구조방정식모형 (Structural Equation Modeling, SEM)

언제 쓰나요?

여러 설문 문항으로 측정한 잠재개념들이 어떻게 연결되는지, 측정과 개념 사이의 관계를 한 모형에서 검토할 때 사용합니다.
외생변수는 구조모형 안에서 다른 변수로부터 화살표를 받지 않는 출발 변수이고, 내생변수는 하나 이상의 화살표를 받는 변수입니다. 이 구분은 관측변수·잠재변수 구분과 별개입니다.
먼저 문항이 각 잠재개념을 잘 나타내는지 측정모형을 확인하고, 외생변수에서 내생변수로 이어지는 경로를 구조모형으로 추정합니다.
요인부하량·경로계수·신뢰구간과 모형 적합도를 함께 보고합니다. 문항의 측정오차를 반영할 수 있지만 적합도가 높다고 화살표의 인과 방향이 입증되지는 않습니다.

예를 들면

학습조직문화는 외생변수, 심리적 안전감·지식공유·조직몰입은 내생변수로 두고 각 개념을 여러 문항으로 측정합니다.
심리적 안전감은 학습조직문화의 결과이면서 지식공유를 설명하는 변수입니다. 지식공유도 앞선 경로의 결과이자 몰입의 설명변수가 됩니다.
문항들이 네 개념을 구별해 측정하는지 확인한 뒤, 학습조직문화→안전감→지식공유→몰입 경로의 계수·간접효과·모형 적합도를 제시합니다.

선택할 때 확인할 점

잠재변수는 몰입처럼 직접 눈으로 볼 수 없어 여러 문항으로 측정하는 개념입니다.
측정의 문제와 관계의 문제를 함께 다룹니다.

구조방정식모형 (Structural Equation Modeling, SEM)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

잠재변수와 관측지표: 잠재변수는 직접 관찰하기 어려운 개념이고, 지표는 설문 문항이나 행동 기록처럼 이를 관찰하는 자료입니다. 잠재변수와 지표의 대응은 이론·측정 근거로 정합니다.
외생변수와 내생변수: 외생변수는 구조모형에서 다른 변수로부터 한 방향 화살표를 받지 않는 출발 변수이고, 내생변수는 다른 변수의 화살표를 받는 변수입니다. 같은 변수도 설정한 모형에 따라 역할이 달라질 수 있습니다. 외생·내생은 경로에서의 역할이고, 관측·잠재는 측정 방식의 구분입니다.
측정모형과 구조모형: 측정모형은 잠재개념과 지표의 관계를, 구조모형은 개념들 사이의 가정된 경로를 나타냅니다. 일반적으로 측정 근거를 평가한 뒤 이론적 경로를 검토합니다.

2. 설계와 절차

확인적 요인분석(CFA): 사전에 정한 요인·문항 구조가 자료와 얼마나 부합하는지 검토합니다. 탐색적으로 만든 구조를 같은 자료에서 확인했다면 독립 자료에서 재검증하는 것이 바람직합니다.
모형 식별: 자료가 모형의 미지 모수를 추정하기에 충분한 정보를 제공하는 상태입니다. 자유모수 수, 척도 설정, 제약을 확인하며 식별되지 않는 모형은 추정·해석할 수 없습니다.

3. 분석과 결과

요인부하량과 오차: 요인부하량은 지표와 잠재요인의 연결 정도를 나타냅니다. 측정오차는 지표값에 포함된 개념 외 변동이며, 모형과 문항 내용에 따라 평가합니다.
수렴·판별 타당도: 수렴 근거는 같은 개념을 나타내는 지표들이 함께 움직이는지, 판별 근거는 다른 개념이 경험적으로 구별되는지 살핍니다. 하나의 적합도 지수만으로 타당도가 확정되지는 않습니다.
모형 적합도 지수: χ², CFI/TLI, RMSEA, SRMR 등은 모형과 자료의 불일치를 서로 다른 관점에서 요약합니다. 지수별 가정·민감도가 다르므로 하나의 절단값만으로 합격·불합격을 정하지 않습니다.
모수 추정과 표준오차: 경로계수와 표준오차·신뢰구간은 가정한 모형에서 관계의 크기와 불확실성을 나타냅니다. 추정법은 표본 크기·분포·자료 척도에 맞게 선택하고 보고합니다.

