문항-총점 상관 (Item-Total Correlation)
쉽게 풀면
10개 문항으로 이루어진 우울 척도를 만들었다고 해봅시다. 이 중 한 문항만 유독 다른 사람들의 응답 패턴을 보이면, 그 문항은 나머지 문항들과 "다른 것"을 재고 있을 가능성이 있습니다. 이를 확인하는 방법이 문항-총점 상관입니다. 특정 문항 하나의 점수와, 그 문항을 뺀 나머지 문항들의 합산 점수 사이의 상관계수를 계산합니다. 이 값이 높으면 그 문항이 척도 전체가 재려는 개념을 잘 대표한다는 뜻이고, 값이 낮거나 심지어 음수라면 그 문항을 척도에서 빼거나 수정하는 것을 고려합니다. 보통 .30 이상이면 양호한 문항으로 판단하는 경우가 많습니다.
왜 중요한가
새로운 척도를 개발하거나 기존 척도를 번안·타당화하는 연구에서는 최종적으로 어떤 문항을 남길지 결정하는 과정이 필수적이며, 문항-총점 상관은 그 결정을 위한 가장 기본적이고 널리 쓰이는 절차 중 하나입니다. 신뢰도 분석(크론바흐 알파 산출) 과정에서 함께 보고되는 경우가 많아, 척도 개발 논문의 결과표에서 거의 빠지지 않고 등장합니다. 문항을 솎아내는 근거를 투명하게 제시한다는 점에서 척도의 신뢰성을 보여주는 절차적 증거로도 활용됩니다.
논문에서는 이렇게 쓰입니다
이 문장은 "7번 문항이 나머지 문항들과 다른 반응 패턴을 보여, 척도가 재려는 개념을 잘 대표하지 못한다고 판단해 그 문항을 빼고 나머지 문항들로만 척도를 구성했다"는 뜻입니다.
조직심리 분야의 척도 개발 연구에서, 상관계수만이 아니라 그 문항을 뺐을 때 전체 신뢰도가 어떻게 변하는지도 함께 고려해 문항을 골랐다는 의미입니다.
보건·의료 분야의 척도 타당화 연구에서도 문항-총점 상관이 척도의 내적 일관성을 뒷받침하는 근거로 보고된다는 것을 보여줍니다.
조금 더 깊게 보면
실제 논문에서는 단순 문항-총점 상관보다 "교정된 문항-총점 상관(corrected item-total correlation)"이 더 자주 보고되는데, 이는 총점을 계산할 때 해당 문항 자체를 빼고 나머지 문항들의 합만으로 총점을 구해 상관을 계산한 값입니다. 그냥 문항-총점 상관을 쓰면 문항 자신이 총점 계산에도 포함되어 상관이 인위적으로 부풀려지는 문제가 있기 때문입니다. 또한 이 값은 흔히 "해당 문항 삭제 시 알파 계수(alpha if item deleted)"와 함께 제시되어, 그 문항을 빼면 척도 전체의 신뢰도가 오르는지 내리는지를 함께 판단하는 데 쓰입니다.
주의할 점
문항-총점 상관이 낮다고 해서 그 문항이 무조건 나쁜 문항인 것은 아닙니다. 개념 자체가 여러 하위 요인으로 나뉘어 있는데 전체 총점 하나로만 비교했다면 상관이 낮게 나올 수 있으므로, 판단에 앞서 요인분석으로 척도의 하위 구조를 먼저 확인해야 합니다.