보이지 않는 개념을 어떻게 측정할까? EFA·CFA와 신뢰도·타당도 (공인중개사 30년 실무 경험)

H1. 제9편 ― 보이지 않는 개념을 어떻게 측정할까? EFA·CFA와 신뢰도·타당도 (공인중개사 30년 실무 경험)

부제: 부동산경영 박사논문에서 잠재변수·설문문항·요인분석·측정모형을 제대로 이해하는 방법

본 글은 국내외 선행연구, 관계 법령, 공공기관 자료 및 공인중개사 30년 실무 경험을 바탕으로 작성한 논문형 연구 블로그입니다. 컴퓨터공학 · 부동산학 · 경영학 · 신학 · 경영학 박사과정 · Golf Teaching Pro

H2. 0. 초록(Abstract)

지금까지의 부동산 연구방법론 시리즈에서는 데이터와 변수 → 연구모형 → 기술통계 → 상관분석 → 회귀분석 → 매개효과 → 조절효과 → 조건부 과정분석으로 연구를 발전시켰다.

그러나 박사논문에서는 새로운 문제가 등장한다.

시장수요 · 입지경쟁력 · 투자만족도 · 개발사업 위험인식 · 부동산 투자태도

와 같은 개념은 토지면적이나 IC 거리처럼 자를 이용하여 직접 측정할 수 없다.

예를 들어 IC까지 거리는 3.2km라고 직접 기록할 수 있다. 토지가격도 500만 원/py라고 측정할 수 있다.

그러나 “이 지역의 입지경쟁력은 73점이다”라고 자연적으로 관찰되는 숫자는 존재하지 않는다.

따라서 연구자는 하나의 추상적 개념을 여러 개의 측정문항으로 나누어 관찰하고, 이 문항들이 실제로 동일한 잠재개념을 적절하게 측정하고 있는지를 검증해야 한다.

이를 가장 간단하게 표현하면 다음과 같다.

보이지 않는 개념 → 측정문항 개발 → 설문조사 → EFA → 요인구조 탐색 → 신뢰도 검토 → CFA → 측정모형 검증 → 수렴·판별타당도 검토 → 구조모형(SEM)

예를 들어 “물류창고 입지경쟁력”이라는 잠재개념을 다음과 같은 문항으로 측정한다고 가정할 수 있다.

IC 접근성이 우수하다 · 주요 간선도로 접근성이 우수하다 · 주요 소비시장 접근성이 우수하다 · 대형차량 진입여건이 우수하다

이 네 문항이 실제로 하나의 공통된 잠재개념인 “입지경쟁력”을 반영하는지를 검토하는 것이 요인분석의 중요한 목적 가운데 하나이다.

탐색적 요인분석(EFA)은 자료에서 어떠한 요인구조가 나타나는지를 탐색하는 데 사용되고, 확인적 요인분석(CFA)은 연구자가 이론과 선행연구를 바탕으로 미리 설정한 요인구조가 실제 자료에 부합하는지를 검증하는 접근이다. 방법론 문헌 역시 EFA를 가설 생성적·탐색적 접근으로, CFA를 사전에 설정한 측정구조를 검증하는 이론 또는 모형 중심의 접근으로 설명한다.

그러나 요인구조가 나타났다고 측정도구가 자동으로 좋은 것은 아니다.

연구자는 다음 질문을 단계적으로 검토해야 한다.

문항들이 일관되게 측정하는가? → 신뢰도

문항들이 의도한 개념을 제대로 측정하는가? → 타당도

같은 개념의 문항들이 충분히 모이는가? → 수렴타당도

서로 다른 개념들이 실제로 구별되는가? → 판별타당도

그리고 최종적으로

측정모형이 충분히 타당한가? → 구조모형 SEM으로 이동

이라는 순서를 거쳐야 한다.

특히 Cronbach’s α 하나만 높다고 좋은 척도라고 판단해서는 안 된다. α는 특정 측정가정을 전제로 하는 신뢰도 지표이며, 방법론 연구에서는 그 가정이 충족되지 않는 상황에서 McDonald’s ω와 같은 대안적인 신뢰도 지표를 함께 고려할 필요가 있음을 지적한다.

따라서 제9편의 핵심은 다음 가로 흐름으로 정리할 수 있다.

연구개념 → 조작적 정의 → 측정문항 → 데이터 수집 → EFA → 요인수 결정 → 요인적재량 → 신뢰도 → CFA → 모형적합도 → 수렴타당도 → 판별타당도 → 측정모형 확정 → SEM

본 글의 목적은 통계프로그램에서 EFA와 CFA 버튼을 누르는 방법을 외우는 것이 아니라,

“내가 측정하고 있다고 주장하는 개념을 정말 제대로 측정하고 있는가?”

라는 박사논문 연구자의 가장 기본적인 질문에 답하는 데 있다.

H2. 1. 서론(Introduction)

H3. 1.1 부동산 연구에서는 보이지 않는 변수가 많다

부동산 실무자료에는 직접 관찰 가능한 변수가 많다.

토지가격 · 거래금액 · 면적 · 도로폭 · IC 거리 · 공실률 · 임대료 · 금리

등은 일정한 측정단위를 이용하여 직접 관찰할 수 있다.

이를 관측변수(Observed Variable)라고 할 수 있다.

그러나 경영학과 부동산학 연구에서는 다음과 같은 개념도 중요하다.

