1. 지표
가. 내생변수
TPB 모형은 출산이 행동적인 신념, 규범적인 신념, 통제된 신념 등 세 가지 신념에 의해 영향을 받는다고 가정하였다(Klobas, 2010;
Dommermuth et al., 2011). 이 연구에서 TPB 모형은 행동적인 신념 을 긍정적 태도와 부정적 태도로 구분하여, 하나의 내생변수 (endogenous variable)와 네 개의 외생변수(exogenous variable)로 구성하였다. 내생변수는 출산 계획 정도이고, 외생변수는 자녀에 대한 긍 정적 태도, 자녀에 대한 부정적 태도, 주관적 규범, 인식된 통제이다. 내 생변수는 하나의 관찰변수(observed variable)로 측정한 것이고, 외생 변수는 여러 개의 관찰변수로 측정한 값을 바탕으로 한 잠재변수(latent variable)이다.
<표 2-15>는 TPB 모형에서 내생변수 (혹은 종속변수)인 출산 계획 정 도의 평균값과 표준편차를 제시하고 있다. 구체적으로 이 변수는 자녀가 없는 경우에는 자녀를 낳는 것을, 자녀가 있는 경우는 한 명 더 낳는 것을 질문하는 방식으로 구성되었다. 출산 계획 정도는 11점 척도로 측정되었 는데, 가장 정도가 강한 것이 10점, 보통이 5점, 그리고 가장 정도가 약한 것이 0점으로 지정되었다. 중간값인 5를 기준으로 살펴보면, 평균값은 3.90으로 다소 왼쪽으로 치우쳐진 분포를 보인다. 즉, 평균적으로 응답자 의 자녀 출산을 계획하는 정도는 보통 이하로 볼 수 있다.
<표 2-15> 출산 계획 정도
(단위: 점(11점 척도))
주: 전혀 계획하지 않음: 0점; 보통: 5점; 아주 구체적으로 계획함 10점.
자료: 출산 의향의 실현 분석과 출산율 예측에 관한 설문 조사, 한국보건사회연구원.
나. 외생변수
1) 자녀에 대한 긍정적 태도
TPB 모형에서 사용한 외생변수는 응답자의 태도와 가치와 관련된 네 가지 잠재변수(latent variable)이다. 첫 번째 변수는 자녀에 대한 긍정 적 태도과 관련된 변수로 구성된다. <표 2-16>은 자녀에 대한 긍정적 태 도과 관련된 28개 변수의 평균값과 표준편차를 제시하고 있다. 자녀에 대 한 긍정적 태도는 자녀가 주는 기쁨, 전통적인 부모의 모습, 자녀 양육의 즐거움, 자녀와의 관계, 그리고 자녀가 주는 혜택 등 다섯 개 하위 부문을 포함하고 있다. 각 부문의 변수는 4점 척도로 측정되었다.
개별 관찰변수의 평균값은 변수의 내용에 따라 다소 다르다. 자녀 출산 과 관련된 일반적인 평가의 경우는 상대적으로 높은 평균값(3.42점)을 보 인다. 반면에 자녀 출산의 종교적 의무에 대한 태도는 상대적으로 낮은 평균값(1.73점)을 보인다.
한편, 자녀에 대한 긍정적 태도를 측정한 전체 변수 사이에 신뢰도를 측 정한 Cronbach’s Alpha 값은 .944로 상대적으로 높은 수준이다. 물론 여기에 제시된 모든 변수가 TPB 모형에 포함된 자녀에 대한 긍정적 태도 를 측정하기 위해 사용되는 것은 아니다. 자녀에 대한 긍정적 태도를 잠재 변수로 측정할 때, 자료에 바탕을 둔 측정모형(measurement model)의
문 항 평균 표준
편차 귀하께서는 자녀를 한 명 더 낳는 것을 어느 정도 계획하고 계십니까? 3.90 3.18
적합도가 적절한 수준 이상이 될 수 있도록 조정하였다. 따라서 특정 변수
자료: 출산 의향의 실현 분석과 출산율 예측에 관한 설문 조사, 한국보건사회연구원.
도 Cronbach’s Alpha 값은 .915로 높은 수준의 신뢰도를 보여 주고 있
자료: 출산 의향의 실현 분석과 출산율 예측에 관한 설문 조사, 한국보건사회연구원.
