1줄 요약: 구조방정식 모형적합도 지수 기준치가 궁금하시죠? CFI·TLI는 0.90 이상(엄격하게는 0.95 이상), RMSEA는 0.08 이하(엄격하게는 0.06 이하)가 기준입니다. 다만 절대 기준은 아니며, 표본 크기와 모형 복잡성을 고려해 여러 지수를 종합적으로 해석해야 합니다.
AMOS를 처음 돌려보신 분들이 가장 당황하시는 순간이 있습니다. Text Output 창을 열었는데 낯선 영문 약자가 수십 개 쏟아지는 순간이요. “이 중에 도대체 뭘 봐야 하는 거지?” 하고 스크롤만 올렸다 내렸다 하신 경험, 다들 있으실 겁니다.
결론부터 말씀드리면 다 볼 필요 없습니다. 학계에서 필수적으로 보고하는 건 사실상 정해져 있어요. 오늘은 구조방정식 모형적합도 지수 중 핵심만 골라, 통계를 처음 접하시는 분도 이해하실 수 있도록 쉬운 예시와 함께 정리해 드리겠습니다!
목차
구조방정식 모형적합도 지수가 대체 뭘 알아보는 건가요?
내가 머릿속에 그린 그림이 실제 데이터와 얼마나 잘 맞는지를 보는 겁니다.
쉽게 비유해 보겠습니다. 여러분이 어떤 사람의 얼굴을 설명만 듣고 몽타주를 그렸다고 해볼게요. 그리고 실제 그 사람 사진과 비교합니다. 얼마나 닮았는가, 이게 바로 적합도입니다.
구조방정식에서 연구자가 그린 몽타주는 연구모형이고, 실제 사진은 수집한 데이터입니다. “직무스트레스가 소진에 영향을 주고, 소진이 이직의도로 이어진다”는 화살표 그림을 그렸다면, 그 그림이 실제 응답자들의 데이터 패턴과 얼마나 일치하는지를 숫자로 알려주는 것이 구조방정식 모형적합도 지수예요. 닮았으면 “모형이 적합하다”, 안 닮았으면 “모형이 부적합하다”가 됩니다. 간단하죠?
그래서 어떤 숫자를 봐야 하나요?
핵심적인 구조방정식 모형적합도 지수들과 기준치를 한 표로 정리했습니다. 이 표 하나면 실무에서 쓰실 수 있습니다.
| 지수 | 구분 | 좋은 적합도 | 수용 가능 | 특징 |
|---|---|---|---|---|
| CMIN/DF (카이제곱/자유도) | 절대적합 | 2.0 이하 | 3.0 이하 | 표본이 크면 값이 작아지기 쉬움 |
| CFI (비교적합지수) | 증분적합 | 0.95 이상 | 0.90 이상 | 표본 크기 영향을 덜 받아 가장 많이 인용 |
| TLI (타커-루이스 지수) | 증분적합 | 0.95 이상 | 0.90 이상 | 간명성 고려, 1을 초과할 수도 있음 |
| RMSEA (평균제곱오차 제곱근) | 절대적합 | 0.05 이하 | 0.08 이하 | 오차 지표라 작을수록 좋음 |
| SRMR | 잔차 기반 | 0.05 이하 | 0.08 이하 | 모형과 데이터의 잔차 확인 |
| GFI / AGFI | 절대적합 | 0.90 이상 | 참고용 | 표본 영향이 커서 최근엔 필수 보고 제외 추세 |
위쪽 네 개만 제대로 보고하셔도 대부분의 심사는 통과합니다. 여기에 SRMR을 더하면 더 안정적이고요.
CFI는 무엇을 의미하나요?
“아무 관계도 없다고 가정한 최악의 모형보다, 내 모형이 얼마나 나아졌나”를 보는 지수입니다. CFI는 변수들이 서로 전혀 상관이 없다고 가정한 기초모형(Baseline Model)과 연구자의 모형을 비교합니다. 기초모형은 말하자면 0점짜리 답안이에요. 내 모형이 그 0점 답안에서 얼마나 위로 올라왔는지를 0에서 1 사이 숫자로 알려줍니다.
시험으로 비유하자면 상대평가 점수라고 보시면 됩니다. 0.92가 나왔다면 “최악의 모형 대비 92% 개선됐다”는 뜻이에요. 기준은 이렇습니다. 0.90 이상이면 논문 심사 통과에 무리가 없는 수준이고, 0.95 이상이면 매우 훌륭한 모형으로 평가받습니다. CFI는 표본 크기의 영향에 상대적으로 덜 민감하기 때문에, 구조방정식 모형적합도 지수 중에서 가장 널리 인용되는 지표이기도 합니다.