4. 해석과 보고

구조경로와 대안모형: 구조경로는 이론에서 제안한 조건부 관계입니다. 적합한 모형이 하나라는 사실은 대안적 인과모형이 틀렸음을 뜻하지 않으므로 이론과 설계를 바탕으로 비교합니다.
수정지수와 사후 수정: 수정지수는 특정 제약을 풀 때 적합도가 얼마나 변할지 알려 주는 진단 정보입니다. 표본에 맞추려고 이론적 근거 없이 오차공분산·경로를 추가하면 재현성이 낮아질 수 있습니다.
잠재점수와 측정오차: SEM은 측정오차를 모형화할 수 있지만 지표가 개념을 잘 대표하는지 대신 보장하지 않습니다. 요인점수를 개인의 오차 없는 실제 특성으로 취급하지 않도록 주의합니다.

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

01 · 목적

언제, 어떤 목적으로 선택하나요?

학습조직, 심리적 안전감, 몰입을 각각 여러 문항으로 측정하고 그 관계를 함께 검토하려는 연구에 잘 맞습니다. 문항이 개념을 제대로 반영하는지와 개념 사이의 이론적 경로를 함께 확인할 수 있습니다.

이 방법으로 답하는 연구 목적

학습조직, 심리적 안전감, 지식공유, 조직몰입의 관계를 이론으로 연결하면서 각 개념을 제대로 측정했는지도 함께 검증할 때 씁니다.

대표 연구 질문

여러 설문 문항으로 측정한 개념들이 서로 어떻게 연결되는가?

필요한 변수·자료의 형태

잠재변수는 직접 하나의 값으로 관측되지 않는 개념이고, 설문 문항·행동 지표 등 여러 관측변수로 측정합니다. 예: 심리적 안전감 문항 4개와 조직몰입 문항 5개.
외생변수는 구조모형 안에서 다른 변수의 화살표를 받지 않는 출발 변수이고, 내생변수는 하나 이상의 화살표를 받는 변수입니다. 잠재/관측 구분과 외생/내생 구분은 서로 다른 기준입니다.
표본별 응답행렬과 문항 척도, 결측, 군집·반복 구조가 필요합니다. 연속형·순서형 문항에 알맞은 추정법과 표본의 모형 복잡도를 검토합니다.

분석에서는 무엇을 하나요?

먼저 확인적 요인분석으로 문항이 의도한 잠재개념에 연결되는지, 요인부하량과 측정오차가 타당한지 측정모형을 평가합니다.
측정모형을 검토한 뒤 구조모형에서 외생 잠재변수와 내생 잠재변수 사이의 직접·간접 경로를 추정합니다. 매개가 질문이면 간접효과 구간도 산출합니다.
모형 식별과 추정법을 확인하고 χ², CFI/TLI, RMSEA, SRMR 등 여러 적합도 지수와 잔차·대안모형을 함께 검토합니다. 수정지수만 보고 경로를 추가하지 않습니다.

결과를 어떻게 해석하나요?

측정모형의 요인부하량·신뢰도 근거와 구조모형의 경로계수·신뢰구간·간접효과를 구분해 보고합니다. 외생·내생 잠재변수를 그림에서 알아볼 수 있게 표시합니다.
적합도 지수는 지정한 모형과 자료가 어느 정도 부합하는지 보여 주는 진단값입니다. 하나의 기준을 통과하거나 적합도가 높다고 이론이 참이거나 인과 방향이 증명되지는 않습니다.
자료·표본·문항 척도와 추정법, 모형 수정의 이론적 이유를 보고합니다. 수정한 모형은 가능하면 새로운 표본에서 재검증합니다.

이런 상황이면 이 분석을 고려하세요

1. 문항 너머의 개념을 연구

학습조직·심리적 안전감·몰입처럼 여러 문항으로 측정한 개념이 실제로 서로 구별되는지 확인하면서 개념 간 관계를 연구하려는 경우입니다.

2. 측정오차를 모형에 반영

합산점수를 오차 없이 측정된 값으로 간주하기보다, 문항이 개념을 얼마나 반영하는지 측정모형으로 검토합니다. 이를 위해 개념 정의와 문항 수준 자료가 필요합니다.

3. 여러 관계를 하나의 구조로 검토

학습조직→안전감→지식공유→몰입 같은 구조와 대안적 설명을 비교하고 싶을 때 유용합니다. 모형의 식별, 문항 척도에 맞는 추정법, 모수와 표본계획을 갖춰야 합니다.

4. 측정과 관계를 함께 보고

어떤 개념이 어떻게 측정되고 어떻게 연결되는지를 함께 보고합니다. 적합도가 좋다는 사실만으로 화살표의 방향이나 인과 설명이 참이라고 결론짓지는 않습니다.

어떤 질문이면 다른 방법을 비교해야 하나요?

