6주 EFA와 7주 CFA는 무엇이 다른가?
EFA는 관측문항 간 상관을 설명할 잠재구조를 탐색하고, CFA는 이론적으로 지정한 측정모형이 자료와 얼마나 부합하는지 검토합니다.
문항정제 후 33문항
서로 독립적으로 생성된 합성자료
20개 관측문항과 5개 잠재요인
요인은 서로 상관하도록 허용하되 각 문항은 지정된 요인 하나에만 적재되는 모형입니다. 요인별 첫 적재량을 1로 고정하여 척도를 식별합니다.
동그라미는 잠재요인, 아래 코드는 관측문항입니다. 잠재요인들 사이의 상관을 허용합니다. 도식은 실제 연구 원도식의 복제가 아닌 수업용 개념도입니다.
CSV에는 가상 응답자 식별번호만 포함됩니다. Python 분석은 사용자의 환경에서 NumPy·SciPy로 실행하며, 홈페이지 자체에서 ML을 재최적화하는 기능과는 구별됩니다.
모형적합도: 좋으면 타당한가?
아래의 합성자료 적합도는 이 CSV로 이미 검산한 최대우도(ML) 추정 결과입니다. 화면에서 즉시 ML을 다시 적합한 결과가 아니라 검증된 재현 출력임을 구분합니다.
표준화 적재량으로 CR·AVE 직접 계산
실제 합성자료에 적합한 CFA 표준화 요인부하량을 입력값으로 제공합니다. 수치를 바꾸면 CR·AVE가 즉시 계산됩니다. 입력값 변경은 가상 실험이며 CFA 전체 모형을 다시 적합하지 않습니다.
| 문항코드 | 표준화 적재량 λ | λ² | 1 − λ² |
|---|
표준화·단일적재·오차 비상관 가정하의 교육용 계산: CR = (Σλ)² / [(Σλ)² + Σ(1−λ²)], AVE = Σλ² / [Σλ² + Σ(1−λ²)]. CR≈.70, AVE≈.50은 맥락을 고려하는 관례적 참고 기준이지 합격 보증이 아닙니다.
요인들이 정말 서로 구분되는가?
Fornell–Larcker 비교(√AVE와 잠재요인 상관) 및 HTMT(관측문항 상관 기반 보조 진단)를 함께 비교합니다. HTMT의 기준과 검정의 적용 범위는 연구 목적에 맞게 논의해야 합니다.
5요인 판별타당도 매트릭스
대각선은 √AVE, 비대각선은 |잠재요인 상관|입니다. 비대각선이 관련된 두 요인의 √AVE 중 하나 이상보다 크면 해당 쌍의 Fornell–Larcker 조건에 문제가 있습니다. HTMT는 보조 지표이며 엄밀한 신뢰구간 검정이 여기서 제공되지는 않습니다.
근거를 연결한 비판적 판단
논문 심사자 또는 척도 사용 승인자의 입장에서 판단하세요. 답변 후 바로 설명을 확인할 수 있습니다.
내 연구판단을 문장으로 완성하기
5주차 신뢰도·6주차 EFA·7주차 CFA 결과를 연결해 분석 보고서를 작성합니다. '수치가 좋다'는 결론 대신, 주장을 뒷받침하는 근거와 한계를 기록하세요.