스피어만-브라운 예언공식 (Spearman-Brown Prophecy Formula)

한 줄 정의: 검사 문항 수를 몇 배로 늘리면 신뢰도가 어느 정도까지 좋아질지를 미리 계산해주는 공식입니다.

개념 설명용 모식도 — 실제 데이터가 아닙니다

쉽게 풀면

줄자로 책상 길이를 한 번만 재면 손이 떨려서 오차가 생길 수 있지만, 세 번 재서 평균을 내면 오차가 훨씬 줄어듭니다. 검사 문항도 마찬가지입니다. 문항 수가 많을수록 우연에 의한 오차가 서로 상쇄되면서 검사 전체의 신뢰도가 올라가는 경향이 있습니다.

스피어만-브라운 예언공식은 "지금 10문항짜리 검사의 신뢰도가 이 정도인데, 문항을 20문항, 30문항으로 늘리면 신뢰도가 얼마나 올라갈까?"를 실제로 문항을 만들어보지 않고도 수학적으로 예측해주는 도구입니다. 원래는 반분신뢰도로 구한 절반짜리 신뢰도를 전체 문항 수 기준으로 보정하기 위해 만들어졌습니다.

왜 중요한가

심리검사나 설문 도구를 개발하는 논문에서는 신뢰도를 확보하면서도 응답자의 부담을 줄이는 것이 중요한 과제입니다. 스피어만-브라운 공식은 문항 수와 신뢰도 사이의 관계를 수량화해주기 때문에, 반분신뢰도 보정뿐 아니라 새 척도를 설계할 때 "목표 신뢰도를 얻으려면 문항이 몇 개 필요한가"를 가늠하는 데도 활용됩니다. 이런 이유로 척도 개발·타당화 논문의 방법론 절에서 자주 언급됩니다.

계산과 범위

원래 검사 신뢰도가 ρ일 때, 문항 수를 k배로 늘린(또는 줄인) 검사의 예상 신뢰도는 다음과 같습니다.

ρ_새 = k·ρ / (1 + (k − 1)·ρ)

k = 2는 문항 수를 두 배로 늘린다는 뜻이고, k = 0.5는 절반으로 줄인다는 뜻입니다.
반분신뢰도의 보정은 k = 2인 특별한 경우입니다: ρ_전체 = 2·r_반분 / (1 + r_반분). 반으로 나눈 두 부분의 상관 r이 .60이면 전체 검사의 신뢰도는 2×.60/1.60 = 0.75로 추정합니다.
목표 신뢰도 ρ*를 얻으려면 필요한 배수는 k = ρ*(1 − ρ) / (ρ(1 − ρ*))입니다. 현재 .70인 검사를 .90으로 올리려면 k = 3.86배, 즉 10문항 검사라면 약 39문항이 필요합니다(추가 문항이 모두 기존 문항과 같은 수준이라는 가정에서).

신뢰도는 0~1이고 k가 커질수록 1에 점근하기 때문에 늘릴수록 얻는 이득은 줄어듭니다.

해석 기준

원래 신뢰도	k = 2	k = 3	k = 4
.50	0.667	0.750	0.800
.70	0.824	0.875	0.903
.80	0.889	0.923	0.941

위 표는 공식에 값을 넣어 직접 계산한 것입니다.

전제: 추가하는 문항이 기존 문항과 평균 상관·분산이 같은 “동질적인 문항”이어야 합니다. 질이 낮은 문항을 더하면 예측보다 낮게 나옵니다.
예측이지 보증이 아닙니다. 실제로 늘린 검사는 따로 신뢰도를 다시 추정해야 합니다.
피로, 지루함, 응답 시간 증가처럼 문항 수가 늘면서 생기는 부작용은 공식에 들어 있지 않습니다.
반분신뢰도에 쓸 때는 반으로 나눈 두 부분의 분산이 비슷해야 하며, 크게 다르면 Rulon이나 Guttman의 반분 공식을 쓰기도 합니다.