입지경쟁력 · 시장매력도 · 투자만족도 · 개발위험 인식 · 부동산 투자태도 · 정책신뢰 · 서비스품질

이러한 개념은 하나의 숫자로 직접 관찰하기 어렵다.

따라서 여러 개의 관측문항을 통하여 잠재된 개념을 추론한다.

잠재개념 → 여러 측정문항 → 통계적 검증

이 과정이 측정모형 연구의 출발점이다.

H3. 1.2 관계를 분석하기 전에 측정이 정확해야 한다

예를 들어 다음 연구모형이 있다고 하자.

입지경쟁력(X) → 시장수요(M) → 투자성과(Y)

만약 “입지경쟁력”을 측정하는 설문문항 자체가 실제로는 교통접근성·지역이미지·가격수준 등 서로 다른 개념을 뒤섞어 측정하고 있다면 이후의 회귀분석이나 SEM 결과가 유의하더라도 연구의 해석은 불안정해진다.

따라서 연구는

좋은 이론 → 좋은 측정 → 좋은 데이터 → 적절한 분석 → 타당한 해석

의 순서를 따라야 한다.

측정이 잘못되면 이후의 복잡한 통계기법이 측정문제를 자동으로 해결해주지 않는다.

H3. 1.3 제9편에서 반드시 구별해야 할 개념

이번 편에서는 다음 흐름을 이해해야 한다.

관측변수 ↔ 잠재변수 → EFA와 CFA 차이 → 요인적재량 → 공통성 → 요인회전 → Cronbach's α → McDonald's ω → 복합신뢰도(CR) → AVE → 수렴타당도 → 판별타당도 → 모형적합도 → CFA → SEM

핵심은 각각의 지표를 독립적으로 외우는 것이 아니라 이들이 하나의 측정검증 과정으로 어떻게 연결되는지를 이해하는 것이다.

H2. 2. 이론적 배경(Literature Review)

H3. 2.1 잠재변수(Latent Variable)란 무엇인가

잠재변수는 연구자가 이론적으로 설정하지만 직접 관찰하기 어려운 개념이다.

예를 들어 “부동산 투자매력도”를 직접 측정하기 어려우므로 다음과 같은 문항을 사용할 수 있다.

향후 가격상승 가능성이 높다 · 임대수익 가능성이 높다 · 시장수요가 안정적이다 · 장기투자가치가 높다

이를 구조적으로 표현하면

투자매력도(잠재변수) → Q1 · Q2 · Q3 · Q4

가 된다.

CFA에서는 연구자가 어떤 문항이 어떤 잠재요인에 속하는지를 이론적으로 먼저 지정한 후 이 사전적 요인구조가 실제 자료와 부합하는지를 검증한다. lavaan 공식 CFA 자료도 CFA를 사전에 지정된 요인구조를 자료를 통해 검토하는 방식으로 설명한다.

H3. 2.2 EFA(탐색적 요인분석)는 구조를 탐색한다

탐색적 요인분석(Exploratory Factor Analysis, EFA)의 질문은 다음과 같다.

“이 설문문항들에는 실제로 몇 개의 공통요인이 존재하는가?”

즉 연구자가 요인구조에 대해 충분한 확신이 없을 때 자료에서 나타나는 구조를 탐색한다.

문항 20개 → 상관구조 분석 → 요인수 탐색 → 문항 묶음 확인 → 요인의 의미 해석

방법론 가이드라인은 EFA를 문항 간 관계를 이용하여 잠재된 요인구조를 탐색하고 가설을 생성하는 방법으로 설명한다.

H3. 2.3 CFA(확인적 요인분석)는 이론적 구조를 검증한다

확인적 요인분석(Confirmatory Factor Analysis, CFA)은 질문이 다르다.

“내가 이론적으로 설정한 요인구조가 실제 데이터에서도 지지되는가?”

예를 들어 연구자가 다음과 같이 가정했다고 하자.

입지경쟁력 = Q1·Q2·Q3·Q4

시장수요 = Q5·Q6·Q7·Q8

투자성과 = Q9·Q10·Q11·Q12

CFA에서는 이와 같이 사전에 설정한 측정모형이 실제 표본의 공분산구조와 어느 정도 부합하는지를 평가한다.

따라서 가장 쉽게 정리하면

EFA = 구조를 탐색

CFA = 구조를 검증

이다.

H3. 2.4 같은 데이터에서 EFA와 CFA(확인적 요인분석)를 기계적으로 반복해서는 안 된다

한 표본을 사용하여 EFA로 가장 잘 맞는 구조를 찾은 뒤 동일한 표본으로 곧바로 CFA를 실시하면 탐색단계에서 이미 자료에 맞춘 구조를 동일한 데이터에서 다시 확인하는 문제가 발생할 수 있다.

따라서 새로운 척도를 개발하는 연구에서는 연구설계와 표본크기가 허용한다면 표본을 나누거나 별도의 검증표본을 사용하여 EFA와 CFA를 수행하는 방법을 고려할 수 있다. 최근 척도개발 연구에서도 EFA와 CFA 표본을 분리하여 검증하는 사례가 보고된다.

다만 이것 역시 모든 연구에 적용되는 기계적인 규칙은 아니며 연구목적·기존 척도의 검증수준·표본크기·측정이론을 종합하여 결정해야 한다.

H2. 3. 관계 법령 및 제도 분석

H3. 3.1 설문연구와 개인정보 보호

EFA와 CFA는 통계방법이지만 설문응답자의 개인식별정보를 수집하는 경우 연구자는 통계적 타당성뿐 아니라 개인정보 보호와 연구윤리를 함께 검토해야 한다.

