3강. 확인적 요인분석 그리기와 실행

그릴 모형 정하기

Jamovi 6강과 같은 모형을 Amos에서 그립니다. 학습동기(동기1~3), 학습불안(불안1~3), 학습전략(전략1~3)의 3요인이 있고, 각 문항은 자기 요인에만 연결되며, 요인끼리는 상관을 허용합니다.

모형이 식별되는지 계산해 둡니다. 문항이 9개이면 분산·공분산이 9×10÷2 = 45개입니다. 추정할 값은 요인적재량 6개(요인마다 첫 문항의 적재량은 1로 고정), 요인 분산 3개, 요인 상관 3개, 오차 분산 9개로 모두 21개입니다. 45 − 21 = 자유도 24가 되어 추정할 수 있는 모형입니다.

요인마다 첫 문항의 적재량을 1로 고정하는 것은 요인의 단위를 정하기 위해서입니다. Amos의 지표 추가 도구를 쓰면 이 고정이 자동으로 들어가는 것으로 알려져 있으며, 실제로 지표 도구를 쓰면 첫 문항 경로에 1이 자동으로 표시됩니다.

경로도 그리기

1. 1

   새 경로도를 열고 데이터를 연결합니다.

   2강의 방법으로 Data Files에서 .sav 파일을 연결합니다. 사례 수가 300으로 보이는지 확인합니다.

   

2. 2

   지표 추가 도구로 첫 번째 요인을 그립니다.

   타원을 그린 뒤 타원을 세 번 눌러 지표 사각형 세 개를 만듭니다. 각 사각형에는 오차가 붙습니다.

   

3. 3

   Duplicate 도구로 요인 그림을 두 번 복사합니다.

   한 요인의 그림을 통째로 복사해 두 개 더 만들고, 세 요인을 위아래로 나란히 놓습니다.

   

4. 4

   변수 목록에서 문항 이름을 끌어다 놓습니다.

   동기1~3은 첫 번째 요인, 불안1~3은 두 번째, 전략1~3은 세 번째 요인의 사각형에 놓습니다.

   

5. 5

   요인과 오차에 이름을 붙입니다.

   타원을 두 번 눌러 속성 창에서 이름을 씁니다. 요인 이름은 학습동기, 학습불안, 학습전략으로 하고, 오차는 e1~e9로 규칙을 정합니다. Plugins 메뉴의 Name Unobserved Variables를 쓰면 이름이 한꺼번에 붙는 것으로 알려져 있습니다.

   

6. 6

   Draw covariances 도구로 요인 사이에 양쪽 화살표를 그립니다.

   세 요인 사이에 화살표 세 개를 그려 요인끼리 상관을 허용합니다.

   

Name Unobserved Variables는 오차(e1~e9)와 요인(F1~F3) 이름을 자동으로 붙입니다. Draw Covariances 플러그인은 요인을 미리 선택해 두어야 하므로, 이 강좌에서는 양쪽 화살표 도구로 직접 그렸습니다. 한 번 그린 그림은 .amw로 저장해 둡니다.

분석 옵션 정하기

추정을 실행하기 전에, 무엇을 계산해 보여 줄지 Analysis properties 창에서 정합니다.

1. 1

   View 메뉴 또는 도구 상자에서 Analysis properties를 엽니다.

   추정 방법과 출력할 값을 정하는 창이 열립니다.

   

2. 2

   Output 탭에서 위 두 항목을 선택하고 창을 닫습니다.

   선택한 값만 계산되어 경로도와 결과표에 나옵니다.

   

탭과 항목 이름은 Amos 24 영어판 화면 기준입니다.

추정 실행하기

1. 1

   Calculate estimates 도구를 누릅니다.

   경로도 파일이 저장되어 있지 않으면 저장하라는 창이 먼저 뜰 수 있습니다. 파일을 저장하면 추정이 시작됩니다.
2. 2

   추정이 끝나면 경로도에 숫자가 나타납니다.

   화면 가운데 정보 창에서 "Unstandardized estimates"와 "Standardized estimates"를 눌러 바꿔 볼 수 있습니다. 표준화 추정값에서는 화살표 위에 요인적재량, 문항 위에 R²가 보입니다.

   

3. 3

   View text 도구로 결과표를 엽니다.

   왼쪽 목록에서 Estimates, Model Fit 등을 고르면 해당 표가 나옵니다.

   

오류가 나면 창에 나오는 메시지를 먼저 읽습니다. 자주 나는 원인은 아래 "자주 겪는 문제"에 정리했습니다.

결과 보기: 적합도와 적재량

Model Fit 표에는 여러 지수가 있습니다. 이 강좌에서 쓰는 것은 χ²(Amos에서는 CMIN), 자유도(DF), TLI, CFI, RMSEA입니다. 해석 기준은 4강에서 자세히 다룹니다.

이 값은 Amos 24로 가상 자료(300명, Amos_cfa.sav)를 분석한 실제 출력입니다. 자료가 가상이므로 다른 강의의 수치와는 조금 다를 수 있습니다. 이 자료에서는 χ²가 자유도보다 작아 TLI가 1을 넘고 RMSEA가 .000으로 나옵니다. SRMR은 Model Fit의 기본 표에 없고, Plugins 메뉴에서 따로 계산하는 것으로 알려져 있어 4강에서 확인합니다.

요인 간 상관은 학습동기-학습불안 .28, 학습동기-학습전략 .39, 학습불안-학습전략 .45입니다. 표준화 추정값은 프로그램이 달라도 거의 같아야 하므로, 다른 프로그램 결과와 크게 다르면 모형이나 데이터 연결을 점검합니다.

자주 겪는 문제