등급반응모형 (Graded Response Model)
쉽게 풀면
기존의 라쉬 모형 같은 기본 문항반응이론 모형은 "맞다/틀리다"처럼 답이 두 가지뿐인 시험 문항을 분석하는 데 적합합니다. 하지만 설문조사의 리커트 척도 문항("전혀 그렇지 않다"부터 "매우 그렇다"까지 5단계 등)은 답이 여러 단계로 나뉘어 있고, 그 단계 사이에는 순서(서열)가 있습니다. 등급반응모형은 이런 순서가 있는 다단계 응답을 분석하기 위해, "1단계보다 높은 단계를 고를 확률", "2단계보다 높은 단계를 고를 확률" 같은 식으로 단계마다 경계선을 설정하고, 각 경계선을 응답자의 능력(또는 태도) 수준과 연결해 분석합니다. 마치 계단을 오르내리는 것처럼, 각 계단(응답 단계)을 넘어설 확률을 능력 수준에 따라 계산하는 방식이라고 이해하면 됩니다.
왜 중요한가
설문 기반 척도는 대부분 리커트식 다단계 응답으로 구성되기 때문에, 문항 하나하나가 응답자의 잠재 특성을 얼마나 정밀하게 변별하는지를 정확히 분석하려면 단순 합산 점수보다 정교한 도구가 필요합니다. 등급반응모형은 심리검사, 태도 척도, 건강 관련 삶의 질 척도 등의 개발과 타당화 연구에서 문항별 특성을 세밀하게 파악하고, 서로 다른 검사판 간 점수를 동일한 척도로 연결(동등화)하는 데도 활용되어 심리측정학과 교육평가 분야에서 널리 쓰입니다.
논문에서는 이렇게 쓰입니다
이 문장은 "우울 정도를 5단계로 응답하게 한 문항들을, 단순히 점수를 합산하는 대신 문항반응이론의 등급반응모형으로 분석해서 각 응답 단계를 구분하는 데 필요한 능력(우울 정도) 수준을 문항마다 따로 추정했다"는 뜻입니다. 이는 다분문항반응이론에 속하는 대표적인 모형 중 하나입니다.
문항이 응답자의 잠재 수준 전 구간에서 고르게 변별력을 갖지 못할 수 있다는 것을 등급반응모형으로 확인했다는 의미다.
서로 다른 버전의 검사 점수를 같은 기준으로 환산하기 위해 등급반응모형을 활용했다는 뜻이다.
조금 더 깊게 보면
등급반응모형은 각 문항마다 응답 단계 수보다 하나 적은 수의 경계 모수(threshold parameter)를 추정해, 특정 단계 이상을 선택할 누적 확률을 잠재 특성 수준의 함수로 나타냅니다. 이 누적확률 곡선들의 차이를 통해 각 응답 범주가 실제로 선택될 확률을 구할 수 있으며, 이를 문항특성곡선(정확히는 범주반응곡선)으로 시각화해 문항이 어느 능력 구간에서 정보량이 높은지를 함께 보고하는 경우가 많습니다. 다분문항반응이론에는 등급반응모형 외에도 부분점수모형(partial credit model) 등 다른 방식도 있어, 응답 범주의 성격에 따라 적절한 모형을 선택하는 것이 중요합니다.
주의할 점
등급반응모형은 응답 단계 사이에 뚜렷한 순서가 있다는 가정을 전제로 합니다. 만약 문항의 응답 범주가 순서 없이 서로 다른 성격을 갖는다면(예: 선택지가 단순 분류일 때) 이 모형 대신 명목반응모형 같은 다른 문항반응이론 모형을 검토해야 하며, 무작정 리커트 척도라고 해서 등급반응모형이 항상 최선인 것은 아닙니다.