특히 이름·연락처·사업체정보·금융상황·자산정보 등 개인을 식별하거나 결합을 통하여 식별할 가능성이 있는 자료를 사용하는 경우에는 연구목적에 필요한 범위에서 자료를 수집·관리하고, 연구설계에 따라 가명처리 등의 적절한 보호조치를 검토하는 것이 중요하다.

H3. 3.2 통계적으로 필요한 정보와 반드시 수집해야 하는 개인정보는 다르다

연구자가 CFA를 실시한다고 해서 응답자의 이름이나 연락처가 반드시 필요한 것은 아니다.

따라서

연구목적 → 필요한 변수 판단 → 불필요한 개인정보 제외 → 데이터 코딩 → 분석용 자료 구축

의 방식으로 접근해야 한다.

부동산 연구에서도 “수집할 수 있는 정보”와 “연구에 반드시 필요한 정보”를 구별하는 것이 데이터 관리의 기본이다.

H3. 3.3 측정타당도와 법적 적법성은 별개의 문제다

설문문항의 CFA 적합도가 좋다고 해서 자료수집 절차가 자동으로 적법해지는 것은 아니다.

반대로 적법하게 수집한 자료라고 해서 측정모형이 자동으로 타당해지는 것도 아니다.

따라서 연구자는

법적 적법성 + 연구윤리 + 측정타당성 + 통계적 타당성

을 각각 검토해야 한다.

H2. 4. 핵심 이론 분석

H3. 4.1 핵심 연구방법론 용어 정리(Research & Statistical Terminology)

한글 용어	약어	영어 원음(IPA 발음기호)	한글 뜻	부동산에서의 의미
잠재변수(潛在變數)	LV	Latent Variable /ˈleɪtənt ˈveriəbəl/	직접 관찰할 수 없어 여러 지표로 추론하는 개념	입지경쟁력·시장매력도·투자만족도
관측변수(觀測變數)	OV	Observed Variable /əbˈzɜːrvd ˈveriəbəl/	자료에서 직접 측정·관찰되는 변수	IC거리·가격·설문문항 점수
요인분석(要因分析)	FA	Factor Analysis /ˈfæktər əˈnæləsɪs/	여러 변수의 공통구조를 요인으로 설명하는 분석	여러 입지평가 문항의 공통구조 파악
탐색적 요인분석(探索的要因分析)	EFA	Exploratory Factor Analysis /ɪkˈsplɔːrətɔːri ˈfæktər əˈnæləsɪs/	잠재 요인구조를 탐색하는 분석	새 부동산 투자척도의 구조 탐색
확인적 요인분석(確認的要因分析)	CFA	Confirmatory Factor Analysis /kənˈfɜːrmətɔːri ˈfæktər əˈnæləsɪs/	사전에 설정한 요인구조를 검증하는 분석	입지·수요·투자성과 측정모형 검증
요인(要因)	–	Factor /ˈfæktər/	여러 관측변수의 공통변동을 설명하는 잠재차원	교통접근성·시장매력도
요인적재량(要因積載量)	λ	Factor Loading /ˈfæktər ˈloʊdɪŋ/	문항과 잠재요인의 관계를 나타내는 계수	문항이 입지경쟁력을 얼마나 잘 반영하는지 판단
공통성(共通性)	h²	Communality /ˌkɑːmjəˈnæləti/	해당 문항의 분산 중 공통요인으로 설명되는 부분	설문문항이 공통 입지요인으로 설명되는 정도
고유성(固有性)	–	Uniqueness /juˈniːknəs/	공통요인으로 설명되지 않는 문항 고유부분	문항 고유특성·측정오차 등
요인회전(要因回轉)	–	Factor Rotation /ˈfæktər roʊˈteɪʃən/	요인구조를 해석하기 쉽게 변환하는 방법	입지·시장·성과 요인 구분을 명확화
신뢰도(信賴度)	–	Reliability /rɪˌlaɪəˈbɪləti/	측정결과의 일관성과 오차 관련 품질	투자태도 문항의 일관성
크론바흐 알파(係數)	α	Cronbach’s Alpha /ˈkrɑːnbɑːks ˈælfə/	널리 사용되는 내적 일관성 관련 신뢰도 계수	설문척도의 전통적 신뢰도 검토
맥도널드 오메가(係數)	ω	McDonald’s Omega /məkˈdɑːnəldz oʊˈmeɡə/	요인모형에 기반한 신뢰도 계수	요인적재량이 동일하지 않은 척도 신뢰도 검토
복합신뢰도(複合信賴度)	CR	Composite Reliability /kəmˈpɑːzɪt rɪˌlaɪəˈbɪləti/	여러 지표가 잠재개념을 일관되게 측정하는 정도	CFA 측정모형의 구성개념 신뢰도 검토
타당도(妥當度)	–	Validity /vəˈlɪdəti/	측정도구가 의도한 개념을 적절히 측정하는 정도	입지경쟁력 설문이 실제 입지개념을 반영하는지 평가
수렴타당도(收斂妥當度)	–	Convergent Validity /kənˈvɜːrdʒənt vəˈlɪdəti/	동일 개념의 지표들이 서로 충분히 수렴하는 정도	입지경쟁력 문항들이 하나의 요인으로 수렴
판별타당도(判別妥當度)	–	Discriminant Validity /dɪˈskrɪmɪnənt vəˈlɪdəti/	서로 다른 잠재개념이 실제로 구별되는 정도	입지경쟁력과 시장수요를 서로 구별
평균분산추출(平均分散抽出)	AVE	Average Variance Extracted /ˈævərɪdʒ ˈveriəns ɪkˈstræktɪd/	잠재변수가 지표의 분산을 평균적으로 설명하는 정도	구성개념의 수렴타당도 검토
이질특질-단일특질 비율(異質特質-單一特質比率)	HTMT	Heterotrait–Monotrait Ratio /ˈhetəroʊtreɪt ˈmɑːnoʊtreɪt ˈreɪʃioʊ/	서로 다른 구성개념 간 판별타당도를 평가하는 지표	입지·수요 등 잠재변수 구별 여부 검토
모형적합도(模型適合度)	–	Model Fit /ˈmɑːdəl fɪt/	가정한 모형이 관측자료와 어느 정도 부합하는지 나타내는 개념	측정모형 전체의 적합성 판단
측정모형(測定模型)	–	Measurement Model /ˈmeʒərmənt ˈmɑːdəl/	잠재변수와 측정문항의 관계를 나타낸 모형	입지경쟁력→Q1·Q2·Q3·Q4
구조모형(構造模型)	–	Structural Model /ˈstrʌktʃərəl ˈmɑːdəl/	잠재변수 사이의 관계를 나타내는 모형	입지경쟁력→시장수요→투자성과