다중회귀분석 (Multiple Regression): 하나의 관측 결과 점수와 여러 설명요인의 관계가 핵심이고 잠재개념의 측정모형을 다룰 필요가 없다면 다중회귀부터 검토할 수 있습니다.
측정도구 개발 (Scale Development and Validation): 개념을 측정할 믿을 만한 문항 자체가 아직 없다면 측정도구개발이 선행 과제가 될 수 있습니다. 구조경로 분석보다 무엇을 측정하는지 먼저 정해야 합니다.

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?

직접 측정할 수 없는 개념(잠재변수)을 여러 문항으로 측정하는 ‘측정모형’과, 잠재변수 사이의 관계를 나타내는 ‘구조모형’을 한 번에 추정하고 모형 전체가 자료와 맞는지 평가하는 구조입니다.

분석 구조 한눈에 보기

[측정모형] 잠재변수 ──→ 문항들 (예: 안전감 → saf1, saf2, saf3, saf4)
[구조모형] 학습조직문화 ──→ 심리적 안전감 ──→ 지식공유 ──→ 몰입
                  └───────────────────────→ 몰입 (직접경로)
타원=잠재변수, 사각형=문항, 단방향 화살표=영향, 양방향=상관

식으로 보면

측정모형: 문항 = 절편 + 부하량 × 잠재변수 + 오차 (예: saf1 = λ1·안전감 + e1)
구조모형: 안전감 = γ·학습조직문화 + 오차(d1), 몰입 = β1·안전감 + β2·지식공유 + γ2·학습조직문화 + 오차(d3)

필요한 변수와 역할

역할	무엇인가요	예시	형태
외생 잠재변수	모형 안에서 다른 잠재변수의 영향을 받지 않는 개념	학습조직문화	문항 3개 이상, 연속형·순서형
내생 잠재변수	다른 잠재변수의 영향을 받는 개념	안전감, 지식공유, 몰입	문항 3개 이상
관측변수(문항)	실제 측정한 설문 문항	lo1~lo5, saf1~saf4	5점 이상 리커트 또는 범주형
오차	문항·잠재변수가 설명하지 못한 부분	e1~e18, d1~d3	프로그램이 자동 추정

분석용 자료 파일은 이렇게 만듭니다

ID	lo1	lo2	saf1	saf2	ks1	ks2	eng1	eng2
A01	4	5	4	4	3	4	5	4
A02	2	3	3	2	3	3	3	3
A03	5	4	5	4	4	5	5	5

예시 값입니다(실제 자료가 아님). 한 행은 한 사람의 응답입니다.

자료 파일을 만들 때 지킬 규칙

분석 파일은 합산 점수가 아니라 문항 수준 자료(문항별 열)여야 합니다. 개념마다 문항을 접두어(lo1, lo2, … / saf1, …)로 이름 붙입니다.
역채점 문항은 먼저 뒤집고, 같은 방향(점수가 높을수록 그 개념이 높음)으로 맞춥니다.
한 행에 한 사람, ID 열을 두고 무응답은 빈칸 또는 999(결측값 지정)로 둡니다. 결측은 FIML이나 다중대체로 처리합니다.
5점 이하 응답 문항이면 범주형 추정(WLSMV)을 고려합니다. AMOS는 SPSS 파일(.sav)을, Mplus는 숫자만 있는 텍스트 파일과 변수 이름 목록을 씁니다.
코드북을 만들어 문항 번호, 문항 내용, 역채점 여부, 소속 개념을 정리합니다.

분석 프로그램에서 이렇게 설정합니다

1단계(측정모형): 모든 잠재변수가 서로 상관하는 CFA를 그려 문항 부하량·적합도를 확인합니다.
각 잠재변수의 척도를 정합니다. 문항 하나의 부하량을 1로 고정하거나 잠재변수 분산을 1로 고정합니다(AMOS는 기본으로 한 문항을 1로 고정).
2단계(구조모형): 이론에서 정한 경로만 남기고 상관을 경로로 바꿉니다. 내생 잠재변수마다 오차(d)를 붙입니다.
추정 후 적합도(CFI, TLI, RMSEA, SRMR), 표준화 경로계수, 간접효과의 부트스트랩 신뢰구간을 순서대로 확인합니다.
식별 확인: 자유도(df) = 자료의 정보 수(p(p+1)/2) − 추정할 모수 수가 0 이상이어야 합니다.

자료 조건과 주의점

학습조직문화 같은 외생변수와 심리적 안전감·지식공유·몰입 같은 내생변수를 구조모형에서 구분합니다. 각 잠재개념의 문항 수준 자료가 필요합니다.
문항이 연속형에 가까운지 순서형인지, 분포·결측·군집 구조에 맞춰 추정법을 정합니다.
횡단·종단 모두 가능하지만 인과나 시간적 방향의 근거는 설계에서 확보합니다.
모형 식별, 부하량, 모수 수, 결측과 예상 효과에 따라 표본을 계획하고 시뮬레이션 검정력을 검토합니다.

