확인적 요인 분석은 요인분석의 두 모형(주성분모형, 공통요인모형) 중에서 공 통요인모형을 확인적 목적에서 사용하는 방법론이다(이순묵, 2000). 따라서 모든 측정변수에서 공통요인을 나타내는 부분과 고유요인을 나타내는 부분을 분리해 서 명시하는 것이 관행이다. 확인적 요인분석이 탐색적 요인분석과 가장 다른 부 분은 탐색적 요인분석에서는 최종 구조를 도출하기 위해서 일반적으로 회전을 적용하지만 확인적 요인분석에서는 제시되는 모형이 일종의 최종모형이기 때문 에 요인구조의 회전이 불필요하며, 고유 요인간의 공분산이 계수로 포함된다는 점이다.
구조방정식 모형은 측정변수를 사용해서 이론변수를 정의하는 영역과 이론변 수간의 관계를 나타내는 부분으로 구성되는데, 전자는 측정모형(measurement model)이고 후자는 구조모형(structural model)이다. 측정모형의 표현 방식은 수 학적으로 공통요인모형과 동일하다. 연구자가 본인의 이론적 근거를 토대로 주요 측정변수들을 정의하고 이를 실제 측정된 자료에 비추어 검증한다는 관점에서 구조방정식 모형의 측정모형에 대한 검증을 확인적 공통요인 분석, 또는 확인적 요인분석이라 지칭한다. 일반적으로 측정모형에서도 2개 이상의 요인들이 포함되 어 있는 경우 이론적 요인들 간의 관계 유무에 대한 설정을 하게 되는데, 이러한 관계에 대한 가정이 보다 명확한 경로의 형태로 정의된 것이 구조방정식의 구조 모형이다.
본 연구에서는 연구모형과 가설을 토대로 도출된 구조방정식의 이론적 모형, 즉 측정모형(measurement model)에 대한 검증을 토대로 이론적 잠재변인과 측정변 수의 설정이 적절한지 여부를 판단하고 있다. 구체적인 통계적 분석을 위해서 AMOS 6.0의 통계 소프트웨어를 활용하여 이론모형을 설정하였으며, 모델의 추 정을 위해 기본 추정방법인 최대 우도법(maximum likelihood estimates)을 사용 하였다. 최대 우도법은 측정변수가 다변량 정규분포를 따를 때 정확한 미지수의 추정을 가능케 하며 표본 수가 일정 규모가 된다면 다변량 정규분포의 가정을
일부 벗어나도 미지수 추정에 큰 문제가 없는 장점이 있다. 다음의 그림은 본 연 구모형을 토대로 작성된 구조방정식의 측정 모형이다. 측정모형에서는 탐색적 요 인분석을 통해 2개의 요인구조로 구분된 지식 숨김 행동이 제시되어 있고, 이를 잠정적으로 “의도적 숨김”, “합리적 숨김”으로 제시하고 있다.
<그림 Ⅳ-1> 측정모형
측정모형을 토대로 확인적 요인분석을 실시하는 경우 해당 제안모델의 자료에 대한 적합도(model fit) 지수를 확인해야 한다. 적합도 지수는 크게 3가지 종류로 구분되는데, 모델의 전반적 적합도를 평가할 수 있는 절대적합지수(absolute fit index), 기초모델에 대한 제안모델의 적합도를 평가하는 증분적합지수 (incremental fit index), 그리고 모델의 간명도와 관련된 간명적합지수 (parsimonious fit index)다.
모델적합도 지수를 선택할 때 주의해야 할 부분은 표본의 크기이다. 이를 테면 χ2 값은 표본크기의 함수로 표현되기 때문에 표본이 지나치게 크면 근소한 차이
에 대해서도 심각한 차이(significant poor fit)라는 신호를 보내게 된다.
또한 일반적으로 사용되는 절대적합지수 중 GFI(goodness of fit index)의 경 우 표본의 크기가 200이 넘는 경우의 사용이 적합하며, 표본의 크기가 이보다 작 은 경우에는 표본의 크기에 영향을 덜 받는 지수의 적용이 필요하다(이순묵, 1990). 표본의 크기가 100∼150 정도인 경우에는 표본의 크기에 영향을 덜 받는 CFI, RMSEA, NNFI(TLI)와 같은 적합도 지수의 활용이 권장된다(이순묵, 2000).