H3. 4.2 EFA의 기본구조

예를 들어 부동산 개발사업 경쟁력을 측정하기 위하여 12개 문항을 만들었다고 하자.

연구자가 아직 문항구조를 충분히 확신하지 못한다면 EFA를 이용하여 다음을 탐색할 수 있다.

Q1~Q12 → 상관행렬 → 공통요인 추출 → 요인수 결정 → 회전 → 문항별 적재량 확인 → 요인명 부여

가상의 결과로

Q1~Q4 → 교통접근성

Q5~Q8 → 시장매력도

Q9~Q12 → 개발사업 안정성

이라는 세 요인이 나타날 수 있다.

이 경우 EFA는 문항들이 실제로 어떠한 차원으로 묶이는지를 발견하는 도구이다.

H3. 4.3 EFA 전에 자료가 요인분석에 적합한지 확인한다

EFA를 실시하기 전에는 변수들 사이에 요인분석에 사용할 만한 상관구조가 존재하는지를 검토해야 한다.

실무적으로는

상관행렬 → KMO → Bartlett 구형성 검정 → 표본과 문항구조 확인 → EFA

의 순서를 많이 사용한다.

최근 척도개발 가이드라인에서는 KMO와 Bartlett 검정을 자료의 요인분석 적합성을 검토하는 대표적인 방법으로 소개하고 있으나, 하나의 숫자만으로 EFA 가능 여부를 기계적으로 확정해서는 안 된다.

H3. 4.4 요인의 개수는 고유값 1만으로 결정하지 않는다

과거에는

Eigenvalue > 1

이라는 기준만으로 요인수를 결정하는 경우가 많았다.

그러나 요인의 수는 한 가지 기준만으로 결정하기보다

이론 → Scree Plot → Parallel Analysis → 요인해석 가능성 → 문항구조

를 종합하여 판단하는 것이 바람직하다.

현대의 척도개발 가이드라인 역시 이론적 판단, parallel analysis 및 scree test 등을 함께 활용하여 요인수를 결정하는 접근을 권고한다.

H3. 4.5 요인회전은 왜 하는가

EFA에서 요인이 여러 개 추출되더라도 최초 결과만으로는 어떤 문항이 어떤 요인과 연결되는지 해석하기 어려울 수 있다.

따라서 요인회전을 사용한다.

요인들이 서로 상관하지 않는다고 강하게 가정하면 직교회전을 생각할 수 있고, 부동산·경영학처럼 구성개념들이 현실적으로 서로 관련될 가능성이 있다면 사각회전(oblique rotation)을 고려할 수 있다.

방법론 문헌에서는 사각회전을 사용할 경우 요인 간 상관이 허용되므로 pattern matrix와 structure matrix의 의미를 구별하여 해석할 필요가 있다고 설명한다.

H3. 4.6 요인적재량은 무엇인가

요인적재량은 문항이 특정 요인과 얼마나 강하게 관련되어 있는지를 보여주는 핵심 계수이다.

가상의 결과가

Q1 → 입지경쟁력 : 0.78

Q2 → 입지경쟁력 : 0.74

Q3 → 입지경쟁력 : 0.69

라고 한다면 세 문항이 해당 요인을 비교적 강하게 반영하는 것으로 볼 수 있다.

그러나

적재량 몇 이상이면 무조건 유지

라는 하나의 절대값만으로 문항을 삭제해서는 안 된다.

요인적재량 + 교차적재 + 문항내용 + 이론 + 신뢰도 + 전체 측정모형

을 함께 검토해야 한다.

H3. 4.7 Cronbach’s α를 올바르게 이해해야 한다

Cronbach’s α는 여러 문항으로 구성된 척도의 신뢰도를 검토할 때 매우 널리 사용되어 왔다.

그러나

α 높음 = 척도가 반드시 단일차원

또는

α 높음 = 타당도가 확보됨

을 의미하지 않는다.

