Measurement Invariance Testing Using Random Effects model for Many groups: Multilevel Confirmatory Factor Analysis (ML CFA) and Multilevel Factor Mixture Modeling (ML FMM)

집단 비교 연구 시 측정동일성의 성립 여부는 집단 간 의미 있는 비교를 하기 위한 필수 요건으로 제시되고 있다. 이를 위해 일반적으로 다집단 확인적요인분석(MG CFA)이 널리 사용되어 왔으나, MG CFA는 비교집단이 소수일 경우에 적합한 것으로, 많은 집단을 비교하게 되는 국가 비교 연구에서는 그 한계가 제기된다. 따라서 본 연구에서는 10개 이상의 많은 수의 국가(혹은 집단)를 비교하기에 적절한 방법론인 다층 확인적요인분석(ML CFA)과 다층 요인혼합모형(ML FMM)을 이용한 분석 방법론을 기술하였다. ML CFA는 절편만을 임의효과로 추정하는 임의절편모형과 요인계수도 임의효과로 추정하는 임의절편 및 임의요인계수모형으로 구분하여 장단점을 기술하였다. 구체적으로 각 방법론에 대한 이론적 모형과 측정동일성 검정 절차를 제시하고, 기존의 MG CFA에 비해 지니는 이점 및 적용 시 유의해야 할 사항을 서술하였다. 또한 이러한 방법론을 적용한 예시로서, PISA 2015 자료를 활용하여 학생이 인식한 과학의 도구적 동기 및 즐거움에 대해 국가별 측정동일성 검정 절차를 분석하고 국가별 잠재평균을 추정하였다. 마지막으로 본 연구의 향후 연구 및 의의에 대해 논의하였다.