AMOS 확인적 요인분석(CFA) 실전 튜토리얼 2026: 측정모형 그리기부터 AVE·판별타당도까지

척도를 빌려 쓰든 새로 만들든, 논문 심사에서 반드시 나오는 질문이 있습니다. “이 척도가 우리 표본에서도 원래 구조대로 작동한다는 근거가 있습니까?” 신뢰도 계수 하나로는 답이 되지 않습니다. 구조를 검증하는 절차가 확인적 요인분석(CFA, Confirmatory Factor Analysis)이고, 국내 논문에서 이 분석을 돌리는 표준 도구가 AMOS입니다.

이 글은 AMOS를 처음 켜는 사람이 측정모형을 그려 적합도를 확인하고, 집중타당도와 판별타당도까지 계산해 논문 표 두 개와 결과 문단을 완성하는 데까지 갑니다. 구조방정식 전반의 개념과 구조모형까지 보고 싶다면 구조방정식모형(SEM) 입문을 함께 두고 읽으시면 좋습니다. 이 글은 그중 측정모형 검증 한 단계만 끝까지 파고듭니다.

CFA는 EFA와 무엇이 다른가

둘 다 ‘요인분석’이지만 방향이 반대입니다.

• 탐색적 요인분석(EFA)은 구조를 찾습니다. 문항을 다 던져 놓고 몇 개의 요인으로 묶이는지 자료에 물어봅니다. 모든 문항이 모든 요인에 부하될 수 있습니다.
• 확인적 요인분석(CFA)은 구조를 검증합니다. “1~4번 문항은 요인 A, 5~8번은 요인 B”라고 연구자가 미리 못 박은 뒤, 그 모형이 자료와 얼마나 맞는지를 봅니다.

그래서 순서가 정해집니다. 새로 만든 척도이거나 국내 적용 사례가 없다면 EFA를 먼저 돌려 구조를 잡고, 그다음 CFA로 확인합니다. 절차는 SPSS 탐색적 요인분석(EFA) 실전 튜토리얼에 있습니다. 반면 이미 여러 연구에서 구조가 확립된 척도를 쓴다면 EFA를 건너뛰고 CFA만 하는 것이 오히려 정석입니다. 확립된 구조를 다시 탐색하는 것은 논리적으로 어긋납니다.

같은 표본으로 EFA와 CFA를 둘 다 돌리는 것은 권장되지 않습니다. 자료에서 찾아낸 구조를 같은 자료로 확인하는 셈이라 순환 논증이 됩니다. 굳이 둘 다 해야 한다면 표본을 반으로 나누어 각각에 적용하는 방식이 정직합니다.

이 글에서 계속 쓸 예시

직장인 312명 자료로 3요인 측정모형을 검증합니다. 직무자율성 4문항, 상사지원 4문항, 조직몰입 5문항으로 관측변수는 모두 13개입니다.

1단계 — 분석 전에 확인할 네 가지

1. 표본 크기. 널리 쓰이는 간이 기준은 관측변수 하나당 10~20명이고, 구조방정식 계열에서는 최소 200명을 권하는 견해가 지배적입니다. 예시의 13개 관측변수에 312명이면 충분합니다. 표본 수 근거를 계획 단계에서 계산해 두는 방법은 검정력 분석으로 표본 크기 구하는 법에 정리했습니다.
2. 요인당 문항 수. 잠재변수 하나에 관측변수가 최소 3개는 있어야 모형이 안정적으로 식별됩니다. 2개짜리 요인은 단독으로는 식별되지 않고, 다른 요인과 상관을 걸어야 겨우 추정됩니다.
3. 정규성. 기본 추정법인 최대우도법(ML)은 다변량 정규성을 전제합니다. AMOS 출력의 왜도·첨도 표에서 단변량 첨도 절댓값 7을 넘는 문항이 있는지, 다변량 첨도의 임계비(c.r.)가 지나치게 큰지를 확인합니다. 심하게 벗어나면 부트스트랩으로 표준오차를 보정하는 방법이 널리 쓰입니다.
4. 결측 처리. AMOS는 결측이 있으면 일부 적합도 지수를 계산하지 못합니다. 완전정보 최대우도(FIML)를 쓰거나 미리 처리해 두어야 합니다.