더욱이 α는 문항들이 진점수와 동일한 정도로 관련된다는 tau-equivalence와 같은 가정에 영향을 받으며, 이러한 가정이 현실에서 충족되지 않는 경우 ω와 같은 대안적 신뢰도 지표를 함께 고려할 수 있다.

따라서

Cronbach's α → 신뢰도 판단의 한 자료

이지

Cronbach's α → 측정도구 전체 품질 자동 인증

이 아니다.

H3. 4.8 McDonald’s ω를 함께 검토하는 이유

ω는 요인적재량을 고려하여 신뢰도를 추정하는 접근으로, 문항의 적재량이 모두 동일하다는 강한 가정이 현실적으로 맞지 않는 경우 α보다 유용한 정보를 제공할 수 있다.

따라서 박사논문 수준에서는 연구환경에 따라

α + ω + CFA 측정모형

을 함께 검토하는 것이 보다 설득력 있는 접근이 될 수 있다. 신뢰도 방법론 연구 역시 α와 ω의 차이를 설명하면서 ω를 실용적인 대안으로 제시한다.

H3. 4.9 신뢰도와 타당도는 같은 개념이 아니다

신뢰도는

일관되게 측정하는가?

를 묻는다.

타당도는

측정하려는 것을 제대로 측정하는가?

를 묻는다.

예를 들어 체중계가 실제 체중보다 항상 5kg 높게 표시하지만 반복 측정에서는 동일한 결과를 보인다면 일관성은 높아도 측정의 정확성과 타당성에는 문제가 있을 수 있다.

따라서

높은 신뢰도 ≠ 높은 타당도 자동 보장

이다.

H3. 4.10 CFA(확인적 요인분석)의 측정모형

CFA에서는 연구자가 사전에 다음과 같은 구조를 설정할 수 있다.

입지경쟁력(L1) → X1 · X2 · X3 · X4

시장수요(L2) → M1 · M2 · M3 · M4

투자성과(L3) → Y1 · Y2 · Y3 · Y4

이후 실제 자료가 이러한 요인구조와 어느 정도 부합하는지를 평가한다.

CFA는 특정 측정문항이 특정 잠재변수에 적재되도록 연구자가 이론적으로 모형을 미리 설정한다는 점에서 EFA와 본질적인 차이가 있다.

H3. 4.11 CFA(확인적 요인분석)의 모형적합도는 하나의 지수만 보면 안 된다

CFA에서는 흔히

χ² · CFI · TLI · RMSEA · SRMR

등 여러 적합도 정보를 함께 살펴본다.

방법론 가이드라인에서는 CFI·TLI·RMSEA·SRMR 등에 대한 대표적인 경험적 기준을 제시하지만, 이를 절대적인 합격선처럼 기계적으로 적용하기보다 표본크기·모형복잡성·자료특성·추정방법·이론적 타당성을 함께 검토해야 한다.

따라서

한 지수 통과 → 좋은 모형

이 아니라

여러 적합도 지수 + 계수 + 잔차 + 이론 + 측정내용

을 종합적으로 판단해야 한다.

H3. 4.12 수렴타당도(Convergent Validity)

수렴타당도는 동일한 잠재개념을 측정한다고 설정한 여러 문항이 실제로 충분히 동일한 개념으로 수렴하는지를 의미한다.

예를 들어

IC 접근성 우수

간선도로 접근성 우수

물류거점 접근성 우수

라는 문항들이 모두 “교통입지 경쟁력”이라는 하나의 요인과 충분히 연결되어야 한다.

CFA에서는 요인적재량·복합신뢰도(CR)·평균분산추출(AVE) 등의 정보를 이용하여 이를 검토할 수 있다.

Fornell과 Larcker의 고전적 연구는 측정오차를 포함한 잠재변수 모형의 평가와 측정품질 문제를 구조방정식 연구에서 체계적으로 다룬 대표적 연구이다.

H3. 4.13 판별타당도(Discriminant Validity)

판별타당도는 서로 다른 개념이 실제 측정자료에서도 구별되는지를 평가한다.

예를 들어

입지경쟁력

과

시장수요

는 이론적으로 관련될 수 있지만 동일한 개념은 아니다.

만약 두 잠재변수가 거의 구별되지 않는다면

입지경쟁력 ≈ 시장수요

가 되어 연구모형의 의미가 약해질 수 있다.

전통적으로 Fornell–Larcker 기준 등이 활용되어 왔고, 이후 Henseler·Ringle·Sarstedt는 분산기반 SEM에서 기존 기준이 판별타당도 문제를 충분히 포착하지 못할 수 있다고 지적하며 HTMT를 대안으로 제안하였다.

따라서 연구방법에 따라

잠재변수 상관 → Fornell–Larcker → HTMT → 이론적 구별 가능성

등을 종합적으로 검토한다.

H3. 4.14 수정지수(Modification Index)를 남용하면 안 된다

CFA 프로그램은 모형적합도를 개선할 수 있는 수정 가능성을 제시할 수 있다.

그러나

Modification Index 높음 → 무조건 오차공분산 연결

방식으로 수정하면 데이터에 지나치게 맞춘 모형이 될 수 있다.

모형수정은

수정지수 → 문항내용 확인 → 동일한 표현·측정방법 여부 → 이론적 근거 → 수정의 의미 → 재검증

순서가 필요하다.

측정모형은 “적합도 숫자를 높이는 게임”이 아니라 연구개념을 올바르게 측정하는 모형이어야 한다.

H3. 4.15 EFA에서 CFA(확인적 요인분석) 그리고 SEM까지의 전체 흐름

이제 연구의 흐름을 한 줄로 연결할 수 있다.

