직, 성별 등)와 비교하려는 대상(측정모형, 경로계수, 잠재평균)을 이론으로 정합니다.
확인할 값과 해석 기준
집단 구분이 이미 알려진 범주여야 하며(숨은 집단을 찾는 것은 LPA·LCA), 집단 내 표본이 충분해야 합니다(집단당 대략 100~200명 이상).
왜 하고, 무엇을 알 수 있나요
‘이 모형이 집단마다 같은가’라는 질문을 구체적인 통계 검정으로 옮깁니다.
연구설계와 표본 크기(검정력) 계획
어떻게 하나요
자료를 모으기 전에 분석 모형, 넣을 변수 수, 기대하는 효과 크기를 정해 필요한 표본 수를 계산합니다. G*Power(F 검정, 선형 다중회귀 등)나 해당 방법의 시뮬레이션 지침을 사용합니다. 집단별로 같은 모형을 적합하므로 가장 작은 집단을 기준으로 계산합니다.
확인할 값과 해석 기준
보통 유의수준 α = .05, 검정력 .80 이상으로 잡습니다. 효과 크기는 Cohen(1988)의 참고치(회귀 f² = .02 작음·.15 중간·.35 큼, 상관 r = .10·.30·.50, 평균차 d = .20·.50·.80)나 선행연구에서 가져옵니다. 기대하는 효과가 작을수록 표본이 많이 필요합니다. 집단 크기가 크게 다르면 동일성 검정 결과가 가장 큰 집단에 좌우될 수 있으므로 균형을 고려합니다.
왜 하고, 무엇을 알 수 있나요
표본이 충분한지는 자료를 모으기 전에 따져 봐야 합니다. 표본이 부족하면 실제 효과가 있어도 유의하지 않게 나올 수 있고(제2종 오류), 나중에 표본 수를 끼워 맞추면 결과를 믿기 어렵습니다.
변수 정의, 척도 점수 계산, 역채점·더미 코딩
어떻게 하나요
SPSS [변환 > 변수 계산]·[다시 코딩]으로 역문항을 뒤집고(예: 5점 척도에서 6 − 응답), 하위 개념별 문항 평균(또는 합계) 점수를 만듭니다. 범주형 변수(성별, 직급 등)는 0/1 더미변수로 바꾸고 기준 집단을 정합니다. 변수 이름·값 설명을 코드북으로 정리합니다.
확인할 값과 해석 기준
역채점 후 같은 개념의 문항끼리 양의 상관인지 확인합니다. 범주가 k개이면 더미변수는 k−1개를 만들며, 기준 집단은 표본이 충분하고 의미 있는 집단으로 정합니다. 문항 평균을 쓸 때는 결측 문항 허용 기준(예: 한 척도에서 문항의 80% 이상 응답)을 미리 정합니다.
왜 하고, 무엇을 알 수 있나요
점수가 높을수록 무엇을 뜻하는지가 분명해집니다. 역채점을 빠뜨리면 상관과 신뢰도가 크게 왜곡되니 꼭 확인하세요.
결측치 확인과 처리
어떻게 하나요
[분석 > 결측값 분석]이나 빈도분석으로 변수별·사례별 결측 비율과 패턴을 확인하고, Little의 MCAR 검정으로 결측이 무작위인지 봅니다.
확인할 값과 해석 기준
변수별 결측이 5% 이하면 영향이 작다고 보는 관행이 있습니다. MCAR이 기각되지 않으면(p > .05) 목록별 삭제도 가능하지만 표본이 줄어듭니다. 결측이 많거나 무작위가 아닐 때는 다중대체(MI)나 완전정보 최대우도(FIML)를 사용합니다. 평균 대체는 분산을 줄여 권하지 않습니다. 결측 처리 방법과 최종 분석 표본 수를 보고합니다.
왜 하고, 무엇을 알 수 있나요
몇 명의 자료가 실제 분석에 쓰이는지, 결측 때문에 결과가 치우칠 위험은 없는지 가늠합니다.
이상값(극단값) 점검
어떻게 하나요
변수별 상자그림과 표준화 점수(z)로 단변량 이상값을, [분석 > 회귀분석 > 선형 > 저장]의 Mahalanobis 거리로 다변량 이상값을 확인합니다.
확인할 값과 해석 기준
