용어 목록 > 합성신뢰도 (Composite Reliability)

합성신뢰도 (Composite Reliability)

쉽게 풀면

같은 반 학생들의 키를 재는데 줄자 5개를 동시에 써서 평균을 낸다고 해봅시다. 줄자마다 눈금이 살짝씩 다르다면, 그 오차까지 감안해서 "이 5개 줄자 조합이 전체적으로 얼마나 믿을 만한가"를 계산할 수 있겠죠. 합성신뢰도가 바로 이런 개념입니다.

설문 문항 여러 개로 "우울감"이나 "직무만족도" 같은 하나의 개념을 측정할 때, 각 문항이 그 개념을 얼마나 잘 대표하는지(요인적재량)를 반영해서 전체 신뢰도를 계산합니다.

크론바흐 알파와 목적은 비슷하지만, 알파는 모든 문항의 가중치가 같다고 가정하는 반면 합성신뢰도는 문항마다 다른 가중치(요인적재량)를 실제로 반영한다는 점이 다릅니다.

왜 중요한가

설문 기반 연구에서는 "직무만족도", "브랜드 신뢰" 같은 추상적 개념을 여러 문항으로 간접 측정할 수밖에 없는데, 그 측정이 안정적이지 않다면 이후의 상관분석이나 구조방정식모형 결과 전체를 신뢰하기 어렵습니다.

그래서 합성신뢰도는 구조방정식모형(SEM)이나 PLS 기반 연구에서 측정모형을 보고할 때 거의 필수적으로 함께 제시되는 지표입니다.

특히 요인적재량이 문항마다 다르게 나타나는 경우가 많은 실제 데이터에서는, 이를 반영하지 않는 크론바흐 알파보다 합성신뢰도가 측정의 질을 더 정확히 보여준다는 점에서 방법론적으로 중요하게 다뤄집니다.

계산과 범위

한 요인에 속한 문항의 표준화 적재량 λ와 오차분산으로 구합니다(단일 요인, 오차끼리 독립이라고 가정).

ρ_c = (Σλ)² ÷ [(Σλ)² + Σ(1 − λ²)]

같은 적재량으로 평균분산추출(AVE) = Σλ² ÷ 문항 수도 구합니다(Fornell & Larcker, 1981). 범위는 0~1입니다.

가상의 예: 문항 5개의 표준화 적재량이 .82, .78, .74, .69, .55라면 Σλ = 3.58이고 (Σλ)² = 12.816입니다. 오차분산(1 − λ²)의 합은 5 − 2.607 = 2.393이므로 ρ_c = 12.816 ÷ (12.816 + 2.393) = .843, AVE = 2.607 ÷ 5 = .521입니다(코드로 계산).

알파와의 관계: 적재량이 모든 문항에서 같을 때(타우등가)에만 알파가 합성신뢰도와 같고, 적재량이 다르면 알파가 보통 더 낮게 나옵니다(Raykov, 1997; Dunn 등, 2014). 이 식은 맥도널드 오메가와 같은 계열입니다.

해석 기준

• ρ_c: .70 이상을 요구하는 것이 관례이며, Nunnally의 .70 기준을 따른 것입니다.
• AVE: .50 이상이면 요인이 문항 분산의 절반 이상을 설명한다는 뜻으로, Fornell과 Larcker(1981)의 기준입니다. 위 예는 .521로 겨우 넘습니다.
• Fornell과 Larcker는 AVE가 .50에 못 미쳐도 ρ_c가 충분하면 수렴타당도를 인정할 여지가 있다고 논의했으나, 보수적으로 둘 다 확인하는 연구자도 많습니다.
• 판별타당도를 볼 때 AVE의 제곱근이 다른 요인과의 상관보다 큰지 보는 방식(Fornell–Larcker)에는 한계가 지적되어, HTMT 같은 대안이 제안되었습니다(Henseler 등, 2015).

적재량 하나가 크게 낮은(.55) 문항이 있어도 ρ_c는 .84로 높게 나올 수 있으므로, 개별 적재량을 함께 봅니다.

보고 방법

• 확인적 요인분석 모형, 추정법, 표준화 적재량과 오차 처리(오차 상관 허용 여부)를 적습니다.
• 요인별 ρ_c(또는 ω)와 AVE를 표로 싣고, 계산 식의 출처를 적습니다. 알파도 병행하면 비교할 수 있습니다.
• ρ_c의 신뢰구간을 제시하면 불확실성을 알 수 있습니다.
• (가상의 문장) “지식 요인의 합성신뢰도는 .84, 평균분산추출은 .52였다.”

논문에서는 이렇게 쓰입니다

실제 논문에서

이 용어를 직접 쓴 국내 논문 문장을 아직 수집하지 못했습니다. 수집되는 대로 출처와 함께 싣겠습니다.

예시 문장

아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.

이 문장은 설문에서 사용한 각 개념(잠재변인)이 관련 문항들로 안정적이고 일관되게 측정되었음을 확인적 요인분석을 통해 검증했다는 뜻입니다.

조직행동론 연구에서 여러 개념을 동시에 측정할 때, 각 개념별로 합성신뢰도를 따로 계산해 모두 기준을 충족했는지 보고하는 방식입니다.

마케팅이나 정보시스템 분야의 PLS 기반 연구에서는 합성신뢰도를 평균분산추출값(AVE) 등 다른 타당도 지표와 함께 묶어서 측정모형 검증 단계에서 보고하는 경우가 많습니다.

조금 더 깊게 보면

합성신뢰도는 각 문항의 표준화 요인적재량과 오차분산을 이용해 계산되며, 요인적재량이 클수록(즉 문항이 잠재변인을 잘 대표할수록) 신뢰도 값도 높아지는 구조입니다. 그래서 논문을 읽을 때는 합성신뢰도 수치만 보기보다, 함께 제시되는 요인적재량과 평균분산추출값(AVE)을 같이 확인하는 것이 좋습니다.

AVE는 잠재변인이 문항들의 분산을 얼마나 설명하는지를 나타내는 지표로, 합성신뢰도와 함께 수렴타당도를 판단하는 근거로 흔히 함께 보고됩니다. 또한 합성신뢰도는 문항 간 오차가 서로 독립적이라는 가정을 전제로 계산되므로, 이 가정이 크게 벗어난 모형에서는 해석에 주의가 필요합니다.

주의할 점

합성신뢰도는 확인적 요인분석을 이미 실행해서 요인적재량을 구한 뒤에야 계산할 수 있습니다. 요인분석 없이 문항 점수만 있다면 크론바흐 알파를 대신 보고하는 경우가 많으므로, 논문에서 어떤 지표를 썼는지 구분해서 읽어야 합니다.

헷갈리기 쉬운 용어

신뢰도 지표는 요인 구조를 어떻게 다루느냐가 다릅니다.

참고 문헌

1. Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18, 39–50.
2. Raykov, T. (1997). Estimation of composite reliability for congeneric measures. Applied Psychological Measurement, 21, 173–184.
3. McDonald, R. P. (1999). Test Theory: A Unified Treatment. Lawrence Erlbaum.
4. Dunn, T. J., Baguley, T., & Brunsden, V. (2014). From alpha to omega: a practical solution to the pervasive problem of internal consistency estimation. British Journal of Psychology, 105, 399–412.
5. Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43, 115–135.

표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.

관련 용어