연구개념 → 문항개발 → 예비조사 → 데이터 정제 → EFA → 요인수 결정 → 문항정제 → 신뢰도 → CFA → 측정모형 → 수렴타당도 → 판별타당도 → 측정모형 확정 → 구조모형 SEM

이 과정에서

EFA = 무엇이 묶이는가?

CFA = 내가 예상한 대로 묶이는가?

SEM = 검증된 잠재변수들이 서로 어떻게 연결되는가?

라고 이해하면 전체 구조가 명확해진다.

H2. 5. 실무 사례 연구(Case Study)

H3. 5.1 사례 1 ― 물류창고 입지경쟁력 척도

실무질문은 다음과 같다.

“물류창고의 입지경쟁력은 무엇으로 측정해야 하는가?”

단순히 IC 거리 하나만으로 전체 입지경쟁력을 설명하기 어려울 수 있다.

따라서 가상의 측정문항을 다음과 같이 구성할 수 있다.

IC 접근성이 우수하다 · 간선도로 접근성이 우수하다 · 수도권 물류거점 접근성이 우수하다 · 대형화물차 진입이 용이하다

연구과정은

입지이론 → 문항개발 → 전문가 검토 → EFA → 요인구조 → 신뢰도 → CFA → 수렴·판별타당도

로 발전한다.

입지경쟁력이 측정모형에서 충분히 검증된 후

입지경쟁력 → 입주수요 → 투자성과

라는 구조모형을 분석하는 것이 논리적으로 적절하다.

H3. 5.2 사례 2 ― 공장부지 기업 입지선호도

실무질문은

“기업이 특정 공장부지를 선호하는 이유를 하나의 척도로 측정할 수 있는가?”

이다.

가상의 문항은

도로조건이 기업운영에 유리하다 · 산업단지 접근성이 좋다 · 인력확보가 용이하다 · 물류비 절감에 유리하다 · 사업확장 가능성이 높다

와 같이 구성할 수 있다.

EFA 결과에서

교통·물류요인

과

기업운영요인

이라는 두 요인이 나타날 수도 있다.

이 경우 연구자는 처음 생각한 “입지선호도 하나”라는 개념이 실제로는 두 개의 서로 다른 잠재차원으로 구성되는지를 이론과 데이터로 재검토해야 한다.

H3. 5.3 사례 3 ― 상가 투자매력도와 시장수요

상가 투자에서는

유동인구 · 상권성장성 · 공실위험 · 임대료 수준 · 장기투자가치

등 다양한 요소가 함께 고려된다.

연구자가 이를 모두 “투자매력도” 하나의 변수로 묶었다고 하자.

그러나 EFA에서는

시장활성도

와

투자안정성

이라는 두 개의 요인이 분리되어 나타날 수도 있다.

그렇다면

통계적으로 하나로 묶고 싶다

는 연구자의 의도보다

실제 개념이 어떻게 구성되어 있는가

를 우선해야 한다.

이후 CFA를 통해 두 요인구조가 다른 표본이나 검증모형에서도 유지되는지 확인할 수 있다.

H3. 5.4 사례 4 ― 부동산 개발사업 위험인식

개발사업 위험은 하나의 요소가 아니다.

인허가위험 · 금융위험 · 시장위험 · 공사비위험 · 분양·임대위험

이 존재할 수 있다.

가상의 20개 위험측정 문항을 개발하였다면

문항개발 → EFA → 위험요인 구조 탐색 → 신뢰도 → CFA → 5요인 측정모형 검증

으로 진행할 수 있다.

이후

개발사업 위험인식 → 투자태도 → 투자결정

등의 관계를 SEM으로 분석할 수 있다.

이는 부동산 실무에서 경험하는 복잡한 위험개념을 학술적으로 측정 가능한 잠재변수로 전환하는 대표적인 사례이다.

H2. 6. 실무 체크리스트

부동산 박사논문에서 새로운 설문척도나 잠재변수를 사용할 때 다음 순서가 실용적이다.

연구개념 정의 → 선행척도 검토 → 조작적 정의 → 문항개발 → 전문가 내용검토 → 예비조사 → 데이터 코딩 → 결측치·이상치 → 기술통계 → 문항분포 → 상관구조 → KMO·Bartlett → EFA → 요인수 결정 → 회전 → 요인적재량·교차적재 검토 → 문항내용 재검토 → 신뢰도 α·ω 등 검토 → CFA → 표준화 적재량 → 모형적합도 → CR·AVE → 수렴타당도 → 판별타당도 → 측정모형 확정 → SEM

중요한 것은 문항을 많이 삭제하여 결과를 예쁘게 만드는 것이 아니다.

통계적 결과 → 문항의 의미 → 선행연구 → 구성개념 정의 → 현장논리

가 함께 맞아야 한다.

특히 표본크기도 문항 수 × 10처럼 하나의 공식으로 기계적으로 결정해서는 안 된다. 최근 측정척도 방법론 가이드라인은 표본크기가 요인적재량·공통성·요인당 지표수·추정방법·결측패턴·자료형태·모형복잡성 등에 따라 달라져야 한다고 설명한다.

H2. 7. 정리

EFA와 CFA를 어렵게 느끼는 이유는 프로그램의 메뉴가 복잡해서라기보다 “보이지 않는 개념을 숫자로 측정한다”는 사고가 처음에는 낯설기 때문이다.