|z| > 3.29(양측 p < .001)이면 단변량 이상값으로 봅니다(작은 표본에서는 |z| > 3 사용도 흔함). Mahalanobis 거리는 투입 변수 수를 자유도로 한 χ² 분포에서 p < .001이면 다변량 이상값 후보입니다. 입력 오류면 바로잡으면 됩니다. 실제 응답이면 지우지 말고 포함했을 때와 제외했을 때의 결과를 비교해 보고합니다.
왜 하고, 무엇을 알 수 있나요
극단적인 응답 몇 개가 평균, 상관, 회귀계수를 흔들고 있는지 봅니다.
기술통계와 분포(정규성) 확인
어떻게 하나요
[분석 > 기술통계량 > 탐색]으로 평균, 표준편차, 왜도, 첨도, 히스토그램, Q-Q 도표, Shapiro–Wilk 검정을 출력합니다.
확인할 값과 해석 기준
왜도 절댓값 2·첨도 절댓값 7 이내(West et al., 1995) 또는 왜도 3·첨도 10 이내(Kline)를 정규성에 큰 문제가 없는 참고치로 씁니다. 표본이 크면 Shapiro–Wilk가 사소한 이탈에도 유의해지므로 검정 하나로 판단하지 않고 도표와 함께 봅니다. 회귀·매개·조절에서 가정하는 것은 변수가 아니라 잔차의 정규성입니다(뒤 단계에서 확인).
왜 하고, 무엇을 알 수 있나요
각 변수의 중심, 퍼짐, 치우침과 척도의 천장·바닥효과가 보입니다. 변환이나 강건한 방법이 필요한지도 여기서 판단합니다.
척도 신뢰도 확인 (Cronbach α)
어떻게 하나요
[분석 > 척도 > 신뢰도 분석]에서 모형 ‘알파’, 통계량 ‘항목 삭제 시 척도’·‘항목-전체’를 선택해 하위 개념마다 실행합니다. 가능하면 McDonald ω도 함께 구합니다.
확인할 값과 해석 기준
α .70 이상 수용, .80 이상 양호가 일반적 기준입니다(Nunnally). .95를 넘으면 문항이 중복됐을 수 있습니다. 수정된 항목-전체 상관이 .30 미만이거나 삭제 시 α가 눈에 띄게 오르는 문항은 내용을 검토한 뒤 판단합니다. 문항 수가 적으면 α가 낮아질 수 있어 문항 간 평균 상관(.15~.50)도 참고합니다. 이미 타당화된 척도라도 이번 표본에서 다시 계산해 보고합니다.
왜 하고, 무엇을 알 수 있나요
같은 개념을 재는 문항에 사람들이 일관되게 답했는지(내적 일관성)를 봅니다. 신뢰도는 타당도의 필요조건일 뿐 충분조건은 아닙니다.
집단별 기초통계와 집단별 신뢰도
어떻게 하나요
집단 변수로 나누어(분석 > 데이터 분할) 문항별 평균·표준편차·분포와 α를 비교합니다.
확인할 값과 해석 기준
집단마다 분포나 신뢰도가 크게 다르면(예: 한 집단에서 α < .70) 같은 척도를 비교하기 어렵습니다.
왜 하고, 무엇을 알 수 있나요
집단을 비교할 수 있는 자료인지 먼저 따져 봅니다.
집단별 개별 확인적 요인분석(CFA)
어떻게 하나요
같은 측정모형을 집단마다 따로 적합합니다.
확인할 값과 해석 기준
집단 각각에서 적합도(CFI·TLI ≥ .90, RMSEA ≤ .08, SRMR ≤ .08)와 요인부하량(.50 이상)이 수용 가능해야 합니다. 한 집단에서 모형이 맞지 않으면 동일성 검정으로 진행하지 않고 원인을 해결합니다.
왜 하고, 무엇을 알 수 있나요
각 집단에서 같은 구조가 성립하는지 봅니다.
측정동일성 1단계: 형태동일성(configural)
어떻게 하나요
모든 모수를 집단별로 자유롭게 두되 같은 문항–요인 구조를 가진 다집단 CFA를 적합합니다.
확인할 값과 해석 기준
적합도가 수용 가능하면 두 집단이 같은 요인 구조(같은 문항이 같은 요인에 부하)를 가진다고 봅니다. 이 모형은 이후 비교의 기준 모형입니다.
