HR Analytics와 구조방정식

엔씨소프트 데이터 조직이 HR Analytics 에서 조직 몰입이나 이직 의도처럼 직접 관찰할 수 없는 개념을 다룰 때 쓰는 구조방정식 모형을 소개하는 글이다. 여러 문항의 응답을 그냥 평균 내면 측정오차가 결과에 그대로 섞이는데, 구조방정식은 문항 간 공통 분산으로 잠재변수를 뽑아 그 오차를 통제한다.

핵심 포인트

문제는 성과나 역량, 리더십, 조직문화 같은 변수들이 연봉이나 근무 연수와 달리 하나의 지표로 관찰되지 않는다는 점이다.
그래서 복수 문항으로 측정하는데, 각 응답은 실제 값과 측정오차가 섞인 값이다. 평균을 내 분석에 쓰면 오차가 그대로 남아 결과가 왜곡될 수 있다.
구조방정식은 같은 개념을 재는 문항들의 공통 분산으로 잠재변수를 도출해 실제 값에 해당하는 부분만 분석에 쓴다.
모형은 두 층이다. 측정모형이 문항으로 개념이 잘 측정됐는지 확인하고, 구조모형이 측정오차를 제거한 개념들 사이의 회귀관계를 밝힌다.
추가 장점 두 가지를 든다. 독립변수와 종속변수 역할을 동시에 하는 매개변수 분석에 용이하고, 적합도 지수로 모형 전체를 통계적으로 평가할 수 있다.

상세 정리

예시로 든 국내 연구는 조직몰입을 정서적, 지속적, 규범적 몰입 세 하위 요인으로 나누고 각 요인마다 5개 문항을 썼다.
이런 문항 형태는 거창한 이름을 붙이지 않아도 역량 평가, 리더십 진단, 조직문화 진단, 역량 면접 평가표, 교육 만족도 설문에서 이미 쓰이고 있다.
경로도는 변수 간 인과 구조를 시각화한 그림으로 구조방정식을 직관적으로 이해하는 데 쓴다.
관찰변수는 성적이나 소득처럼 직접 측정되는 변수로 직사각형으로, 잠재변수는 무력감이나 언어능력처럼 추상적인 변수로 타원으로 표시한다.
화살표에도 의미가 있다. 직선 일방 화살표는 인과관계를, 곡선 양방 화살표는 상관관계를 나타낸다.
화살표를 보내는 쪽이 외생변수, 받는 쪽이 내생변수다. 외생변수는 모형 안의 어떤 변수로도 설명되지 않는다.
오차는 둘로 나뉜다. 측정오차는 관찰변수가 잠재변수를 측정하고 남은 값이고, 설명오차는 내생변수의 분산 중 외생변수로 설명되지 않은 나머지다.
전통적 통계는 오차변수를 서로 독립으로 가정하지만, 연구 모형에 따라 오차 간 상관을 가정해 분석할 수도 있다.
측정모형은 잠재변수 사이에 인과 가설을 두지 않은 모형이라 잠재변수끼리는 양방 곡선 화살표로 상관만 가정한다.
측정모형에서 잠재변수가 관찰변수를 설명하는 정도를 요인 부하라고 부르고, 절편은 해당 관찰변수의 평균이다.
분석 순서는 측정모형을 먼저 보고 그다음 구조모형으로 잠재변수 간 영향 관계를 보는 것이다.
소개된 실제 사례는 조직문화가 워라밸을 매개로 직장인의 안녕감과 우울감에 미치는 영향을 본 논문이다.
첫 단계는 수집한 문항과 데이터가 관심 개념을 제대로 측정하고 있는지 측정모형으로 확인하는 것이다.
재택근무 예시로 장점을 설명한다. 상사와의 유대감과 재택근무 만족도를 각각 3개 문항으로 재고, 평균 대신 잠재변수를 써 오차를 걸러낸다.
HR Analytics 특성상 실제 문항과 분석 결과를 외부에 공유하기 어려워 국내 발간 연구 사례를 중심으로 설명한다고 밝힌다.

왜 읽나설문 기반 데이터를 평균 내서 상관만 보고 있던 데이터 분석가에게, 측정오차를 통제하는 모형이 왜 필요하고 어떤 용어로 구성되는지 알려주는 입문 글.

NC소프트 DANBI 블로그

원문은 여기서 이어서 읽을 수 있어요

원문 읽기

읽음 (0)

·takedown 요청

HR Analytics와 구조방정식

이 글과 비슷한

분석가가 직접 만든 마케팅 자동화 시스템 — 오디언스 빌더 제작기

모든 Vercel 빌드를 지탱하는 데이터베이스 마이그레이션 이야기

DynamoDB 핫 파티션을 해결하는 3가지 방법 (3): 조회를 인덱스 테이블로 옮기기