TLI는 CFI와 뭐가 다른가요?
모형이 복잡해지면 벌점을 주는 게 차이입니다. TLI도 CFI와 마찬가지로 기초모형과 비교하는 증분적합지수입니다. 그런데 한 가지가 더 붙어요. 모형을 복잡하게 만들수록 불이익(Penalty)을 주는 간명성을 반영합니다.
이렇게 생각해 보세요. 화살표를 마구 늘려서 억지로 적합도를 끌어올린 모형이 있다고 합시다. CFI는 그래도 점수를 잘 줄 수 있지만, TLI는 “그렇게 복잡하게 만들었으면 당연히 잘 맞아야지”라며 점수를 깎습니다. 꼭 필요한 경로만으로 깔끔하게 설명하는 모형을 선호하는 지수인 거죠.
기준은 CFI와 동일하게 0.90 이상이 수용 가능, 0.95 이상이 우수입니다. 참고로 TLI는 계산 방식상 1을 넘을 수도 있는데, 그 경우엔 보통 1.000으로 보고합니다. 구조가 복잡한 모형일수록 CFI보다 약간 낮게 나오는 경향이 있다는 점도 기억해 두세요.
RMSEA는 왜 작을수록 좋은가요?
다른 지수와 달리 ‘오차’를 재는 지표이기 때문입니다. CFI와 TLI가 점수라면, RMSEA는 오답률에 가깝습니다. 모형과 실제 데이터 사이의 근사 오차가 얼마나 되는지를 재기 때문에, 당연히 작을수록 좋아요.
구간별 해석은 이렇게 나뉩니다.
- 0.05 이하: 매우 우수한 적합도 (Good fit)
- 0.08 이하: 수용 가능한 양호한 적합도 (Acceptable fit)
- 0.10 이하: 보통 수준의 적합도 (Mediocre fit)
- 0.10 초과: 부적합한 모형 (Poor fit)
여기서 초보자분들이 자주 놓치는 부분이 하나 있습니다. RMSEA는 점추정치만 보고하면 부족합니다. 반드시 90% 신뢰구간(LO 90, HI 90)을 함께 보고하셔야 해요. 신뢰구간이 좁을수록 추정이 안정적이라는 뜻이고, 심사위원이 이걸 물어보는 경우도 꽤 있습니다.
예를 들어 RMSEA = .062, 90% CI [.048, .075]처럼 함께 적어주시면 됩니다. 구조방정식 모형적합도 지수를 보고할 때 이 한 줄이 있고 없고가 꼼꼼함의 차이로 읽힙니다.
카이제곱은 왜 그냥 안 보고 나눠서 보나요?
표본 수가 크면 무조건 “부적합”이라고 나오기 때문입니다. 구조방정식에서 카이제곱(CMIN) 검정은 원래 “유의하지 않아야” 모형이 좋은 겁니다. 그런데 치명적인 약점이 있어요. 표본 수가 커지면 아주 작은 차이에도 유의하게 나와 버립니다.
쉬운 예를 들어보겠습니다. 시력검사를 하는데 돋보기 배율을 자꾸 높이는 상황이라고 생각해 보세요. 배율을 극단적으로 높이면 아무리 깨끗한 종이도 흠집투성이로 보입니다. 표본이 500명, 1,000명으로 커지면 카이제곱이 딱 그렇게 작동해요. 멀쩡한 모형도 “안 맞는다”고 판정해 버립니다.
그래서 실무에서는 카이제곱 값 자체보다 자유도로 나눈 비율(CMIN/DF)을 봅니다. 3.0 이하면 수용 가능, 2.0 이하면 아주 우수입니다.
다만 CMIN/DF 역시 표본 크기가 커질수록 작은 값으로 나타나기 쉬우므로, 이것만 믿으시면 안 됩니다. 구조방정식 모형적합도 지수를 보고할 때 CFI·TLI·RMSEA를 함께 확인하는 편이 안전합니다.
GFI는 이제 안 봐도 되나요?
필수는 아니고 참고용으로 두시면 됩니다. GFI와 AGFI는 과거 논문에서 많이 쓰였습니다. 지금도 오래된 선행연구를 보시면 자주 등장하죠. 하지만 표본 크기에 영향을 너무 많이 받는다는 한계가 알려지면서, 최근 학계(특히 해외 저널)에서는 필수 보고 목록에서 제외하거나 참고치로만 두는 추세입니다.
지도교수님이 GFI를 요구하신다면 함께 보고하시면 되고, 별다른 요구가 없다면 CMIN/DF, CFI, TLI, RMSEA, SRMR 조합으로 충분합니다.