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. 전체 구조방정식모형 (측정모형 + 구조모형)

연구문제 예 학습조직문화는 심리적 안전감과 지식공유를 거쳐 조직몰입에 영향을 미치는가?

내생 잠재변수 (η1)
내생 잠재변수 (η2)
외생 잠재변수 (ξ)
내생 잠재변수 (η3)

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: 학습조직문화는 심리적 안전감에 정(+)의 영향을 미칠 것이다.
H2: 심리적 안전감은 지식공유에 정(+)의 영향을 미칠 것이다.
H3: 지식공유는 조직몰입에 정(+)의 영향을 미칠 것이다.
H4: 학습조직문화는 조직몰입에 직접 영향을 미칠 것이다.

예시 분석 결과 읽기

모형 적합도: CFI·TLI ≥ .90, RMSEA ≤ .08, SRMR ≤ .08이므로 모형이 자료에 적합합니다(예시 값).
측정모형: 모든 요인부하량이 .50 이상으로 문항이 잠재변수를 잘 나타냅니다.
H1~H3 지지(p < .001). H4 기각(점선): 직접경로는 유의하지 않으므로 효과는 심리적 안전감과 지식공유를 거쳐 전달됩니다.

이렇게 읽습니다 다른 변수에 영향을 받지 않는 개념은 외생 변수, 영향을 받는 개념은 내생 변수입니다. 잠재변수는 여러 설문 문항으로 측정하며(측정모형), 잠재변수 사이의 경로(구조모형)와 함께 한 번에 추정합니다.

모형 2. 잠재변수 매개모형 (측정오차를 반영한 매개)

연구문제 예 변혁적 리더십은 직무열의를 거쳐 혁신행동에 영향을 미치는가?

통제변수 (관측)
내생 잠재변수 (η1)
외생 잠재변수 (ξ)
내생 잠재변수 (η2)

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: 변혁적 리더십은 직무열의에 정(+)의 영향을 미칠 것이다.
H2: 직무열의는 혁신행동에 정(+)의 영향을 미칠 것이다.
H3: 변혁적 리더십은 혁신행동에 직접 영향을 미칠 것이다.
H4: 변혁적 리더십은 직무열의를 매개로 혁신행동에 간접 영향을 미칠 것이다.

예시 분석 결과 읽기

H1, H2, H3 지지(H3은 p < .05). H4 지지: 간접효과 .19의 부트스트랩 신뢰구간 [.11, .29]이 0을 포함하지 않습니다.
직접경로(c′ = .12)도 유의하므로 직무열의가 효과의 일부를 전달하고 리더십이 직접 효과도 가진다고 해석합니다(부분 매개 후보).
요인부하량은 모두 .50을 넘고 적합도는 CFI·TLI ≥ .90, RMSEA ≤ .08을 충족한다고 가정합니다(예시).

이렇게 읽습니다 점수를 평균으로 합친 변수 대신 문항으로 측정한 잠재변수로 매개모형을 추정하면 측정오차를 반영할 수 있습니다. 통제변수는 관측변수로 직접 넣을 수 있습니다.

모형 3. 확인적 요인분석(CFA) 모형 (측정모형)

연구문제 예 조직몰입 척도의 9개 문항이 이론대로 세 요인(정서적·지속적·규범적 몰입)으로 묶이는가?

잠재요인 (ξ)

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: 문항은 이론이 정한 요인에만 유의하게 부하될 것이다.
H2: 세 요인은 서로 구별되는 개념일 것이다.
H3: 이 측정모형은 자료에 적합할 것이다.

예시 분석 결과 읽기

H1 지지: 요인부하량이 .69~.83으로 모두 .50 이상이고 유의합니다(문항이 요인을 잘 나타냄).
H2 지지: 요인 간 상관(.38~.61)이 높지 않아 세 요인이 서로 구별됩니다. 상관이 .85를 넘으면 두 요인을 하나로 합쳐야 하는지 의심합니다.
H3 지지: CFI .97, TLI .96, RMSEA .045, SRMR .036이 기준(CFI·TLI ≥ .90, RMSEA·SRMR ≤ .08)을 충족합니다.

이렇게 읽습니다 구조방정식에서 구조 경로를 보기 전에 측정모형이 맞는지 먼저 확인하는 CFA입니다. 이 단계가 통과해야 잠재변수 사이의 경로를 믿고 해석할 수 있습니다.

