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.
언제 쓰나
눈에 보이지 않는 개념(잠재변수)을 여러 문항으로 재면서 그 개념들 사이의 관계를 한 모형에서 검증하고 싶을 때 씁니다. 다음 조건이 맞을 때 적합합니다.
- 이론이나 선행 연구에서 나온 구체적인 관계 구조(어떤 변수가 어떤 변수에 영향을 주는지)가 먼저 있습니다. 구조방정식은 탐색보다 가설 모형의 확인에 가깝습니다.
- 측정오차를 반영해 잠재변수 사이의 관계를 추정하고 싶습니다. 문항 합계점수로 회귀하면 측정오차 때문에 계수가 작게 추정될 수 있습니다.
- 매개, 여러 결과변수, 요인 간 관계처럼 방정식이 여럿인 구조를 한 번에 추정하고 싶습니다.
| 상황 | 보통 고르는 방법 |
|---|---|
| 관측변수만으로 인과 경로를 검증 | 경로분석 |
| 문항이 의도한 요인 구조로 묶이는지 확인 | 확인적 요인분석 |
| 잠재변수 사이의 관계까지 검증 | 구조방정식모형 |
| 잠재변수가 없는 단순한 영향 관계 | 회귀분석 |
표본 크기에 대한 일률적 기준은 없습니다. 모형이 복잡할수록, 문항의 적재량이 낮을수록 더 많은 표본이 필요합니다.
결과는 이렇게 읽는다
구조방정식은 보통 두 단계로 읽습니다. 먼저 측정모형(문항이 잠재변수를 잘 측정하는가)이 괜찮은지 확인하고, 그다음 구조모형(잠재변수 사이의 경로)을 해석합니다(Anderson & Gerbing, 1988).
- 식별: 자료에서 얻는 정보(관측변수가 p개면 분산·공분산 p(p + 1)/2개)보다 추정할 모수가 많으면 추정이 되지 않습니다. 예를 들어 관측변수 6개, 문항 3개씩 두 요인(요인 간 상관 허용)이면 정보는 21개, 자유 모수는 13개(적재량 4, 오차분산 6, 요인분산 2, 요인 공분산 1)이어서 자유도는 21 − 13 = 8입니다. 자유도가 0이면 모형이 자료를 완벽히 재현하는 것이어서 적합도를 평가할 수 없습니다.
- 카이제곱(χ²)과 자유도: 모형이 자료와 완전히 일치한다는 귀무가설의 검정입니다. 표본이 크면 사소한 어긋남에도 기각되어, 다른 적합도 지수와 함께 봅니다.
- 적합도 지수: Hu와 Bentler(1999)는 CFI·TLI .95 이상, RMSEA .06 이하, SRMR .08 이하를 함께 만족하는 것을 좋은 적합의 기준으로 제안했습니다. 이 값들은 시뮬레이션에서 나온 관례이며 모든 모형에 맞는 절대 기준이 아니라는 비판도 있습니다(Marsh, Hau, & Wen, 2004).
- 경로계수: 표준화 계수로 상대적 크기를 비교하고, 유의성은 z값(추정치/표준오차)이나 신뢰구간으로 봅니다. 간접효과는 보통 부트스트랩 신뢰구간으로 검정합니다.
- 적합도가 좋아도 인과가 증명된 것은 아닙니다. 같은 자료에 똑같이 잘 맞는 다른 모형(동치 모형)이 있을 수 있습니다.
논문에는 이렇게 보고한다
(수치는 형식을 보여 주는 가상의 값입니다.)
측정모형은 양호한 적합도를 보였고(χ²(48) = 85.3, p = .001, CFI = .96, TLI = .95, RMSEA = .06, 90% CI [.04, .08], SRMR = .04), 구조모형에서 조직문화는 직무만족(β = .52, p < .001)을 거쳐 이직의도(간접효과 β = −.21, 95% 부트스트랩 CI [−.31, −.12])에 영향을 주었다.
- 모형의 이론적 근거, 추정 방법(최대우도, 문항이 서열형이면 WLSMV 등), 결측 처리, 사용한 프로그램을 밝힙니다.
- 카이제곱·자유도·p와 함께 적합도 지수 여러 개와 RMSEA의 신뢰구간을 모두 적습니다. 좋은 지수만 골라 쓰지 않습니다.
- 수정지수에 따라 모형을 고쳤다면 어떤 항목을 왜 고쳤는지 밝힙니다. 자료에 맞추어 고친 모형은 새 자료로 다시 확인해야 합니다.
- 경쟁 모형(대안 구조)과 비교한 결과를 제시하면 설득력이 높아집니다.
논문에서는 이렇게 쓰입니다
실제 논문에서
국내 학술지 논문에서 이 용어가 쓰인 문장을 그대로 옮겼습니다. 제목·학술지·연도와 원문 링크를 함께 적었습니다.
“대상자 수 선정을 위해 요구되는 구조방정식 모형에서의 표준 크 기는 구조방정식의 최대우도법(maximum likehood estimation)에 적합한 표본 크기로 200명 이상을 요구하는 것에 근거하였다”
여성 류마티스 관절염 환자의 건강관련 삶의 질 구조모형, Korean Journal of Women Health Nursing, 2023 · KoreaMed Synapse · 원문 보기 ↗
“이를 위해 서울·경기, 전남·북 지역 고등학생 600명을 대상으로 설문조사를 실시하였으며, 분석방법으로 구조방정식 모형인 Mplus 프로그램을 사용하였다.”
청소년 자살에 영향을 미치는 위험요인과 보호요인 -보호요인의 매개효과를 중심으로, 정신건강과 사회복지, 2008 · KCI 한국학술지인용색인 · 원문 보기 ↗
“표집된 자료는 구조방정식 모형분석방법을 통하여 분석하였다.”
아동빈곤이 가정내 사회적 자본과 문화적 자본을 통해 학교적응에 미치는 영향, 아동과 권리, 2011 · KCI 한국학술지인용색인 · 원문 보기 ↗
예시 문장
아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.
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.
헷갈리기 쉬운 용어
| 용어 | 무엇인가 | 구조방정식과의 관계 |
|---|---|---|
| 경로분석 | 관측변수만으로 경로를 추정 | 측정오차는 반영하지 못함. 구조방정식의 특수한 경우 |
| 확인적 요인분석 | 문항-요인의 측정 구조를 검증 | 구조방정식의 측정모형 부분 |
| 탐색적 요인분석 | 요인 구조를 자료에서 찾음 | 가설 모형 확인이 아니라 탐색 |
| 잠재변수 | 직접 재지 못하고 문항들로 추정하는 변수 | 구조방정식이 다루는 핵심 대상 |
| lavaan | R에서 구조방정식을 추정하는 패키지 | 분석 도구이지 방법이 아님 |
참고 문헌
- Bollen, K. A. (1989). Structural Equations with Latent Variables. Wiley.
- Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling (4th ed.). Guilford Press.
- Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55.
- Anderson, J. C., & Gerbing, D. W. (1988). Structural equation modeling in practice: A review and recommended two-step approach. Psychological Bulletin, 103(3), 411–423.
- Marsh, H. W., Hau, K.-T., & Wen, Z. (2004). In search of golden rules: Comment on hypothesis-testing approaches to setting cutoff values for fit indexes and dangers in overgeneralizing Hu and Bentler’s (1999) findings. Structural Equation Modeling, 11(3), 320–341.
표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.