2단계 — AMOS에서 측정모형 그리기

AMOS는 코드가 아니라 그림으로 모형을 지정합니다. 도형의 뜻만 알면 됩니다. 타원은 잠재변수(직접 측정되지 않는 개념), 사각형은 관측변수(설문 문항), 작은 원은 오차항입니다.

1. 파일 → 데이터 파일(Data Files)에서 SPSS 데이터(.sav)를 연결합니다.
2. 도구 팔레트에서 <Draw a latent variable or add an indicator to a latent variable> 아이콘을 고릅니다. 화면에 타원을 하나 그린 뒤, 그 타원을 필요한 문항 수만큼 클릭하면 사각형과 오차항이 자동으로 붙습니다. 직무자율성이면 네 번 클릭합니다.
3. 같은 방식으로 잠재변수 세 개를 만듭니다.
4. <Draw covariances>(양방향 화살표) 도구로 세 잠재변수를 서로 모두 연결합니다. 이 단계를 빼먹는 것이 초보자의 1번 실수입니다. 연결하지 않으면 요인 간 상관이 0이라고 가정한 전혀 다른 모형이 됩니다.
5. <List variables in dataset> 창을 열어 변수명을 사각형으로 끌어다 놓습니다.
6. Plugins → Name Unobserved Variables를 실행하면 오차항과 잠재변수 이름이 한 번에 붙습니다. 손으로 하나씩 붙이지 마십시오.

각 잠재변수에서 나가는 화살표 중 하나에는 1이 표시되어 있어야 합니다. 잠재변수의 척도를 정하기 위한 고정값이며, AMOS가 자동으로 붙입니다. 모두 지워 버리면 모형이 식별되지 않아 추정이 실패합니다.

AMOS 화면에서 같은 절차를 따라가며 AVE와 CR까지 구하는 한국어 시연 영상이 있습니다.

3단계 — 추정 옵션 설정과 실행

View → Analysis Properties를 열고 두 탭만 손봅니다.

• Estimation 탭 — Maximum likelihood가 선택되어 있는지 확인합니다. 기본값입니다.
• Output 탭 — Standardized estimates(표준화 추정치), Squared multiple correlations(다중상관제곱), Modification indices(수정지수), Sample moments를 체크합니다. 표준화 추정치를 켜지 않으면 논문에 쓸 요인부하량이 나오지 않습니다.

그다음 Analyze → Calculate Estimates를 실행하고, View → Text Output으로 결과 창을 엽니다.

4단계 — 출력 읽기: 부하량 먼저, 적합도 다음

표준화 요인부하량

Text Output의 Estimates → Standardized Regression Weights가 첫 번째로 볼 표입니다. 각 문항이 자기 요인을 얼마나 잘 대표하는지를 보여 줍니다.

• .50 이상이면 수용, .70 이상이면 양호하다고 보는 기준이 널리 쓰입니다.
• .40 미만이면 삭제를 검토합니다. 다만 문항을 지우면 척도의 내용타당도가 훼손되므로, 원 척도의 문항을 함부로 빼지 않는 것이 원칙이고 삭제했다면 그 근거를 반드시 밝혀야 합니다.
• 바로 아래 Squared Multiple Correlations는 각 문항의 설명량입니다. 표준화 부하량의 제곱과 같습니다.

적합도 지수

Model Fit 절에 수십 개의 지수가 쏟아지지만 논문에 싣는 것은 넷에서 다섯 개입니다.