팀 규모가 110개인 본 연구에서는 이러한 제안에 따라 χ2와 χ2/df(Q score;
normed χ2)(Kline, 2005), CFI, RMSEA, RMR, NNFI(TLI)의 적합도 지수를 활용 하였다
<표 Ⅳ-4> 모형적합도 지수
모형 적합도의 판단은 절대적인 기준이 있는 것이 아니기 때문에 적합도 지수 전반에 대한 종합적 판단을 요한다. 모형의 표본 규모 등 연구의 맥락에 대한 종 합적인 검토가 병행되어 해석도 필요하다. [표 IV-4]에 따르면 표준 χ2(χ2/df;
Q-score)는 3이하(Kline, 2005), NFI, NNFI, CFI는 0.9 이상, RMR은 0.05이하, 그리고 RMSEA는 작을수록 좋은데 0.05∼0.08사이면 적합하고 0.10이하면 수용 가능하다고 보고, 최근에는 상하위 90% 수준의 사이에 존재하면 적합하다고 판 단하고 있다(배병렬, 2006).
주요 활용지표 개념 판정 기준 적용 여부 근거
χ2/df
(normed χ2) 정규분포의 가정과 모델간의
통계적 차이 (비적합도) < 3 O 100이상, 단지나치게 큰 표본엔 부적절
RMR 재생산공변량과 분석자료 공변량
의 차이 (척도차이에 민감) < 0.05 O 본 연구는 5점동일 척도 사용 GFI 전체 변량 중 오차변량을 제외한
부분 (R2와 유사) ≥ 0.9 X 표본 수200이상에 적절
NFI 기초자료와 연구자료의 부합함수
최소치의 차이 ≥ 0.9 X 작은 표본에부적합
TLI(NNFI) 가장 잘 맞는 모델과 맞지 않는
모델간의 통계적 거리 ≥ 0.9 O 표본크기에영향을 덜 받음 RMSEA 모형과 모집단간의 일치도 평가 < 0.10 O 표본크기에
영향을 덜 받음
<표 Ⅳ-5> 확인적 요인분석 결과
이론변수 측정변수 regression weights
regression표준화 weights
표준오차 C.R. SMC
포용적리더십
Inc9 1.0 0.889 .790
Inc8 .875 0.794 .040 22.061 .630
Inc7 .950 0.886 .034 27.568 .785
Inc6 .877 0.808 .038 22.792 .652
Inc5 .943 0.863 .036 26.048 .746
Inc4 .852 0.792 .039 21.986 .627
Inc3 .760 0.736 .039 19.393 .542
Inc2 .752 0.744 .038 18.704 .553
Inc1 .718 0.708 .039 18.221 .502
조직정치지각
Pop9 1.0 0.832 .692
Pop8 1.023 0.813 .050 20.397 .660
Pop7 1.054 0.862 .047 22.344 .743
Pop6 .883 0.743 .049 17.899 .552
Pop5 1.027 0.807 .051 20.184 .651
Pop4 .938 0.722 .055 17.209 .521
Pop3 .617 0.52 .054 11.401 .270
Pop2 .813 0.622 .057 14.166 .387
Pop1 .723 0.613 .052 13.899 .376
팀몰입
Tc7 1.0 0.615 .379
Tc6 1.137 0.662 .098 11.571 .439
Tc5 1.177 0.744 .093 12.606 .553
Tc4 1.107 0.713 .091 12.230 .509
Tc3 1.052 0.612 .096 10.878 .374
Tc2 1.213 0.776 .093 12.985 .602
Tc1 1.277 0.787 .097 13.109 .619
친사회적동기
Pm10 1.0 0.704 .496
Pm9 1.172 0.773 .077 15.220 .597
Pm8 1.115 0.694 .081 13.724 .481
Pm7 1.100 0.788 .071 15.508 .621
Pm6 1.109 0.727 .077 14.367 .529
Pm5 .726 0.490 .074 9.764 .240
Pm4 .992 0.736 .068 14.524 .541
Pm3 .746 0.566 .066 11.256 .320
Pm2 .693 0.567 .062 11.270 .321
Pm1 .762 0.64 .060 12.698 .410
지식숨김행동 : 의도적 숨김
Kh1 1.0 0.749 .562
Kh2 1.062 0.762 .064 16.689 .580
Kh3 1.160 0.832 .063 18.468 .692
Kh4 1.108 0.766 .066 16.803 .587
Kh5 1.109 0.869 .057 19.439 .756
Kh6 1.148 0.852 .060 18.979 .725
Kh7 1.198 0.883 .061 19.791 .779
Kh8 1.164 0.858 .061 19.152 .737
지식숨김행동 : 합리적 숨김
Kh9 1.0 0.765 .585
Kh10 1.107 0.804 .062 17.811 .646
Kh11 1.218 0.893 .061 20.113 .797
Kh12 1.152 0.893 .057 20.109 .797
확인적 요인분석 과정에서 도출된 표준화 회귀계수는 해당 측정변수의 요인 적재량과 동일 개념이며, 해당 계수가 유의한 경우 측정변수의 개념타당성이 확 보되었다고 판단할 수 있다. 통계적 유의수준은 결정계수(C.R.)의 절대값이 2.58 을 넘는 경우 p<0.01 수준(양측)에서 유의하다고 판단하며, SMC(squared multiple correlations)는 일반적으로 >0.4의 경우 적합하다고 판단한다.