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: Makransky, G., & Lilleholt, L. (2018).

04 · 제시하고 싶은 결과

분석 후 무엇을 보여 줄 수 있나요?

설문 문항이 각 개념을 잘 나타내는지, 개념들이 서로 어떻게 연결되는지 함께 보여 줍니다.
구조경로 그림·계수·신뢰구간: 개념 사이의 관계가 자료와 부합하는가
적합도·잔차·대안모형 비교: 제안한 모형을 어느 정도 지지하는가

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. 모형 적합도 표

적합도 지수와 판단 기준, 판정을 한 표에 제시합니다.

이렇게 읽습니다 카이제곱은 표본이 크면 거의 항상 유의해지므로 보조로 보고, CFI·TLI·RMSEA·SRMR이 기준을 충족하는지로 판단합니다. RMSEA는 90% 신뢰구간도 함께 보고합니다.

결과 그림 2. 구조 경로계수 표

표준화 경로계수, 표준오차, p와 내생 잠재변수의 설명된 분산(R²)을 제시합니다.

이렇게 읽습니다 경로계수의 방향이 가설과 같고 p < .05이면 가설이 지지됩니다. R²는 잠재변수의 분산 중 모형이 설명하는 비율입니다. 직접경로 H4처럼 유의하지 않은 경로도 표에 남깁니다.

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

05 · 궁극적으로 밝힐 것

내가 끝까지 답하고 싶은 질문과 맞나요?

“여러 개념이 서로 구별되게 측정되며 이론적 관계망이 자료와 부합하는지 밝히고 싶다.”

이 질문에 답하는 분석 구조

여러 문항으로 잰 잠재변수를 측정모형(요인분석)으로 나타내고, 그 잠재변수들 사이의 구조 경로를 한 번에 추정해 모형 전체 적합도를 평가합니다.

왜 하나요? ‘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.

알고 싶은 내용이 다르다면, 아래 방법은 이렇게 다른 질문에 답합니다

매개효과 (Mediation, 다중매개 포함): 분석 구조 X → M → Y 구조에서 X가 중간 변수 M을 거쳐 Y로 전달되는 간접효과(a×b)와 M을 통제한 직접효과(c′)를 나누어 추정합니다.이럴 때 선택 ‘X가 왜(어떤 과정을 거쳐) Y로 이어지는가’를 알고 싶을 때. X와 Y가 관련된다는 사실을 넘어 중간 기제가 있는지 확인하기 위해 합니다.
다집단 분석 (Multigroup Analysis): 분석 구조 같은 측정·구조 모형을 두 개 이상의 집단에 적용해, 먼저 측정동일성을 확인한 뒤 경로계수를 같게 둔 모형과 자유롭게 둔 모형을 비교합니다.이럴 때 선택 ‘이 모형이 집단마다 같은가’를 알고 싶을 때. 이미 정해진 집단(정규직/비정규직 등)의 관계 차이가 측정 때문인지 실제 차이인지 검증하기 위해 합니다.
측정도구 개발 (Scale Development and Validation): 분석 구조 문항 분석(문항-총점 상관·α), 탐색적·확인적 요인분석으로 문항이 묶이는 구조를 확인하고, 신뢰도와 타당도 근거를 쌓아 새 측정도구를 만듭니다.이럴 때 선택 ‘기존에 쓸 만한 측정도구가 없는 개념을 어떻게 재는가’를 알고 싶을 때. 이후 분석에서 쓸 점수의 질을 먼저 확보하기 위해 합니다.

06 · 분석 순서

분석은 어떤 순서로 진행하나요?

사용 도구 AMOS·Mplus·R lavaan 등 SEM 프로그램 기준 (기초통계·신뢰도는 SPSS).

기준의 출처 Kline(2016), Hu·Bentler(1999), Anderson·Gerbing(1988), Fornell·Larcker(1981), Henseler 외(2015), Hair 외(2019), Brown(2015), Podsakoff 외(2003).