• χ²와 자유도 — 원칙적으로는 유의하지 않아야 하지만, 표본이 크면 거의 언제나 유의해집니다. 그래서 χ²만으로 모형을 기각하지 않는 것이 관행이며, χ²/df를 함께 봅니다. 3 이하를 양호로, 관대하게는 5 이하를 수용 가능으로 보는 기준이 함께 쓰입니다.
• CFI·TLI — 증분적합지수입니다. .90 이상 수용, .95 이상 양호가 가장 널리 인용되는 기준입니다.
• RMSEA — 절대적합지수이며 작을수록 좋습니다. .05 이하 좋음, .08 이하 수용, .10 초과 부적합으로 보는 구간이 표준입니다. 90% 신뢰구간을 함께 보고하면 훨씬 좋습니다.
• SRMR — 잔차 기반 지수로 .08 이하를 기준으로 씁니다.

중요한 것은 이 값들이 법칙이 아니라 관례라는 점입니다. 널리 인용되는 Hu와 Bentler(1999)의 제안조차 특정 조건의 모의실험에서 나온 것이며, 모든 상황에 기계적으로 적용하지 말라는 경고가 함께 붙어 있습니다. 계열이 다른 지수를 여러 개 함께 보고하고, 채택한 기준의 출처를 밝히는 편이 안전합니다.

예시 결과. χ²(62) = 118.47, p < .001, χ²/df = 1.91, CFI = .968, TLI = .959, RMSEA = .054(90% CI [.039, .069]), SRMR = .041. χ²는 유의했지만 나머지 지수가 모두 기준을 충족하므로 모형은 수용 가능합니다.

5단계 — 집중타당도와 판별타당도 계산하기

적합도가 좋다고 타당도가 확보된 것은 아닙니다. 두 가지를 더 계산해야 합니다. AMOS가 직접 출력하지 않으므로 표준화 부하량을 엑셀에 옮겨 손으로 구합니다.

집중타당도 — CR과 AVE

개념신뢰도(CR)는 같은 요인의 문항들이 얼마나 일관되게 그 개념을 재는지를, 평균분산추출(AVE)은 요인이 문항들의 분산을 평균 몇 퍼센트 설명하는지를 나타냅니다.

• CR = (Σ표준화부하량)² / [(Σ표준화부하량)² + Σ오차분산] — 기준은 .70 이상입니다.
• AVE = Σ(표준화부하량²) / [Σ(표준화부하량²) + Σ오차분산] — 기준은 .50 이상입니다.
• 여기서 오차분산은 1 − 표준화부하량²입니다.

CR은 Cronbach’s α와 목적이 비슷하지만, 문항마다 다른 부하량을 반영하기 때문에 일반적으로 α보다 정확한 추정치로 평가됩니다. 두 값을 함께 보고하는 논문이 많으며, α 산출 절차는 SPSS 신뢰도 분석(Cronbach’s α) 실전 튜토리얼에 있습니다.

판별타당도 — 서로 다른 개념임을 보이기

가장 널리 쓰이는 것은 Fornell과 Larcker의 기준입니다. 각 요인의 AVE가 그 요인과 다른 요인 간 상관계수의 제곱보다 커야 합니다. 표에서는 AVE의 제곱근을 대각선에 넣고 상관계수와 비교하는 형식으로도 자주 제시됩니다.

대안도 있습니다. 요인 간 상관의 신뢰구간이 1을 포함하지 않는지 확인하는 방법, 그리고 최근 마케팅·경영 분야에서 빠르게 확산된 HTMT 비율이 있습니다. HTMT는 .85 또는 .90 미만을 기준으로 씁니다. 요인 간 상관이 애초에 어느 정도인지는 상관분석 단계에서 미리 확인해 두면 판별타당도 문제를 예측할 수 있습니다.

6단계 — 적합도가 안 나올 때 무엇을 하는가

CFI가 .85, RMSEA가 .11로 나왔다고 해서 모형을 버릴 필요는 없습니다. 다만 손대는 순서와 한계가 정해져 있습니다.