3) 주관적 규범
<표 2-18>은 TPB 모형에서 세 번째 외생변수인 주관적 규범을 측정한 세 개 관찰변수의 평균값과 표준편차를 제시하고 있다. 주관적 규범은 출 산과 관련하여 응답자 주변의 일종의 압력에 대한 평가를 측정한 변수를 포함하고 있다. 구체적으로 응답자 주변의 친구, 부모, 친척 관련 세 가지 관찰변수를 포함하였다.
관찰변수의 측정값은 5점 척도를 기반으로 하였으며, 세 개 변수를 바 탕으로 주관적 규범을 측정할 때, 신뢰도 Cronbach’s Alpha 값은 .868 로 나타났다. 주관적 규범을 측정하기 위한 변수의 개수가 세 개라는 점을 고려할 필요가 있다. 주관적 규범의 경우 관찰변수가 세 개로 하나의 잠재 변수를 측정할 때, 자유도가 0이 된다. 이럴 때는 적합도 계산이 큰 의미 가 없다. 따라서 주관적 규모의 측정모형은 모든 변수를 다 포함하였다.
변수명 문 항 평균 표준
편차 동기를 준다
q112 자녀 때문에 내 건강이 나빠지는 것이 자녀 출산에 대해 부정적인 동
기를 준다 2.30 .87
q113 자녀 때문에 배우자가 부담을 갖는 것이 자녀 출산에 대해 부정적인
동기를 준다 2.36 .85
q114 자녀 부양을 위해 나 또는 배우자가 직업을 가져야 하는 것이 자녀 출
산에 대해 부정적인 동기를 준다 2.36 .86
q115 다른 자녀들에게 소홀해질 수 있는 것이 자녀 출산에 대해 부정적인
동기를 준다 2.33 .83
전체 2.54 .51
Cronbach’s Alpha .915
<표 2-18> 주관적 규범
(단위: 점(5점 척도))
자료: 출산 의향의 실현 분석과 출산율 예측에 관한 설문 조사, 한국보건사회연구원.
4) 인식된 통제
TPB 모형에서 네 번째 외생변수는 인식된 통제이다. 이 잠재변수는 출 산과 관련한 다양한 영역에 대한 응답자의 평가를 측정한 것이다. 구체적 인 출산과 관련한 재정, 주거, 일자리, 건강, 육아 관련 정부 프로그램 혹 은 정책 등 다양한 분야에 대한 평가로 아홉 개 변수를 포함하고 있다.
TPB 모형에서 다른 외생변수는 가치와 태도 등 주관적 측면에 대한 평 가 혹은 동의 정도와 관련된 것이다. 반면에 인식된 통제는 출산과 관련 된 객관적 조건과 관련된 잠재변수이다. 이러한 아홉 개 변수로 측정한 인식된 통제의 신뢰도 Cronbach’s Alpha 값은 .855로 나타났다.
<표 2-19> 인식된 통제
(단위: 점(5점 척도))
변수명 문항 평균 표준
편차 norm1 대부분 친구들이 내가 자녀를 낳아야 한다고 생각한다 2.55 1.22 norm2 부모님은 내가 자녀를 낳아야 한다고 생각한다 2.96 1.47 norm3 친척들은 내가 자녀를 낳아야 한다고 생각한다 2.96 1.39
전체 2.82 1.21
Cronbach’s Alpha .868
변수명 문항 평균 표준
편차
control1 재정적 상황 3.43 .67
control2 주거 환경 3.18 .78
control3 나의 일자리 3.19 .80
control4 나의 건강 3.18 .74
control5 배우자의 일자리 2.83 .98
자료: 출산 의향의 실현 분석과 출산율 예측에 관한 설문 조사, 한국보건사회연구원.
2. 측정모형
가. 자녀에 대한 긍정적 태도
첫 번째 외생변수인 자녀에 대한 긍정적 태도에 대한 응답자의 태도를 여러 관찰변수로 측정하고자 한다. 먼저 자녀에 대한 긍정적 태도를 측정 한 5개 하위 부문 28개 관찰변수를 모두 투여한다. 물론 자녀에 대한 긍 정적 태도를 의미하는 잠재변수는 두 가지 방식으로 구성할 수 있다. 첫 째, 관찰변수로 직접 측정하는 1차 순위(first-order)로 잠재변수를 구성 할 수 있다. 둘째, 하위 부문을 1차 순위 잠재변수로 구성하고 이를 바탕 으로 자녀에 대한 긍정적 태도를 의미하는 2차 순위(second-order) 잠 재변수를 구성할 수 있다.
