수렴타당도 (Convergent Validity)
쉽게 풀면
내 키를 줄자로도 재고, 레이저 신장계로도 재봤다고 해봅시다. 두 방법이 서로 완전히 다른 도구인데도 비슷한 숫자가 나온다면, "이 두 도구가 진짜로 같은 것(키)을 재고 있구나"라고 믿을 수 있습니다. 수렴타당도도 같은 원리입니다. 예를 들어 새로 만든 우울감 설문과 이미 검증된 다른 우울감 설문을 같은 사람들에게 실시했을 때 두 점수가 서로 강하게 연관되어 움직인다면, 새 설문이 실제로 "우울감"이라는 개념을 제대로 재고 있다는 근거가 됩니다.
왜 중요한가
새로운 척도나 측정도구를 개발하는 논문에서는 그 도구가 정말로 의도한 개념을 재고 있는지를 증명해야 하는데, 수렴타당도는 그 증명의 핵심 축 중 하나입니다. 특히 심리학, 교육학, 경영학처럼 눈에 보이지 않는 추상적 개념(예: 우울감, 조직몰입, 자기효능감)을 다루는 분야에서는 이 개념을 어떻게 측정했는지 자체가 연구 결과의 신뢰도를 좌우하기 때문에, 척도 개발 및 검증 논문에서 거의 빠지지 않고 보고됩니다. 또한 수렴타당도는 뒤에서 다룰 판별타당도와 짝을 이루어 구성타당도라는 더 큰 틀을 완성하는 역할을 합니다.
논문에서는 이렇게 쓰입니다
이 문장은 새로 개발한 척도가 이미 검증된 다른 척도와 비슷한 방향으로 점수가 움직였다는 것을 근거로, 새 척도가 의도한 개념을 제대로 측정하고 있다고 주장하는 것입니다.
경영학·조직행동 분야에서는 하나의 척도 안에 있는 여러 하위요인(하위척도)들끼리 서로 얼마나 관련되어 있는지를 살펴 수렴타당도를 판단하기도 합니다. 서로 다른 문항 묶음이라도 같은 상위 개념을 재고 있다면 어느 정도 함께 움직여야 한다는 논리입니다.
구조방정식모형을 활용하는 논문에서는 상관계수 대신 확인적 요인분석(CFA)의 요인적재량을 근거로 수렴타당도를 보고하는 경우도 흔합니다. 문항들이 각자 속한 잠재변수를 얼마나 잘 설명하는지를 통해 같은 개념을 재고 있는지를 판단하는 방식입니다.
조금 더 깊게 보면
수렴타당도를 좀 더 엄밀하게 확인하는 대표적인 방법으로 평균분산추출(AVE, Average Variance Extracted)이 있습니다. 이는 잠재변수가 자신에게 속한 문항들의 분산을 평균적으로 얼마나 설명하는지를 나타내는 지표로, 일반적으로 일정 기준 이상이면 수렴타당도가 양호하다고 해석합니다. 또한 연구자들은 단순 상관계수 외에도 확인적 요인분석의 요인적재량, 합성신뢰도(CR) 등을 함께 보고하여 여러 각도에서 타당도를 뒷받침하는 경우가 많습니다. 논문을 읽을 때는 어떤 방법으로 수렴타당도를 확인했는지, 그리고 그 기준이 해당 분야에서 통상적으로 받아들여지는 수준인지를 함께 살펴보는 것이 중요합니다.
주의할 점
수렴타당도가 확인됐다고 해서 그 도구의 타당성이 전부 증명된 것은 아닙니다. 서로 다른 개념을 재는 척도들끼리는 오히려 상관이 낮게 나와야 한다는 반대 개념(판별타당도)도 함께 확인해야 온전한 구성타당도를 주장할 수 있습니다. 상관이 하나만 높다고 해서 측정도구가 완벽하다고 단정하는 것은 성급한 해석입니다.