1. 먼저 부하량이 낮은 문항을 찾습니다. .40 미만 문항 하나가 적합도 전체를 끌어내리는 경우가 흔합니다.
2. 수정지수(MI)를 봅니다. Text Output의 Modification Indices에서 값이 큰 항목을 확인합니다. 다만 여기에는 엄격한 원칙이 있습니다. 같은 요인에 속한 문항들의 오차항끼리만 공분산을 연결하고, 왜 그 두 문항의 오차가 상관되는지 이론적으로 설명할 수 있을 때만 연결합니다. 문항 표현이 거의 같거나 역문항이 이웃해 있는 경우가 정당화되는 예입니다.
3. 다른 요인에 속한 문항들의 오차를 연결하는 것은 하지 않습니다. 적합도는 올라가지만 모형이 이론적으로 무의미해지고, 심사에서 가장 날카롭게 지적되는 지점입니다.
4. MI를 남발하지 않습니다. 지수를 맞추려고 화살표를 대여섯 개 추가하면 그것은 더 이상 확인적 분석이 아니라 자료 맞춤이 됩니다. 수정한 내역은 반드시 논문에 밝힙니다.
5. 문항꾸러미(item parceling)로 문항 여러 개를 묶어 지표 수를 줄이는 방법도 있지만, 문항 수준 정보를 잃으므로 척도 타당화가 목적인 연구에서는 권장되지 않습니다.

가장 정직한 마지막 선택지는 모형이 자료와 맞지 않았다는 사실을 그대로 보고하는 것입니다. 국내 표본에서 원 척도의 구조가 재현되지 않았다는 결과 자체가 의미 있는 발견일 수 있습니다.

7단계 — APA 결과표 두 개

CFA 결과는 표 두 개로 정리하는 것이 표준입니다. 하나는 문항별 부하량과 신뢰도, 다른 하나는 판별타당도입니다.

주. χ²(62) = 118.47, p < .001, χ²/df = 1.91, CFI = .968, TLI = .959, RMSEA = .054(90% CI [.039, .069]), SRMR = .041. 모든 표준화 부하량은 p < .001 수준에서 유의하였다.

주. 대각선의 굵은 값은 AVE의 제곱근이며, 대각선 아래는 요인 간 상관계수이다. 모든 대각선 값이 해당 행·열의 상관계수보다 커 판별타당도가 확보되었다.

8단계 — 결과 서술 문장 템플릿

① 측정도구의 구성타당도를 검증하기 위해 AMOS 26.0을 이용하여 최대우도법에 기반한 확인적 요인분석을 실시하였다.

② 측정모형의 적합도는 χ²(62) = 118.47(p < .001)로 유의하였으나, χ² 통계량은 표본 크기에 민감하다는 점을 고려하여 다른 적합도 지수를 함께 검토하였다. χ²/df = 1.91, CFI = .968, TLI = .959, RMSEA = .054(90% CI [.039, .069]), SRMR = .041로 나타나 권장 기준을 모두 충족하였다.

③ 모든 문항의 표준화 요인부하량은 .68에서 .86 사이로 기준치 .50을 상회하였으며 p < .001 수준에서 유의하였다. 개념신뢰도(CR)는 .87~.91, 평균분산추출(AVE)은 .63~.67로 각각 기준치 .70과 .50을 충족하여 집중타당도가 확보되었다.

④ 판별타당도는 각 잠재변수의 AVE가 해당 변수와 다른 변수 간 상관계수의 제곱보다 큰지를 통해 검증하였으며, 세 잠재변수 모두 이 조건을 충족하였다.

⑤ 따라서 본 연구의 측정모형은 자료에 적합하며, 이를 바탕으로 구조모형 검증을 진행하였다.