왜 하고, 무엇을 알 수 있나요
집단들이 같은 개념 구조를 쓰고 있는지 봅니다.
측정동일성 2단계: 측정단위동일성(metric)
어떻게 하나요
모든 요인부하량을 집단 간 같게 제약한 모형을 형태동일성 모형과 비교합니다.
확인할 값과 해석 기준
ΔCFI가 −.010 이하로 나빠지지 않고(Cheung & Rensvold, 2002), ΔRMSEA ≤ .015, ΔSRMR ≤ .030(Chen, 2007; 집단 크기가 비슷하고 N > 300일 때의 참고치)이면 동일성을 기각하지 않습니다. Δχ² 검정은 표본이 크면 지나치게 민감해 보조로 씁니다.
왜 하고, 무엇을 알 수 있나요
집단들이 문항을 같은 강도로 해당 개념과 연결하는지 봅니다. 이 조건을 갖추면 집단 간 경로계수, 분산, 공분산을 비교할 수 있습니다.
측정동일성 3단계: 절편동일성(scalar)
어떻게 하나요
문항 절편(평균 구조)까지 같게 제약한 모형을 측정단위동일성 모형과 비교합니다.
확인할 값과 해석 기준
ΔCFI ≤ −.010, ΔRMSEA ≤ .015, ΔSRMR ≤ .015(절편)입니다. 절편동일성이 확보되어야 잠재평균(집단 평균 점수)을 의미 있게 비교할 수 있습니다. 필요하면 엄격동일성(오차분산 동일)도 검토하지만 평균 비교에는 필수가 아닙니다.
왜 하고, 무엇을 알 수 있나요
평균 차이가 실제 차이인지 문항을 다르게 해석한 탓인지 가립니다.
부분동일성(partial invariance) 검토
어떻게 하나요
동일성이 기각되면 수정지수와 이론을 근거로 일부 문항의 부하량·절편만 자유롭게 풉니다.
확인할 값과 해석 기준
풀어 준 문항은 소수여야 하고(요인당 최소 2개 이상의 문항이 동일해야 한다는 기준이 널리 인용됨) 풀어 준 이유를 설명할 수 있어야 합니다. 한꺼번에 풀지 않고 한 번에 하나씩 풀어 개선되는지 봅니다.
왜 하고, 무엇을 알 수 있나요
비교할 수 있는 문항과 집단마다 다르게 작동하는 문항(DIF)을 가립니다.
구조 경로·잠재평균의 집단 비교
어떻게 하나요
경로를 모든 집단에서 같게 둔 모형과 자유롭게 둔 모형을 Δχ²(또는 Wald 검정)로 비교하고, 유의하면 경로를 하나씩 순차 제약해 어떤 경로가 다른지 찾습니다. 절편동일성이 확보되면 한 집단의 잠재평균을 0으로 고정해 다른 집단과 비교합니다.
확인할 값과 해석 기준
Δχ² p < .05이면 해당 경로가 집단 간에 다르다고 봅니다. 여러 번 비교하므로 다중비교 보정(Bonferroni 등)을 고려합니다. 집단별 표준화 계수와 신뢰구간을 함께 제시합니다.
왜 하고, 무엇을 알 수 있나요
‘이 관계가 어느 집단에서 더 강하거나 약한가’에 답합니다.
결과 정리와 보고
어떻게 하나요
평균·표준편차·신뢰도·상관 표, 모형 계수·신뢰구간·효과 크기 표와 그림을 만듭니다. 소프트웨어와 버전, 옵션, 표본 수, 결측·이상값 처리, 가정 점검 결과도 빠짐없이 적습니다. 동일성 단계별 적합도표(Δ지수 포함)와 집단별 경로 그림을 제시합니다.
확인할 값과 해석 기준
APA 보고 지침(JARS)을 따라 정확한 p값(p < .001은 이렇게 표기), 효과 크기, 신뢰구간을 함께 제시합니다. 설문처럼 한 시점의 자료는 ‘관련된다’까지만 말하고 인과를 단정하지 않으며, 표집 방법·표본 특성·측정의 한계를 적습니다.
왜 하고, 무엇을 알 수 있나요
독자가 결과를 재현해 보고 한계를 스스로 판단할 수 있게 합니다.