이론 모형 명시와 식별(identification) 점검
어떻게 하나요
측정모형(잠재변수–문항)과 구조모형(잠재변수 간 경로)을 그림으로 그리고, 각 잠재변수의 척도를 정합니다(한 문항의 부하량을 1로 고정하거나 잠재변수 분산을 1로 고정). 추정할 자유모수 수와 자료의 정보 수(p(p+1)/2, p는 관측변수 수)를 비교합니다.
확인할 값과 해석 기준
자유도(df) = 정보 수 − 추정 모수 수가 0 이상이어야 합니다(df > 0이면 과대식별). 잠재변수당 최소 3개 문항(2개면 다른 제약 필요)이 권장됩니다. 모든 경로와 공분산을 이론적 근거와 함께 정합니다.
왜 하고, 무엇을 알 수 있나요
추정할 수 있는 모형인지, 이론이 모형에 제대로 옮겨졌는지 점검합니다.
표본 크기와 검정력 계획
어떻게 하나요
모형의 자유모수 수와 문항 수를 세어 표본 크기를 계획합니다. 정밀한 계획은 RMSEA 기반 검정력 분석(MacCallum et al., 1996)이나 몬테카를로 시뮬레이션을 사용합니다.
확인할 값과 해석 기준
흔히 쓰는 규칙은 N ≥ 200, 또는 자유모수당 10~20명(최소 5~10명)입니다. 문항 부하량이 낮거나 모형이 복잡하거나 비정규·범주형 자료면 더 많이 필요합니다. 표본이 작으면 모형을 단순화하고, 문항 묶음(parceling)은 정당화할 수 있을 때만 신중히 씁니다.
왜 하고, 무엇을 알 수 있나요
추정이 안정적이고 적합도 검정에 검정력이 충분한지 미리 따져 봅니다.
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.
정규성(단변량·다변량)과 추정법 선택
어떻게 하나요
문항별 왜도·첨도와 Mardia의 다변량 첨도 계수를 확인합니다. 5점 이하 순서형 응답은 범주형 자료로 다룰지 정합니다.
확인할 값과 해석 기준
문항 왜도 |2|·첨도 |7| 이내를 참고하고, 다변량 정규성이 깨지면 최대우도(ML) 대신 강건 추정(MLR, Satorra–Bentler 보정)을, 순서형·범주형(5점 이하) 문항이면 WLSMV 같은 범주형 추정법을 씁니다. 결측은 FIML이나 다중대체로 처리합니다.
왜 하고, 무엇을 알 수 있나요
추정법에 따라 적합도와 표준오차가 달라지니 자료에 맞는 추정법을 정해 둡니다.
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.
공통방법편향(동일방법편의) 점검
어떻게 하나요
같은 사람이 같은 시점에 같은 설문으로 모든 변수에 답한 자료라면 공통방법편향을 점검합니다. (1) 설계 단계: 측정 시점·출처 분리, 응답 익명성 보장, 문항 순서 조정. (2) 분석 단계: Harman의 단일요인 검정이나 CFA에서 ‘공통방법요인’을 추가한 모형 비교.
확인할 값과 해석 기준
Harman 검정은 모든 문항을 한 번에 요인분석했을 때 첫 요인이 전체 분산의 50% 미만이면 문제가 작다고 보지만 민감도가 낮다는 비판이 있어 CFA 방법요인 비교나 VIF(전체 공선성 VIF < 3.3) 같은 보조 근거를 함께 쓰기도 합니다. 한 가지 검정만으로 ‘편향이 없다’고 단정하지 않습니다.
왜 하고, 무엇을 알 수 있나요
상관과 회귀계수가 실제 관계보다 같은 방식으로 응답한 탓에 부풀려졌을 가능성을 가늠할 수 있습니다(Podsakoff et al., 2003).
1단계: 확인적 요인분석(CFA)으로 측정모형 평가
어떻게 하나요
구조 경로를 넣기 전에 모든 잠재변수가 서로 상관하는 측정모형만 먼저 추정합니다(Anderson & Gerbing, 1988의 2단계 접근). 문항 부하량, 오차분산, 잠재변수 상관을 출력합니다.
확인할 값과 해석 기준
