용어 목록 > 맥도날드 오메가 (McDonald's Omega)

맥도날드 오메가 (McDonald's Omega)

쉽게 풀면

가장 널리 쓰이는 신뢰도 지표인 크론바흐 알파는 계산 과정에서 "척도를 이루는 모든 문항이 개념을 재는 힘(영향력)이 똑같다"고 가정합니다. 하지만 실제로는 어떤 문항은 그 개념을 강하게 반영하고, 어떤 문항은 약하게 반영하는 경우가 많습니다.

맥도날드 오메가는 이 가정을 내려놓고, 요인분석을 통해 각 문항이 개념을 재는 정도(요인부하량)를 따로 계산한 뒤 이를 반영해 신뢰도를 구합니다.

그래서 문항들의 영향력이 서로 다를 때는 크론바흐 알파보다 더 정확한 신뢰도 값을 준다고 여겨지며, 최근 논문에서는 알파와 함께 혹은 알파 대신 오메가를 보고하는 경우가 늘고 있습니다.

왜 중요한가

심리측정 연구에서는 척도의 신뢰도를 얼마나 엄밀하게 보고하느냐가 논문의 방법론적 신뢰성을 좌우합니다. 크론바흐 알파의 등가부하 가정이 현실적이지 않다는 지적이 누적되면서, 심리학, 교육학, 경영학 등 설문 기반 연구 전반에서 맥도날드 오메가를 대안 또는 보완 지표로 함께 보고하라는 요구가 점점 커지고 있습니다. 이 때문에 척도 개발 및 타당화 논문에서 오메가는 이제 거의 필수적으로 언급되는 지표가 되었습니다.

계산과 범위

한 개의 요인이 문항들을 설명한다는 모형(단일요인 모형)에서 총 오메가는 다음과 같이 계산합니다.

ω = (Σλi)² / ((Σλi)² + Σθi)

• λ_i는 문항 i의 요인부하량, θ_i는 그 문항의 오차분산입니다. 문항을 표준화했다면 θ_i = 1 − λ_i²입니다.
• 분자는 “공통 요인으로 설명되는 총점의 분산”, 분모는 “총점의 전체 분산”에 해당하므로 ω는 총점 분산 중 공통 요인이 차지하는 비율입니다. 범위는 0~1입니다.
• 크론바흐 알파는 모든 문항의 부하량이 같다는 가정(타우 동등성) 아래에서 같은 양을 재는 값입니다. 부하량이 서로 다르면 알파는 참신뢰도보다 낮게 나오는 쪽으로 어긋나고(오차가 서로 상관되지 않는 단일요인 모형에서), 오메가는 모형이 맞다면 그 차이를 보정합니다.

작은 계산 예(가상의 예). 표준화 부하량이 0.8, 0.7, 0.6, 0.5인 4문항 척도에서 Σλ = 2.6, Σθ = 2.26이므로 ω = 6.76 / (6.76 + 2.26) = 0.749입니다. 같은 자료의 표준화 알파는 문항 간 평균 상관 0.418에서 0.742로, 오메가보다 조금 낮습니다. 반대로 네 문항의 부하량이 모두 .7이면 ω가 0.794, α가 0.794로 같아집니다.

해석 기준

오메가에 고유한 절단점은 없고, 알파와 같은 관례를 빌려 읽습니다. 대표적인 것이 Nunnally와 Bernstein(1994)이 정리한 .70(탐색 연구)·.80(기초 연구)·.90(중요한 결정) 안팎의 기준이며, 이는 관례일 뿐입니다.

• 모형이 맞아야 의미가 있습니다. ω는 요인분석 모형에서 나온 부하량으로 계산하므로, 단일요인 모형이 자료에 잘 맞는지(적합도)를 함께 봐야 합니다.
• 하위 유형을 구분합니다. 총 오메가(ω_t)는 모든 공통 요인의 분산을 포함하고, 위계적 오메가(ω_h)는 그중 일반 요인 하나가 설명하는 부분만 따로 계산합니다(Zinbarg 외, 2005). 다차원 척도에서는 둘의 차이가 의미를 가집니다.
• 알파와 오메가의 차이가 작으면 문항 부하량이 비슷하다는 뜻이고, 차이가 크면 알파만 보고하는 것이 부정확할 수 있다는 신호입니다.
• 점추정치만으로는 불확실성을 알 수 없으므로 신뢰구간을 함께 구하는 것이 권장됩니다(Dunn 외, 2014).

