R 확인적 요인분석(CFA)

1. 들어가며

R을 이용해 확인적 요인분석(Comfirmatory Factor Analysis)을 해보자. 데이터는 설문 조사 데이터를 이용한다. 

cfa_sample.csv

0.00MB

2. 데이터 구조 파악

예제 데이터는 68개의 행 데이터와 12개의 변수로 구성된 데이터프레임이다. 

 

 

요인과 관측변수의 관계는 다음과 같다. 

 

요인A = A1 + A2 + A3 + A4 + A5 + A6
요인B = B1 + B2 + B3 + B4 + B5 + B6

 

3. R 코드 실행

library(lavaan) # CFA 분석을 위한 패키지
library(semPlot) # 구조도를 그리기 위한 패키지
cfa_sample = read.csv("cfa_sample.csv") # 데이터 입력

cfa_model = '
Construct_A =~ A1 + A2 + A3 + A4 + A5 + A6
Construct_B =~ B1 + B2 + B3 + B4 + B5 + B6
'
model_fit = cfa(cfa_model, data = cfa_sample)
summary(model_fit, fit.measures=T, standardized=T)

 

코드에서 요인과 관측변수의 관계를 연결하는 코딩 부분을 유의해서 보자. 전체 코드는 '  ' 로 감싸고 요인(Construct)과 관측변수는 =~ 연산자로 코딩한다. 

 

코드를 실행하면 결과물이 길게 이어지는데 두 부분으로 나눠서 살펴보자. 

 

3. 모델 적합도 결과 확인

굉장히 많은 정보가 나타나지만 핵심적인 정보는 모델의 적합도를 판정하는  ①,  ②,  ③ 이다. 

 

① TLI / CFI 값은 모두 1에 가까울 수록 좋은 모델이며 0.95 이상이면 적합도가 높은 모델, 즉 기존 가설에 부합하는 모델이라고 판단한다. 예제 데이터에서는 CFI = 0.785, TLI = 0.732 이므로 수용하기 어려운 모델인 것으로 판정된다. 

 

② RMSEA 값은 0에 가까울 수록 적합도가 좋다고 판정하며 일반적으로 0.06이하이면 수용한 가능한 수치이며 0.1이상이면 문제가 있다고 판단한다. 예제 데이터는 0.119로서 부적합한 모델임을 보여준다. 

 

③ SRMR 값은 0에 가까울 수록 적합도가 높다고 볼 수 있고 일반적으로 0.07이하면 수용할만 모델이고 0.08이하면 모델의 적합도가 높다고 판단한다. 

 

위의 핵심 지표에 관련해서는 아래 관련글을 참고하기 바란다.

 

확인적 요인분석(CFA : Confirmatory Factor Analysis)

4. 요인과 관측변수와의 관계

잠재변수(요인, 구성개념)를 구성하는 관측변수들의 요인적재량이 가장 오른쪽 열에 제시된다. 일반적으로 0.5 이상이어야 하는데 아래 결과를 보면 B3는 Construct_B 요인 적재량이 0.489로서 요인을 구성하는 변수로서 적절하지 않음을 알 수 있다. 

 

5. 경로 구조도 그리기

차트를 그리기 위해서는 semPlot 패키지가 필요하다. 아래의 코드를 실행하면 구조도가 생성된다. Construct에서 관측변수 A ~ B로 향하는 화살표에 적힌 값은 요인적재량을 의미한다. 

 

diagram = semPlot::semPaths(model_fit,
                            whatLabels = "std",
                            intercepts = F,
                            style = "lisrel", # "ram", "mx", "OpenMx", "lisrel" 
                            nCharEdges = 0,
                            nCharNodes = 0,
                            curveAdjacent = T,
                            layout = "tree2", #tree,circle,spring,tree2,circle2,
                            curvePivot=T)

[그림 1] 요인구조