여기에서는 자녀에 대한 긍정적 태도의 구조와 체계에 관한 충분한 이 론적 근거가 없고, 자녀에 대한 긍정적 태도를 체계적으로 구성하는 것이 연구의 주된 목적이 아니라는 점을 고려하였다. 따라서 하위 부문과 상관 없이 모든 관찰변수를 포함하여 1차 순위 자녀에 대한 긍정적 태도 측정 모형을 구성하였다.
앞서 언급한 대로 28개 모든 관찰변수가 측정모형에 포함된 것은 아니
변수명 문항 평균 표준
편차
control6 배우자의 건강 2.91 .91
control7 어린이집 혹은 유치원 이용 2.84 .85
control8 육아 휴직이나 자녀 돌봄 휴가 3.07 .87
control9 국가의 현금 지원 3.07 .57
전체 2.82 1.21
Cronbach’s Alpha .855
다. 요인적재값이 .5 미만인 변수는 다른 변수에 비해 잠재변수를 구성하 는 데 효율적이지 못하다는 판단 아래 측정모형을 구성하였다. 아울러 측 정모형의 적합도를 높은 수준으로 확보하기 위하여, 자료에 바탕을 둔 모 형의 적합도를 높이는 수정지수(modification index)를 이용하였다.
수정지수는 구조방정식 모형의 모수를 추정하는 과정에서 고정된 각종 모수를 측정이 가능한 자유 모수로 변경하면 모형의 적합도가 개선되는 정도를 나타낸다. 해당하는 모수에 대한 수정지수가 크다는 것은 모형 적 합도가 증가할 가능성이 크다는 것을 의미한다(Whittaker, 2011).
예를 들면, 공분산이 허용되지 않은 연결의 수정지수가 클 경우, 공분 산 연결을 허용하면 적합도가 높아진다. 수정지수의 기준값은 여러 가지 가 있지만, 여기에서는 특별한 이론적 근거가 없는 공분산을 최소화하기 위하여, 수정지수가 100 이상일 경우만 공분산을 허용하였다. 물론 이러 한 공분산 설정은 주로 유사한 주제를 포함한 하위 부문 내 관찰변수 사 이에 이루어졌다.9)
[그림 2-6]은 이러한 기준을 바탕으로 구성한 자녀에 대한 긍정적 태도 측정모형을 제시하고 있다. 고전적 적합도인 값은 1839.903이고 확 률값은 .000으로 나타났다. 따라서 적합한 모형이라고 볼 수 없다. 그러 나 일반적인 구조방정식 모형의 분석 방법 예제를 따라서 를 사용하지 않고, 다른 적합도 지수를 사용하였다(Jöreskog, 1969).
모형 적합도(goodness of fit)를 판단하는 여러 가지 적합도 지수와 기 준이 있지만, 여기에서는 점증(incremental) 적합도인 NFI, 절대
9) MacCallum, Roznowski, & Necowitz(1992)에서 제시된 것처럼 수정지수가 이론적인 근거에 바탕을 둔 모형 선택보다 우월하다고 보기는 어렵다. 수정지수가 경험적인 자료를 바탕으로 하고 있을 뿐만 아니라 안정적인 결과를 보장하지 못하기 때문이다. 따라서 수정 지수를 이용해 모형의 적합도를 높이기 위해서는 제한적인 수준에서 수정지수를 사용해야 한다.
(absolute) 적합도인 GFI와 AGFI 그리고 간략(parsimonious) 적합도 인 RMSEA를 이용하였다. 일반적으로 적절한 적합도 값이 NFI는 .90 이 상, GFI는 .90 이상, RMSEA는 .06 이하라는 기준을 적용해 볼 때,10) 최 종 측정모형의 적합도가 기준을 충족하는 것으로 나타났다(GFI: .949,
(absolute) 적합도인 GFI와 AGFI 그리고 간략(parsimonious) 적합도 인 RMSEA를 이용하였다. 일반적으로 적절한 적합도 값이 NFI는 .90 이 상, GFI는 .90 이상, RMSEA는 .06 이하라는 기준을 적용해 볼 때,10) 최 종 측정모형의 적합도가 기준을 충족하는 것으로 나타났다(GFI: .949,