방법 선택을 위한 안내입니다. 실제 실행에서는 해당 방법의 원문과 교과서, 소프트웨어 문서를 함께 확인하세요.

07 · 사례

사례를 통해 내 연구에 어떻게 적용할지 살펴보세요

학습용 연구설계 사례입니다. 실제 논문의 연구 결과나 수집된 자료를 재현한 것이 아닙니다. 분석 방법의 근거는 아래 추천 문헌에서 확인할 수 있습니다.

사례 1 · HRD · 조직몰입

고용형태별 경력개발과 몰입

연구목적

경력개발지원과 정서적 몰입의 관계가 정규직·비정규직 사이에서 다른지 확인합니다.

알고 싶은 것

동일한 척도로 측정된 지원 → 몰입 경로는 고용형태별로 차이가 있는가?

사용할 자료

고용형태
경력개발지원·몰입 문항
관련 통제변수

방법을 적용하는 방식

측정동일성을 검토하고 집단 간 구조경로 차이를 직접 검정합니다.

제시할 결과

고용형태별 측정동일성 검토표
지원 → 몰입 경로와 그 차이를 직접 검정한 결과를 제시합니다

이 사례에서 밝힐 수 있는 것

알려진 집단을 비교합니다. 잠재집단을 새로 발견하는 분석과 목적이 다릅니다.

사례 2 · 학습분석

교수자 피드백 모형의 강좌조건 비교

연구목적

대면·온라인 조건에서 피드백 인식과 참여의 연결이 같은지 봅니다.

알고 싶은 것

피드백과 참여 척도가 같은 의미로 작동하며 그 경로도 같은가?

사용할 자료

강좌조건
피드백·참여 문항
사전성취
여러 강좌라면 강좌 군집 구조

방법을 적용하는 방식

측정동일성 검토 후 조건 간 경로 차이를 검정합니다. 조건이 강좌와 완전히 겹치면 강좌 효과와 조건 효과를 구별하는 설계를 보완합니다.

제시할 결과

대면·온라인 조건의 측정동일성과 피드백 → 참여 경로 비교표
강좌 군집 처리와 비교 한계를 제시합니다

이 사례에서 밝힐 수 있는 것

평균 비교보다 측정의 비교 가능성과 모형 차이가 초점입니다.

08 · 해석 범위

이 결과로 어디까지 말할 수 있을까요?

집단 A에서는 유의, B에서는 비유의라는 결과만으로 경로 차이를 주장하지 않습니다.
척도의 의미가 집단마다 다르면 평균·경로 비교가 왜곡될 수 있습니다.
연속형 변수를 중위수로 잘라 집단을 만들면 정보가 줄고 해석이 달라질 수 있습니다.

09 · 나의 연구에 대입하기

이 방법의 선택 조건을 스스로 확인해 보세요

자신의 연구목적과 자료를 떠올리며 답해 보세요. 세 조건이 모두 맞더라도 실제 연구를 시작하기 전에는 표집·측정·윤리·분석 가정을 구체적으로 검토해야 합니다.

함께 비교하면 좋은 방법

이 방법을 이해하는 추천 연구논문

아래 논문에서 방법의 논리와 실제 연구에 적용하는 방식을 확인할 수 있습니다. 읽을 초점을 따라 연구목적·자료·결과를 비교해 보세요.

방법 설명SSCI
Cheung, G. W., & Rensvold, R. B. (2002). Evaluating Goodness-of-Fit Indexes for Testing Measurement Invariance. Structural Equation Modeling: A Multidisciplinary Journal, 9(2), 233-255.
읽을 초점 측정동일성을 평가할 때 여러 적합도 지수를 활용하는 논리를 살펴보세요.
DOI: 10.1207/s15328007sem0902_5 · ISSN: 1070-5511 / 1532-8007
교수님 Research listKCI
주재홍, 최예린, 배재현, 송지훈 (2023). 만화경 경력태도와 경력개발 전략: 경력 정체성의 매개효과와 고용형태에 따른 다집단 분석. 기업교육과 인재연구, 25(4), 83-120. https://doi.org/10.46260/kslp.25.4.4
읽을 초점 연구실의 관련 연구가 이 방법을 어떤 목적으로 사용했는지 읽어 보세요. 제목과 서지에서 방법과의 관련성을 확인한 논문이며, 구체적인 표집·분석 절차·결과는 원문에서 확인해야 합니다.
논문 찾아보기 ↗ · 교수님 목록 확인
적용 논문KCI
Han, T., & Choi, D. (2022). The Effect of Intergenerational Harmony on Voice Behavior: Mediation Effects of Psychological Safety and Perspective taking tested by multigroup analysis. 한국심리학회지: 산업 및 조직, 35(4), 701-725.
읽을 초점 이 방법을 어떤 연구문제와 자료에 적용했고, 결과를 어떻게 보고했는지 읽어 보세요. 제목이나 초록에서 방법을 확인한 논문을 골랐으며, 구체적인 절차와 결과는 원문에서 확인해야 합니다.
DOI: 10.24230/kjiop.v35i4.701-725 · Crossref 인용 수 0회 (2026-11-02 확인)
적용 논문SSCI
Teo, T., Lee, C. B., Chai, C. S., & Wong, S. L. (2009). Assessing the intention to use technology among pre-service teachers in Singapore and Malaysia: A multigroup invariance analysis of the Technology Acceptance Model (TAM). Computers & Education, 53(3), 1000-1009.
읽을 초점 이 방법을 어떤 연구문제와 자료에 적용했고, 결과를 어떻게 보고했는지 읽어 보세요. 제목이나 초록에서 방법을 확인한 논문을 골랐으며, 구체적인 절차와 결과는 원문에서 확인해야 합니다.
DOI: 10.1016/j.compedu.2009.05.017 · Crossref 인용 수 275회 (2026-11-02 확인)