②의 구조에 주목하십시오. χ²가 유의했다는 불리한 사실을 먼저 적고, 왜 그것만으로 판단하지 않는지를 설명한 뒤, 다른 지수를 제시합니다. 불리한 값을 숨기지 않는 이 순서가 심사에서 훨씬 잘 통합니다.

심사에서 자주 지적되는 실수 일곱 가지

1. 적합도 지수를 하나만 보고하는 것. CFI만 적고 RMSEA를 빼면 계열이 다른 근거가 없습니다.
2. 기준의 출처를 밝히지 않는 것. “.90 이상이면 양호하다”는 관례이므로 어느 문헌을 따랐는지 적습니다.
3. 수정지수를 이론적 근거 없이 적용한 것. 특히 다른 요인 간 오차 공분산은 즉시 지적됩니다.
4. 문항을 여러 개 삭제하고 그 사실을 숨기는 것. 최초 문항 수와 최종 문항 수를 모두 밝혀야 합니다.
5. AVE와 CR을 생략하는 것. 적합도만으로는 집중타당도가 증명되지 않습니다.
6. 같은 표본으로 EFA와 CFA를 모두 돌리고 둘 다 싣는 것. 순환 논증입니다.
7. 요인 간 공분산 화살표를 빠뜨린 채 돌린 것. 적합도가 이상하게 나쁘면 가장 먼저 이것부터 확인하십시오. 측정도구의 신뢰도·타당도 개념 전반은 신뢰도와 타당도 완전 가이드에서 정리하고 있습니다.

자주 묻는 질문

AMOS가 없으면 CFA를 못 하나요?

할 수 있습니다. R의 lavaan 패키지, 무료 프로그램 JASP와 jamovi, 그리고 Mplus 모두 CFA를 지원합니다. 논문에는 실제로 사용한 프로그램과 버전을 정확히 적으면 됩니다.

χ²가 유의하게 나왔는데 모형을 버려야 하나요?

아닙니다. 표본이 200명을 넘으면 사소한 불일치에도 χ²가 유의해집니다. 그래서 χ²/df와 CFI·RMSEA·SRMR을 함께 보는 것이 표준 관행입니다. 다만 χ²를 아예 보고하지 않는 것은 안 됩니다.

표준화 부하량이 .45인 문항은 빼야 하나요?

자동으로 뺄 일은 아닙니다. 그 문항이 척도의 내용상 중요하다면 남기고 사실을 밝히는 편이 낫습니다. 삭제할 경우 삭제 전후 적합도와 AVE를 모두 제시하면 판단의 근거가 분명해집니다.

2차 요인모형은 언제 쓰나요?

하위 요인들이 하나의 상위 개념으로 묶인다는 이론적 근거가 있을 때 씁니다. 이 경우 1차 요인모형과 2차 요인모형의 적합도를 비교해 제시하는 것이 관례입니다.

집단 간 비교를 하려면 무엇이 더 필요한가요?

측정동일성(measurement invariance) 검증이 필요합니다. 형태동일성·측정단위동일성·절편동일성을 차례로 검증해 ΔCFI 등의 기준으로 판정합니다. 이 절차 없이 집단 간 잠재평균을 비교하면 근거가 성립하지 않습니다.

정리

표본과 문항 수 조건을 확인하고(1단계), 타원·사각형·오차항으로 측정모형을 그리되 요인 간 공분산 화살표를 반드시 연결하고(2단계), Output 탭에서 표준화 추정치를 켜고 실행한 뒤(3단계), 부하량 → 적합도 순으로 읽고(4단계), CR·AVE와 판별타당도를 손으로 계산하고(5단계), 적합도가 부족하면 이론적 근거가 있는 수정만 적용하고(6단계), 표 두 개로 조판해(7단계) 다섯 문장으로 서술하면(8단계) 측정모형 검증이 끝납니다. 여기까지 통과해야 비로소 구조모형의 경로계수를 이야기할 자격이 생깁니다.