그러나 핵심은 단순하다.

보이지 않는 개념 → 여러 문항으로 관찰 → 문항들의 공통구조 확인 → 신뢰도 확인 → 이론적 측정모형 검증

이다.

EFA의 질문은

어떤 구조가 숨어 있는가?

이고,

CFA의 질문은

내가 예상한 구조가 실제 자료에서 지지되는가?

이다.

신뢰도의 질문은

일관되게 측정하는가?

이고,

타당도의 질문은

정말 측정하려는 개념을 측정하는가?

이다.

결국

EFA → CFA → SEM

은 서로 분리된 통계과목이 아니다.

탐색 → 측정검증 → 관계검증

이라는 하나의 박사논문 연구과정이다.

H2. 8. 자주 묻는 질문(FAQ)

H3. 8.1 EFA와 CFA의 가장 쉬운 차이는 무엇입니까?

EFA = 요인구조를 탐색 · CFA = 사전에 설정한 요인구조를 검증

으로 기억하면 된다. CFA는 연구자가 먼저 측정모형을 정의한 후 자료와의 부합 여부를 평가하는 이론 중심 접근이다.

H3. 8.2 기존에 검증된 척도를 사용하면 반드시 EFA부터 해야 합니까?

반드시 그렇지는 않다. 충분히 검증된 이론적 척도를 새로운 표본에서 확인하는 목적이라면 CFA부터 접근하는 것이 더 적절한 경우도 있다. 연구목적과 기존 척도의 검증수준을 먼저 판단해야 한다.

H3. 8.3 Cronbach’s α가 0.9 이상이면 좋은 척도입니까?

숫자 하나만으로 판단할 수 없다. 지나치게 유사한 문항이 반복되어 α가 높아질 수도 있으며 α는 특정 가정을 가진 신뢰도 계수이다. 따라서 요인구조와 ω 등 다른 정보도 함께 검토하는 것이 좋다.

H3. 8.4 신뢰도가 높으면 타당도도 높은가요?

아니다. 신뢰도는 측정의 일관성과 관련되고 타당도는 원하는 개념을 제대로 측정하는지와 관련된다. 서로 관련은 있지만 동일한 개념이 아니다.

H3. 8.5 요인적재량이 낮은 문항은 무조건 삭제해야 하나요?

아니다. 적재량뿐 아니라 문항의 이론적 중요성·교차적재·구성개념 내용범위·신뢰도·CFA 결과를 함께 검토해야 한다.

H3. 8.6 EFA에서 요인수를 Eigenvalue > 1로만 정하면 됩니까?

권장하기 어렵다. 이론, scree plot, parallel analysis와 요인의 해석가능성을 함께 고려하는 것이 보다 적절하다.

H3. 8.7 CFA의 CFI나 RMSEA 하나만 좋으면 측정모형이 좋은가요?

아니다. 여러 적합도지수와 요인적재량·잔차·수렴타당도·판별타당도·이론적 적합성을 함께 검토해야 한다.

H3. 8.8 AVE는 왜 확인합니까?

잠재변수가 자신의 측정지표에서 얼마나 충분한 분산을 설명하는지 검토하여 수렴타당도를 판단하는 데 활용된다. CR·요인적재량 등과 함께 해석하는 것이 일반적이다.

H3. 8.9 판별타당도가 부족하면 어떤 문제가 발생합니까?

연구자가 서로 다른 변수라고 이름 붙인 개념들이 실제 측정에서는 구분되지 않을 수 있다. 그러면 이후 구조모형에서 변수 간 관계를 해석하는 의미도 약해진다. HTMT는 이러한 판별타당도 문제를 평가하기 위해 제안된 방법 가운데 하나이다.

H3. 8.10 CFA 다음에는 무엇을 공부해야 합니까?

측정모형의 신뢰도와 타당도가 충분히 검토된 후 잠재변수 사이의 구조적 관계를 동시에 검증하는 구조방정식모형(SEM)으로 발전하는 것이 자연스럽다.

H2. 9. 연구자의 실무 의견(Author’s Insight)

공인중개사 실무에서는 토지가격이나 면적처럼 숫자로 바로 확인되는 정보만큼이나 숫자로 직접 보이지 않는 판단요인이 중요하다.

예를 들어 공장부지를 검토할 때 실무자는

“이 부지는 기업들이 좋아할 것 같다.”

“장기적으로 입지가 좋아질 것이다.”

“이 지역은 개발사업 위험이 높다.”

라고 판단한다.

이러한 판단은 실무에서는 매우 중요하지만 박사논문에서는 그대로 변수로 사용할 수 없다.

따라서 연구자는 먼저

현장경험 → 추상적 개념 발견 → 구성개념 정의 → 측정문항 개발 → 통계적 검증

으로 전환해야 한다.

실무자의 경험은 좋은 측정문항을 발견하는 중요한 출발점이 될 수 있다.

예를 들어 물류창고 입지경쟁력에 대해 현장을 모르는 연구자가 단순히 “교통이 편리하다”는 한 문항만 만들 수도 있다.

그러나 실무적으로는

IC 접근성 + 도로폭 + 대형차 회전·진입 + 간선도로 연결 + 배송권역 + 인력접근성

이 서로 다른 의미를 가질 수 있다.

따라서

현장경험 + 선행연구 + 측정이론 + EFA·CFA

를 결합하면 부동산 실무에서 경험적으로 사용하던 판단을 학술적으로 검증 가능한 변수로 발전시킬 수 있다.