카이제곱(χ²)은 표본이 크면 사소한 불일치에도 유의해지니 이것만으로 판단하지 말고 χ²/df(대략 3 이하, 느슨하게 5 이하)를 곁들여 봅니다. 참고치는 CFI·TLI .90 이상(양호 .95 이상), RMSEA .08 이하(양호 .06 이하, 90% 신뢰구간 함께 보고), SRMR .08 이하입니다(Hu & Bentler, 1999). 절대 기준은 아니니 여러 지수를 같이 보고 판단합니다. 표준화 요인부하량은 .50 이상(이상적으로 .70 이상)이고 유의해야 합니다. 음수인 오차분산이나 표준화 계수 1 초과(Heywood case)는 모형·표본·문항 문제 신호입니다. 수정지수(MI)는 이론적으로 정당할 때만 오차상관을 허용하고 사실을 보고합니다.
왜 하고, 무엇을 알 수 있나요
문항이 의도한 잠재변수를 제대로 대표하는지 봅니다. 측정이 흔들리면 구조 경로도 믿기 어렵습니다.
측정 타당도: 수렴·판별타당도와 합성신뢰도
어떻게 하나요
표준화 부하량으로 평균분산추출(AVE), 개념신뢰도(CR) 또는 ω를 계산하고, 잠재변수 간 상관과 비교합니다. HTMT 비율도 계산합니다.
확인할 값과 해석 기준
AVE .50 이상, CR(ω) .70 이상이면 수렴타당도가 양호합니다. 판별타당도는 각 잠재변수 AVE의 제곱근이 다른 잠재변수와의 상관보다 큰지(Fornell–Larcker), 또는 HTMT가 .85(엄격)~.90(느슨) 미만인지로 판단합니다. 잠재변수 간 상관이 .85를 넘으면 두 개념이 구별되는지 의심합니다.
왜 하고, 무엇을 알 수 있나요
서로 다른 개념이 실제로 구분되어 측정되는지, 아니면 하나로 합쳐야 하는지 판단합니다.
2단계: 구조모형 추정과 적합도 평가
어떻게 하나요
측정모형에 이론이 정한 구조 경로를 추가해 추정합니다. 모형 적합도와 경로계수, 설명된 분산(R²)을 출력합니다.
확인할 값과 해석 기준
카이제곱(χ²)은 표본이 크면 사소한 불일치에도 유의해지니 이것만으로 판단하지 말고 χ²/df(대략 3 이하, 느슨하게 5 이하)를 곁들여 봅니다. 참고치는 CFI·TLI .90 이상(양호 .95 이상), RMSEA .08 이하(양호 .06 이하, 90% 신뢰구간 함께 보고), SRMR .08 이하입니다(Hu & Bentler, 1999). 절대 기준은 아니니 여러 지수를 같이 보고 판단합니다. 구조모형의 적합도가 측정모형보다 크게 나빠지면 구조 경로 지정에 문제가 있는 것입니다. 경로계수는 표준화 β로 방향과 크기를 보고, 잠재변수의 R²도 제시합니다.
왜 하고, 무엇을 알 수 있나요
이론 모형이 자료와 얼마나 맞는지, 각 잠재 경로가 얼마나 큰지 답합니다.
대안 모형 비교와 모형 수정
어떻게 하나요
경쟁 이론이 있으면 대안 모형을 추정해 Δχ²(중첩 모형), AIC·BIC(비중첩 모형), ΔCFI로 비교합니다. 수정지수·표준화 잔차(|2.58| 이상)로 모형을 고칠 때는 이론적 설명이 있을 때만 하고 교차검증용 표본을 따로 둡니다.
확인할 값과 해석 기준
더 단순한 모형이 비슷하게 맞으면 그쪽을 택합니다. 자료를 보고 반복해서 고친 모형은 그 표본에만 맞을 수 있으니 한계로 적습니다.
왜 하고, 무엇을 알 수 있나요
여러 설명 가운데 자료와 가장 잘 맞는 설명을 고릅니다.
직접·간접·총효과와 매개효과 검정
어떻게 하나요
구조모형에서 직접효과, 간접효과, 총효과를 구하고 부트스트랩(5,000회)으로 간접효과의 신뢰구간(편향수정 또는 백분위)을 계산합니다.
확인할 값과 해석 기준
간접효과의 신뢰구간이 0을 포함하지 않으면 유의합니다. 횡단 자료에서 구조방정식의 화살표는 이론적 가정이며 인과 증명이 아닙니다.
왜 하고, 무엇을 알 수 있나요
측정오차를 고려한 상태에서 개념 사이의 직접·간접 관계가 어느 방향으로 얼마나 큰지 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. 측정모형 표(부하량·AVE·CR), 적합도 지수표, 구조모형 그림과 경로표, 추정법·결측 처리·모형 수정 내역을 모두 적습니다.
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

