구조방정식모형 (Structural Equation Modeling)
쉽게 풀면
"자존감"이나 "직무만족"처럼 자로 잴 수 없는 추상적 개념은 여러 개의 설문 문항으로 간접적으로 측정합니다. 구조방정식모형은 이 과정을 두 단계로 나누어 한 번에 처리합니다. 첫 번째는 여러 문항이 실제로 하나의 개념을 잘 나타내는지 확인하는 "측정모형"(요인분석과 비슷한 역할)이고, 두 번째는 그렇게 만들어진 개념들 사이에 어떤 원인-결과 화살표가 성립하는지 확인하는 "구조모형"(회귀분석과 비슷한 역할)입니다. 레고 블록을 조립해 먼저 작은 구조물(개념)을 여러 개 만들고, 그 구조물들을 다시 화살표로 이어 큰 건축물(이론모형) 전체가 실제 데이터와 잘 들어맞는지 한 번에 검증하는 것과 비슷하다고 생각하면 이해하기 쉽습니다.
왜 중요한가
구조방정식모형은 측정오차를 명시적으로 다루면서 여러 변수 간의 복잡한 인과 경로를 하나의 모형으로 동시에 검증할 수 있게 해주기 때문에, 경영학·교육학·심리학·보건학 등 눈에 보이지 않는 개념을 다루는 사회과학 전반에서 핵심 분석 도구로 자리 잡고 있습니다. 특히 매개효과나 조절효과처럼 변수들이 순차적으로 영향을 주고받는 복잡한 이론모형을 검증할 때, 여러 번의 회귀분석을 따로 수행하는 것보다 전체 모형의 적합도를 한 번에 평가할 수 있다는 점이 널리 채택되는 이유입니다.
논문에서는 이렇게 쓰입니다
이 문장은 경영학·교육학·심리학 논문에서 여러 변수 간의 복잡한 인과 경로를 한 번에 검증했다는 서술입니다. 연구자는 CFI, RMSEA 같은 적합도지수를 함께 보고해, 제안한 이론모형이 실제 데이터를 얼마나 잘 설명하는지 독자가 판단할 수 있도록 합니다.
교육학 연구에서는 교사의 행동이 학생 성과에 직접 영향을 주기도 하지만, 학생 스스로의 심리적 상태를 거쳐 간접적으로도 영향을 준다는 것을 하나의 모형으로 함께 검증했다는 뜻이다.
보건학 연구에서는 설문 척도가 실제로 의도한 개념들을 잘 나누어 측정하는지 먼저 확인한 뒤, 그 결과를 바탕으로 변수 간 인과 경로를 검증했다는 뜻이다.
조금 더 깊게 보면
구조방정식모형의 적합도는 카이제곱 검정 하나로만 판단하지 않고, CFI·TLI 같은 증분적합지수와 RMSEA·SRMR 같은 절대적합지수를 함께 보고하는 것이 관례인데, 이는 표본크기가 클수록 카이제곱 검정이 지나치게 민감해져 사소한 불일치에도 모형을 기각하는 경향이 있기 때문입니다. 또한 모형이 데이터를 잘 설명한다고 해서 그 인과 방향이 유일하게 옳다는 뜻은 아니며, 이론적으로 다른 인과 방향을 가정한 대안모형도 비슷하거나 더 나은 적합도를 보일 수 있다는 점에서 모형 비교와 이론적 근거가 함께 요구됩니다.
주의할 점
적합도지수가 좋게 나왔다고 해서 그 모형에 담긴 인과관계가 "증명"된 것은 아니며, 데이터와 "모순되지 않는다"는 의미에 가깝습니다. 또한 안정적인 추정을 위해서는 표본크기가 충분히 커야 하며, 측정모형 부분은 요인분석과 원리가 비슷하므로 함께 이해하면 좋습니다.