위의 확인적 요인분석 결과 모형의 전반적인 적합도는 기준치를 중심으로 약 간 상회하거나(예, CFI. RMSEA 등), 약간 하회(예, TLI)하는 경우가 나타나고 있는데, 전반적으로 적합도 지수의 요건을 확보하고 있는 것으로 확인할 수 있 어, 이후 단계의 분석을 진행하였다.
표준화 회귀계수(즉, 요인 적재량)가 각 각의 측정변수들에 대한 개별적인 개념 적 타당성을 검토하기 위한 계수라고 한다면, 해당 이론변수를 측정하기 위하여 사용된 측정도구 전반의 타당성을 검토하기 위한 검증 과정이 필요할 수 있는데, 이러한 타당성 분석은 크게 수렴타당성(convergent validity)과 판별타당성 (discriminant validity)으로 구분된다.
수렴타당성은 해당 변수를 측정하기 위하여 사용된 다른 측정 도구들 간 높은 상관관계가 존재해야 한다는 의미이며, 본 연구에서는 일반적으로 사용되는 합성 신뢰도(composite reliability)를 사용하였다. 합성신뢰도는 지표의 내적 일관성을 측정하는 지표로 개념 신뢰도(construct reliability)라고도 한다. Hair와 동료들 (1998)은 합성신뢰도가 최소 0.7을 넘어야 한다고 판단 기준을 제시하고 있다. 판 별타당성을 판단하기 위한 평균분산추출(AVE)의 경우 서로 다른 구성개념에 대 한 측정지표의 차별성을 판단하기 위한 지표로서 일반적으로 상관계수의 제곱값 과 비교하여 상관계수의 제곱값에 비해 높은 경우 이를 타당성이 확보된 것으로 해석하게 된다.
모형 적합도
χ
2 = 2699.142, df=1,019, p<0.01χ
2/df=2.649, RMR=0.052, TLI(NNFI)=0.897, CFI=0.904 RMSEA=0.061 (LO 90=0.058, HI 90=0.064)<표 Ⅳ-6> 합성신뢰도(CR)와 평균분산추출(AVE)
이러한 확인적 요인분석 결과를 종합하였을 때, 전반적인 모형 적합도 수준은 분석을 진행할 수 있는 수준으로 확인되었으며, 모든 측정지표의 결정계수(C.R.) 가 통계적으로 유의한 수준으로 확인되었다. 일부 측정지표에서 SMC(squared multiple correlation) 값이 0.2~0.3 수준의 값이 나타나고 있으나, 전반적인 적합 도의 수준과 결정계수의 유의도를 고려하여 종합적으로 측정모형에 대한 확인적 요인분석 결과는 타당한 것으로 해석할 수 있다.
측정도구의 수렴타당성과 판별타당성을 확인하기 위한 합성신뢰도(CR)와 평균 분산추출(AVE) 값을 확인한 경우, 합성신뢰도는 모두 0.9 이상의 결과가 나타났 고, 평균분산추출의 경우에도 변수 간 상관계수의 최대값인 0.577의 제곱값보다 모두 크게 나타나고 있어 판별타당성을 확보하였다고 판단하였다.
이와 같은 측정모형에 대한 확인적 요인분석 결과를 토대로 이후의 구조모형 분석을 통한 가설검증 과정을 진행하였다.
구분 포용적
리더십 조직정치
지각 팀몰입 친사회적
동기 지식숨김
_의도적 지식숨김 _합리적
합성신뢰도 .942 .905 .908 .936 .948 .905
평균분산추출 .643 .521 .587 .598 .695 .705