이것이 부동산 실무와 경영학 연구방법론을 융합하는 중요한 과정이다.

H2. 10. 정책 제언 및 투자 전략

첫째, 부동산 투자지표를 만들 때 단일지표와 잠재개념을 구별해야 한다.

IC 거리 = 직접 관측 가능

입지경쟁력 = 여러 요소를 통하여 측정할 수 있는 잠재개념

이므로 두 변수를 동일한 방식으로 다루어서는 안 된다.

둘째, 투자평가지수를 만들 때 가중치를 임의로 부여하기 전에 측정구조를 검증할 필요가 있다.

문항 작성 → 전문가 판단 → 데이터 수집 → EFA/CFA → 타당도 검토 → 투자지표 개발

방식이 객관성을 높일 수 있다.

셋째, 지역개발 정책평가에서도 “정책만족도” 또는 “개발기대감” 같은 추상개념은 한 문항보다 충분한 이론적 근거를 가진 다문항 척도를 사용하는 것을 검토할 수 있다.

넷째, AI·빅데이터 시대에도 측정이론의 중요성은 줄어들지 않는다.

대규모 데이터라고 하더라도 잘못 정의된 변수와 잘못 측정된 구성개념을 사용하면 분석결과의 의미가 흔들릴 수 있다.

따라서

데이터 규모보다 먼저 → 무엇을 어떻게 측정했는가

라는 질문이 중요하다.

H2. 11. 결론(Conclusion)

제9편의 가장 중요한 질문은 하나이다.

“보이지 않는 개념을 어떻게 믿을 수 있는 숫자로 바꿀 것인가?”

이에 대한 연구의 흐름은 다음과 같다.

이론적 개념 → 조작적 정의 → 설문문항 → 관측자료 → EFA → 신뢰도 → CFA → 수렴타당도 → 판별타당도 → 측정모형 → SEM

EFA는

데이터 안에 어떤 요인구조가 존재하는가?

를 탐색한다.

CFA는

내가 이론적으로 설정한 요인구조가 실제 자료에서도 지지되는가?

를 검증한다.

신뢰도는

일관되게 측정하는가?

를 평가하고,

타당도는

측정하려는 개념을 제대로 측정하는가?

를 평가한다.

따라서 박사논문에서는

Cronbach's α가 높다 → 설문이 좋다

라는 단순한 결론에서 벗어나야 한다.

이론적 정의 → 문항내용 → 요인구조 → α·ω → CFA → CR·AVE → 판별타당도 → 전체 측정모형

을 종합해야 한다.

이 측정모형이 충분히 검토되어야 비로소 다음 단계에서

잠재변수 X → 잠재변수 M → 잠재변수 Y

와 같은 구조모형을 보다 설득력 있게 분석할 수 있다.

결국 제9편은 SEM을 배우기 전의 부수적인 과정이 아니다.

좋은 구조방정식모형을 만들기 위한 가장 중요한 기초공사이다.

H2. 12. 참고문헌(References)

Tavakol, M. & Wetzel, A. (2020), Factor Analysis: a means for theory and instrument development in support of construct validity. EFA와 CFA의 역할을 구분하고, CFA가 사전적으로 정의한 이론적 측정구조를 검증하는 접근임을 설명하는 방법론 자료이다.
Rosseel, Y., lavaan CFA Tutorial. 구조방정식 분석 패키지 lavaan의 공식 자료로, 잠재변수와 측정지표를 지정하여 CFA 측정모형을 설정하고 추정하는 기본원리를 실제 예제로 설명한다.
Best Practice Guidelines for Measurement Scale Development and Validation. 척도 개발에서 EFA·요인수 결정·회전·CFA·표본크기·적합도 등을 체계적으로 정리하며 하나의 경험적 기준보다 이론과 여러 진단정보를 종합할 필요성을 설명한다.
Zhang, Z. & Yuan, K.-H. 관련 α와 ω 비교 연구. Cronbach’s α의 가정과 한계를 설명하고 McDonald’s ω가 신뢰도 평가에서 실용적인 대안이 될 수 있음을 분석한 방법론 연구이다.
Fornell, C. & Larcker, D. F. (1981), Evaluating Structural Equation Models with Unobservable Variables and Measurement Error. 잠재변수와 측정오차를 포함하는 구조방정식모형의 평가문제를 다룬 대표적인 고전연구로, 측정모형의 신뢰도·타당도 검토에서 지속적으로 인용된다.
Henseler, J., Ringle, C. M. & Sarstedt, M. (2015), A New Criterion for Assessing Discriminant Validity in Variance-Based Structural Equation Modeling. 기존 Fornell–Larcker 기준과 교차적재량 접근의 한계를 검토하고 판별타당도 평가를 위한 HTMT를 제안한 연구이다.
Boateng, G. O. et al. (2018), Best Practices for Developing and Validating Scales. 측정척도의 개념화·문항개발·요인분석·타당화로 이어지는 전체 과정을 체계적으로 설명하는 척도개발 방법론 자료이다.
Google AdSense Help, Make sure your site’s pages are ready for AdSense. Google은 사이트가 방문자에게 관련성이 있고 독창적인 콘텐츠를 제공하며 좋은 사용자 경험을 갖추는 것을 중요하게 안내한다. 본 글 역시 단순 통계용어 나열이 아니라 부동산 실무 사례와 연구방법론을 결합하여 독자 스스로 연구과정을 이해하도록 구성하였다.