확인일 2026-11-02 · ‘방법 설명’ 논문의 SSCI 표시는 확보한 학술지 목록의 ISSN 대조 결과입니다. 다만 일부 문헌은 이 목록으로 대조하지 못했으니 Clarivate Master Journal List에서 다시 확인해 주세요. 표시는 현재나 출판 당시의 등재를 보증하지 않습니다. ‘적용 논문’은 Crossref 서지로 확인했고, SSCI·KCI 표시는 학술지 기준이며 목록과 전수 대조하지 않았습니다.

← 연구 고민 다시 살펴보기 나의 연구 발전시키기(실습) →

1. 질문과 핵심 개념

2. 설계와 절차

3. 분석과 결과

4. 해석과 보고

언제, 어떤 목적으로 선택하나요?

이 방법으로 답하는 연구 목적

대표 연구 질문

필요한 변수·자료의 형태

분석에서는 무엇을 하나요?

결과를 어떻게 해석하나요?

이런 상황이면 이 분석을 고려하세요

1. 분석 전에 알고 있는 집단

2. 비교할 평균이나 경로를 지정

3. 척도 의미의 비교 가능성

4. 집단 차이의 직접 검정

어떤 질문이면 다른 방법을 비교해야 하나요?

어떤 자료와 변수로, 어떤 구조를 분석하나요?

분석 구조 한눈에 보기

식으로 보면

필요한 변수와 역할

분석용 자료 파일은 이렇게 만듭니다

자료 파일을 만들 때 지킬 규칙

분석 프로그램에서 이렇게 설정합니다

자료 조건과 주의점

이런 연구모형으로 분석합니다

모형 1. 경로계수 집단 비교 모형 (구조모형의 다집단 분석)

가설

예시 분석 결과 읽기

모형 2. 측정동일성 검증 모형 (측정모형의 다집단 분석)

가설

예시 분석 결과 읽기

분석 후 무엇을 보여 줄 수 있나요?

결과는 이렇게 제시합니다 (예시)

결과 그림 1. 측정동일성 검정 표

결과 그림 2. 경로계수의 집단 비교

내가 끝까지 답하고 싶은 질문과 맞나요?

이 질문에 답하는 분석 구조

알고 싶은 내용이 다르다면, 아래 방법은 이렇게 다른 질문에 답합니다

분석은 어떤 순서로 진행하나요?

비교할 집단과 비교 모수 정하기

연구설계와 표본 크기(검정력) 계획

변수 정의, 척도 점수 계산, 역채점·더미 코딩

결측치 확인과 처리

이상값(극단값) 점검

기술통계와 분포(정규성) 확인

척도 신뢰도 확인 (Cronbach α)

집단별 기초통계와 집단별 신뢰도

집단별 개별 확인적 요인분석(CFA)

측정동일성 1단계: 형태동일성(configural)

측정동일성 2단계: 측정단위동일성(metric)

측정동일성 3단계: 절편동일성(scalar)

부분동일성(partial invariance) 검토

구조 경로·잠재평균의 집단 비교

결과 정리와 보고

사례를 통해 내 연구에 어떻게 적용할지 살펴보세요

고용형태별 경력개발과 몰입

교수자 피드백 모형의 강좌조건 비교

이 결과로 어디까지 말할 수 있을까요?

이 방법의 선택 조건을 스스로 확인해 보세요

함께 비교하면 좋은 방법

이 방법을 이해하는 추천 연구논문