AMOS에서 이 숫자들은 어디서 보나요?
View → Text Output → Model Fit 경로입니다. 분석을 실행한 뒤 이 경로로 들어가시면 CMIN/DF, CFI, TLI, RMSEA가 한 화면에 나옵니다. RMSEA 항목에서는 점추정치와 함께 LO 90, HI 90이라는 열이 보이실 텐데, 이게 앞서 말씀드린 90% 신뢰구간입니다.
처음 보시면 표가 여러 줄로 나뉘어 있어 헷갈리실 수 있는데, Default model이라고 적힌 행의 값을 읽으시면 됩니다. Saturated model이나 Independence model 행은 비교 기준일 뿐이니 신경 쓰지 않으셔도 돼요.
적합도가 기준에 미달하면 어떻게 하나요?
수정지수(MI)를 확인하시되, 이론적 근거 없이 손대시면 안 됩니다. 적합도가 기준에 못 미칠 때 가장 흔히 쓰는 방법은 AMOS의 수정지수(Modification Indices, MI)를 확인하는 것입니다. MI 값이 큰 항목을 찾아 오차항 간의 상관관계를 설정해 주면 적합도가 올라갑니다.
여기서 반드시 드릴 당부가 있습니다. 근거 없이 상관이나 경로를 마구 추가하면 적합도 숫자는 좋아지지만, 모형의 이론적 타당성은 오히려 약해집니다.
실제 심사장에서 이런 질문이 나옵니다. “이 두 오차항을 왜 연결하셨죠?” 여기에 “적합도가 안 나와서요”라고 답하시면 그 순간 분위기가 달라집니다. 반대로 “두 문항이 모두 동일한 상황을 묻고 있어 측정 맥락이 겹치기 때문”처럼 내용적으로 설명하실 수 있으면 아무 문제가 없어요.
같은 척도 안의 유사한 문항끼리, 혹은 같은 시점에 측정된 문항끼리 연결하는 건 설명이 됩니다. 하지만 전혀 다른 구성개념에 속한 오차항을 숫자만 보고 연결하는 건 위험합니다. 구조방정식 모형적합도 지수를 올리는 작업은 늘 이론이 먼저입니다.
기준이 논문마다 다른 것 같은데요?
맞습니다. 그래서 내 학과 기준을 먼저 확인하셔야 합니다. 같은 CFI 0.92를 두고도 어떤 심사위원은 통과시키고, 어떤 심사위원은 보완을 요구합니다. 심사위원 성향이나 학문 분야에 따라 엄격하게 보기도 하고(0.95 이상 / RMSEA 0.06 이하), 유연하게 보기도(0.90 이상 / RMSEA 0.08 이하) 하기 때문이에요.
그래서 가장 확실한 방법은 이겁니다. 내 학과에서 최근 통과된 학위논문, 혹은 투고하려는 학술지의 최근 논문을 열어 적합도 보고 부분을 그대로 확인하는 것. 필수 지수 조합과 허용 범위는 연구 분야와 학술지에 따라 달라지므로, 남의 기준이 아니라 내가 심사받을 곳의 기준을 따르는 게 맞습니다.
그리고 절대 잊지 마셔야 할 원칙이 하나 있습니다. 하나의 지수만으로 최종 판단하지 마세요. CFI가 0.93인데 RMSEA가 0.11이라면 뭔가 문제가 있는 겁니다. CMIN/DF, CFI, TLI, RMSEA, SRMR을 함께 놓고 종합적으로 판단하셔야 해요.
논문에는 어떻게 써야 하나요?
결과 부분에 이런 식으로 한 문단이면 충분합니다.
“연구모형의 적합도를 검증한 결과, CMIN/DF = 2.31, CFI = .942, TLI = .931, RMSEA = .058(90% CI [.045, .071]), SRMR = .049로 나타나 모든 지수가 권장 기준을 충족하였다.”
포인트는 세 가지입니다. 여러 지수를 함께 제시할 것, RMSEA는 신뢰구간까지 적을 것, 소수점 셋째 자리까지 보고할 것. 이 형식만 지키셔도 적합도 보고 때문에 지적받는 일은 거의 없습니다.
함께 보면 좋은 글 ▶▶ 구조방정식 모형 경쟁모형 의미? 통계 초보자도 이해하는 4가지 구분점!