학습조직과 조직몰입의 구조

연구목적

학습조직이 심리적 안전감·지식공유와 연결되고 이들이 몰입과 관련되는 구조를 검토합니다.

알고 싶은 것

서로 구별되는 잠재개념의 측정이 성립하고 제안한 경로가 자료와 부합하는가?

사용할 자료

재직자의 개념별 다문항 설문
기업에 묶인 응답이면 다층 구조도 검토

방법을 적용하는 방식

학습조직문화를 외생 잠재변수, 심리적 안전감·지식공유·조직몰입을 내생 잠재변수로 정합니다. 확인적 요인분석으로 개념 구별을 검토한 뒤 구조경로와 간접효과를 추정합니다.

제시할 결과

개념별 문항 부하량·측정모형 결과
구조경로와 간접효과의 계수·신뢰구간
적합도·대안모형 비교를 제시합니다

이 사례에서 밝힐 수 있는 것

회귀에 합산점수를 넣는 접근보다 측정오차를 명시적으로 다룰 수 있습니다. 인과의 근거는 별도입니다.

사례 2 · 학습분석

자기조절학습과 학습참여의 구조

연구목적

자기조절학습과 인지적 참여가 성취로 이어지는 이론적 구조를 검증합니다.

알고 싶은 것

설문으로 측정한 자기조절과 참여는 구별되며 사후성취와 어떻게 연결되는가?

사용할 자료

사전 수준
자기조절·인지적 참여 문항
사후성취
보조 행동지표

방법을 적용하는 방식

측정모형을 검토하고 설문 개념과 행동지표의 역할을 구별한 구조모형을 적합합니다.

제시할 결과

자기조절·참여 측정모형과 성취로의 구조경로
행동지표의 역할 및 대안모형 비교를 제시합니다

이 사례에서 밝힐 수 있는 것

클릭 수를 인지적 참여의 잠재문항처럼 넣으려면 개념적·측정적 근거가 필요합니다.

08 · 해석 범위

이 결과로 어디까지 말할 수 있을까요?

좋은 적합도는 연구자의 인과 설명이 참임을 증명하지 않습니다.
수정지수만 따라 오차공분산을 추가하면 해당 표본에만 잘 맞는 모형이 될 수 있습니다.
복잡해 보인다는 이유로 SEM을 택하지 않습니다. 단일 관측 결과의 관계는 회귀로 답할 수도 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
Hu, L. t., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1-55.
읽을 초점 적합도 지수가 모형과 자료 조건에 따라 어떻게 작동하는지 읽고 절단값을 기계적으로 적용하지 않도록 검토하세요.
DOI: 10.1080/10705519909540118 · ISSN: 1070-5511 / 1532-8007
교수님 Research listKCI
박은실, 남교민, 김다현, 송지훈(2025). 비정규직 근로자의 경력정체성과 정서적 몰입, 일의 의미, 괜찮은 일에 대한 구조적 관계. HRD연구, 27(2), 29-66. https://doi.org/10.18211/kjhrdq.2025.27.2.002
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
Moon, S. T., & Park, M. (2013). 대학생의 사회적 지지, 진로결정자기효능감 및 인지된 고용가능성에 관한 구조방정식 모형. 농업교육과 인적자원개발, 45(4), 79-104.
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: 10.23840/agehrd.2013.45.4.79 · Crossref 인용 수 6회 (2026-11-02 확인)
적용 논문SSCI
Makransky, G., & Lilleholt, L. (2018). A structural equation modeling investigation of the emotional value of immersive virtual reality in education. Educational Technology Research and Development, 66(5), 1141-1164.
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: 10.1007/s11423-018-9581-2 · Crossref 인용 수 726회 (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. 문항 너머의 개념을 연구

2. 측정오차를 모형에 반영

3. 여러 관계를 하나의 구조로 검토

4. 측정과 관계를 함께 보고

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. 전체 구조방정식모형 (측정모형 + 구조모형)

가설

예시 분석 결과 읽기

모형 2. 잠재변수 매개모형 (측정오차를 반영한 매개)

가설

예시 분석 결과 읽기

모형 3. 확인적 요인분석(CFA) 모형 (측정모형)

가설

예시 분석 결과 읽기

분석 후 무엇을 보여 줄 수 있나요?

결과는 이렇게 제시합니다 (예시)

결과 그림 1. 모형 적합도 표

결과 그림 2. 구조 경로계수 표

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?

이론 모형 명시와 식별(identification) 점검

표본 크기와 검정력 계획

변수 정의, 척도 점수 계산, 역채점·더미 코딩

결측치 확인과 처리

이상값(극단값) 점검

정규성(단변량·다변량)과 추정법 선택

척도 신뢰도 확인 (Cronbach α)

공통방법편향(동일방법편의) 점검

1단계: 확인적 요인분석(CFA)으로 측정모형 평가

측정 타당도: 수렴·판별타당도와 합성신뢰도

2단계: 구조모형 추정과 적합도 평가

대안 모형 비교와 모형 수정

직접·간접·총효과와 매개효과 검정

결과 정리와 보고

사례를 통해 내 연구에 어떻게 적용할지 살펴보세요

학습조직과 조직몰입의 구조

자기조절학습과 학습참여의 구조

이 결과로 어디까지 말할 수 있을까요?

이 방법의 선택 조건을 스스로 확인해 보세요

함께 비교하면 좋은 방법

이 방법을 이해하는 추천 연구논문