보고 방법

• 어떤 오메가인지(총 오메가, 위계적 오메가, 하위척도별)와 어떤 모형에서 계산했는지(단일요인 CFA, 추정법, 적합도 지수)를 적습니다.
• 알파도 함께 보고하면 기존 연구와 비교하기 쉽습니다. 오메가는 R의 psych, semTools 같은 패키지를 쓰거나 오메가를 제공하는 프로그램으로 구합니다.
• 하위요인이 있는 척도라면 전체와 하위요인 각각에 대해 적습니다.

예시 문장. “단일요인 확인적 요인분석 모형에서 산출한 McDonald’s ω는 .xx(95% CI [.xx, .xx])였고, Cronbach’s α는 .xx였다.” (실제 값으로 바꿔 쓰십시오.)

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 "문항들의 영향력이 서로 다를 수 있다는 점을 감안해, 전통적인 알파값뿐 아니라 이를 보완하는 오메가값도 함께 계산해 신뢰도를 더 꼼꼼히 확인했다"는 뜻입니다.

경영학이나 조직심리학에서 다차원 척도를 다룰 때는 하위요인마다 오메가를 따로 계산해, 전체 척도뿐 아니라 세부 구성개념의 내적 일관성까지 확인하는 경우가 많다.

교육측정 분야에서는 검사가 여러 하위 능력을 함께 측정하는 경우가 많아, 전체 신뢰도와 특정 요인의 고유 신뢰도를 구분해 보여주는 위계적 오메가가 종종 활용된다.

조금 더 깊게 보면

오메가는 계산 방식에 따라 세부 유형이 나뉘는데, 척도 전체가 하나의 요인만 반영한다고 가정하는 오메가 총계(omega total)와, 여러 하위요인 및 상위요인이 함께 존재하는 위계적 구조를 반영하는 위계적 오메가(hierarchical omega)가 대표적입니다.

오메가 값은 요인분석 모형에서 추정한 요인부하량과 오차분산을 이용해 계산되므로, 그 값의 타당성은 애초에 요인구조 모형이 자료에 잘 들어맞았는지에 크게 의존합니다. 따라서 논문에서 오메가 값을 볼 때는 함께 보고된 요인분석 적합도 지수도 같이 확인하는 것이 좋습니다.

주의할 점

오메가 값이 알파보다 이론적으로 더 정확하다고 해서, 알파가 틀렸다거나 쓸모없다는 뜻은 아닙니다. 문항 간 요인부하량이 거의 비슷한 척도라면 두 값은 사실상 같게 나오며, 크론바흐 알파가 여전히 관행적으로 가장 널리 보고되는 지표입니다.

헷갈리기 쉬운 용어

세 용어는 모두 “문항들이 하나의 개념을 얼마나 일관되게 재는가”를 숫자로 나타냅니다.

합성신뢰도라는 이름으로 소개되는 식이 분야에 따라 약간 다를 수 있으므로, 논문에 적힌 계산식을 확인하세요.

참고 문헌

1. McDonald, R. P. (1999). Test Theory: A Unified Treatment. Lawrence Erlbaum.
2. 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(3), 399–412.
3. Zinbarg, R. E., Revelle, W., Yovel, I., & Li, W. (2005). Cronbach’s alpha, Revelle’s beta, and McDonald’s omega h: Their relations with each other and two alternative conceptualizations of reliability. Psychometrika, 70(1), 123–133.
4. McNeish, D. (2018). Thanks coefficient alpha, we’ll take it from here. Psychological Methods, 23(3), 412–433.
5. Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric Theory (3rd ed.). McGraw-Hill.

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

관련 용어