자주 묻는 질문
Q. TLI가 1.000으로 나왔는데 오류인가요?
A. 오류가 아닙니다. TLI는 계산 구조상 1을 초과할 수 있어서, 그런 경우 보통 1.000으로 보고합니다. 다만 모형이 지나치게 단순하지는 않은지 한 번 점검해 보시길 권합니다.
Q. CFI는 좋은데 RMSEA만 나쁩니다. 어떻게 하나요?
A. 표본이 작거나 자유도가 낮을 때 RMSEA가 불리하게 나오는 경향이 있습니다. 이런 경우엔 SRMR을 함께 제시하고, 논의에서 표본 특성과 함께 설명하시면 방어가 됩니다.
Q. 적합도만 좋으면 좋은 논문인가요?
A. 아닙니다. 적합도는 “모형이 데이터와 맞는가”만 말해 줄 뿐, 가설이 지지되었는지는 경로계수가 따로 알려줍니다. 적합도가 완벽해도 주요 경로가 유의하지 않으면 논의를 다시 써야 해요.
Q. 표본은 몇 명이 필요한가요?
A. 일반적으로 200명 이상을 권장하며, 모형이 복잡할수록 더 필요합니다. 추정할 모수 하나당 10명 정도를 기준으로 계산해 보시면 감이 잡히실 거예요.
Q. 확인적요인분석(CFA)과 구조모형 중 어느 쪽 적합도를 보고하나요?
A. 둘 다 보고합니다. 측정모형의 적합도를 먼저 확인한 뒤 구조모형으로 넘어가는 2단계 접근이 표준이고, 심사에서도 이 순서를 기대합니다.
혼자 씨름하고 계신다면
AMOS는 화면이 그림으로 되어 있어 쉬워 보이지만, 실제로는 적합도가 안 나오는 순간부터가 진짜 시작입니다. MI 목록을 보며 어디를 손대야 할지, 그 수정을 심사에서 어떻게 설명할지가 전부 판단의 영역이거든요.
머스트논문은 이 지점에서 가장 많은 도움을 드립니다.
- 연구모형 설계 단계에서 추정 가능한 구조인지 사전 점검
- 측정모형(CFA)부터 구조모형까지 단계별 적합도 진단
- 적합도 미달 시 이론적 근거가 있는 수정 방향 제시
- 매개효과·조절효과·다집단분석 등 확장 분석 지도
- 결과표 작성과 내 입으로 설명할 수 있는 수준까지 해석 훈련
- 심사 예상 질문 대비 및 지적사항 발생 시 보완까지
특히 마지막 두 항목을 강조드리고 싶습니다. 숫자를 뽑아드리는 것으로 끝내지 않고, “이 지수가 왜 이 값인지”를 연구자분이 직접 말씀하실 수 있게 만들어 드리는 것이 저희 방식입니다. 심사장에서 결국 답하는 사람은 본인이니까요.
탑클래스 논문컨설팅사에서 7년간 실무를 쌓은 박사가 설립했고, 전공별 지도박사님이 1:1로 밀착 지도합니다. 주제 선정부터 통계 분석, 심사 이후 보완까지 전 과정을 함께합니다.
정리하면 이렇습니다
첫째, 필수 지수는 다섯 개입니다. CMIN/DF 3.0 이하, CFI·TLI 0.90 이상, RMSEA 0.08 이하, SRMR 0.08 이하. 이것만 챙기셔도 충분합니다.
둘째, 엄격한 기준도 알아두세요. CFI·TLI 0.95 이상, RMSEA 0.06 이하. 학과나 학술지에 따라 이 기준을 요구할 수 있습니다.
셋째, 하나만 보지 마세요. 카이제곱은 표본 크기에 휘둘리므로, 여러 구조방정식 모형적합도 지수를 종합해 판단하셔야 합니다.
넷째, RMSEA는 신뢰구간까지. 점추정치만 적으면 절반만 보고한 것입니다.
다섯째, 수정은 이론이 먼저입니다. MI 숫자만 보고 오차항을 연결하면 적합도는 오르지만 논문은 약해집니다.
적합도가 안 나온다고 해서 연구가 잘못된 게 아닙니다. 대부분은 모형 구조나 문항 구성에서 작은 조정 하나면 풀리는 문제예요. 다만 그 하나를 찾는 데 혼자서는 몇 주가 걸리고, 경험자와 함께라면 한 번의 상담으로 끝나기도 합니다.
Text Output 창을 띄워놓고 막막하신 상태라면, 그건 실력의 문제가 아니라 경험의 문제입니다. 편하게 문의해 주세요!
[ 🏆 머스트논문 논문컨설팅 무료상담 ]
▶ 홈페이지 : https://must.kr
▶ 카카오톡 상담 : https://pf.kakao.com/_xckbdX
▶ 이메일 : help@must.kr
▶ 대표전화 : 010-4868-0017