보고 방법

반분신뢰도를 보고할 때: 나눈 방식(홀수·짝수 문항, 전반·후반, 무선 배정)과 보정 전 상관, 보정 후 값을 함께 적습니다.
검사 길이를 조정하는 근거로 쓸 때: 현재 신뢰도, 늘리거나 줄인 배수 k, 예측한 신뢰도를 적고 “동질적 문항을 추가한다고 가정했다”는 전제를 밝힙니다.

예시 문장. “홀수 문항과 짝수 문항으로 나눈 두 부분의 상관은 r = .xx였고, Spearman-Brown 공식으로 보정한 반분신뢰도는 .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.

"반분법으로 산출된 신뢰도 계수는 스피어만-브라운 공식을 적용하여 전체 문항 수 기준으로 보정하였다."

이 문장은 검사를 절반으로 나눠 구한 신뢰도 값이 전체 문항을 다 썼을 때보다 낮게 나오기 때문에, 공식을 이용해 원래 문항 수 기준의 신뢰도로 환산했다는 뜻입니다.

"기존 15문항 척도의 신뢰도를 바탕으로 스피어만-브라운 예언공식을 적용해 문항 수를 30개로 확장할 경우의 예상 신뢰도를 산출하였다."

이 문장은 실제로 문항을 만들어 검증하기 전에, 문항 수를 늘렸을 때 신뢰도가 어느 정도까지 오를지 미리 예측했다는 뜻입니다.

"단축형 척도를 개발하는 과정에서 스피어만-브라운 공식을 역으로 활용하여, 목표 신뢰도(.80)를 유지하는 데 필요한 최소 문항 수를 추정하였다."

이 문장은 문항을 줄이는 방향으로도 공식을 활용해, 신뢰도를 크게 해치지 않는 선에서 검사를 얼마나 짧게 만들 수 있는지를 계산했다는 뜻입니다.

조금 더 깊게 보면

스피어만-브라운 공식은 새로 추가되는 문항들이 기존 문항과 동일한 평균 상관(동질성)을 갖는다는 가정 위에 세워져 있어, 실제로는 이 가정이 어긋나면 예측값과 실제 신뢰도 사이에 차이가 발생할 수 있습니다. 반분신뢰도 산출 시에는 검사를 어떻게 반으로 나누느냐(홀짝 문항, 전후반 문항 등)에 따라 결과가 달라질 수 있어, 이 점도 함께 보고하는 것이 일반적입니다.

주의할 점

이 공식은 문항 수를 늘리기만 하면 신뢰도가 항상 좋아진다는 뜻이 아닙니다. 새로 추가되는 문항이 기존 문항과 비슷한 수준의 질과 동질성을 갖고 있다는 전제가 있어야 하며, 실제 신뢰도 검증은 여전히 크론바흐 알파 같은 지표로 확인해야 합니다.

헷갈리기 쉬운 용어

“공식”과 “방법”을 구분하면 쉽습니다.

용어	무엇인가	예언공식과의 관계
스피어만-브라운 예언공식	검사 길이가 바뀔 때의 신뢰도를 예측하는 공식	—
반분신뢰도	한 검사를 반으로 나눠 두 부분의 상관으로 구하는 방법	반 길이의 신뢰도를 전체 길이로 보정할 때 이 공식을 씀
크론바흐 알파	문항 간 평균 상관에서 구하는 내적 일관성 계수	문항 간 평균 상관을 이 공식에 넣은 값이 표준화 알파
동형검사 신뢰도	같은 내용의 두 형 점수의 상관	관련 없음(별개의 추정 방법)

참고 문헌

Spearman, C. (1910). Correlation calculated from faulty data. British Journal of Psychology, 3, 271–295.
Brown, W. (1910). Some experimental results in the correlation of mental abilities. British Journal of Psychology, 3, 296–322.
Crocker, L., & Algina, J. (1986). Introduction to Classical and Modern Test Theory. Holt, Rinehart and Winston.
Lord, F. M., & Novick, M. R. (1968). Statistical Theories of Mental Test Scores. Addison-Wesley.

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