논문작성법
3-1. 분석(타당성, 신뢰성, 연관성)
*타당성과 신뢰성: Data 구성과 수집이 제대로 됐는지 확인하는 것.
1) 신뢰도분석(각요인 문항별 묶어서 각각 통계량 확인)
2) 요인분석(독립, 매개, 종속변수 문항별 묶어 각각 분석)
■ 타당성 검증: 설문자료가 정확히 측정됐는지 판단(이론과 실제가 일치하는 정도)
=> 종류: 내용타당성, 기준타당성(예측타당성, 동시타당성), 개념타당성(집중타당성, 판별타당성, 법칙타당성)
<< #집중타당성은 상관관계가 높게, 판별타당성은 상관관계가 낮게 나타나야 함>>
집중타당성은 0.6 이상이고, 판별타당성은 0.4 이하
*요인분석: 변수들을 요인별로 묶어서 변수들의 상호관계(상관관계나 타당성)를 검증분석하는 방법.
(분석-차원축소-요인분석)/(문항전체 선택 후 기술통계-일변량, 계수, KMO 체크)(요인추출-주성분( 또는 정확한 최대우도), 요인회전-베리맥스(또는 정확 오블리민, 적재량), 점수-변수로저장, 옵션-크기순)
=> 요인분석 잘된 지는 KMO는 0.5 이상 & Bartlett값 0.05 이하, (구조, 패턴) 행렬 값은 0.3 이상(0.5 훌륭)
1. 탐색적 요인분석(EFA, spss 통계처리): 변인들의 상관관계를 중심으로 잠재요인을 추출하기 위해
- 주성분 분석(varimax 회전방식)의 기준값
=>고유값(Eigen Value 1 이상, 요인적재량 0.5 이상)
뜻: 하나의 요인으로 자격이 된다는 의미임.
- % of variance > 50% (사회과학): 요인이 구분될 경우의 수가 00% 임(요인을 00% 믿을 수 있음)
※요인적재치와 공통성 0.6 이상, 누적설명력 60% 이상
2. 확인적 요인분석(CFA, Confirmatory Factor Analysis(AMOS 통계처리): 잠재변수와 관측변수의 상관관계분석 통한 잠재변수를 구성하는 관측변수의 유의성과 타당성 평가하기 위해
※적합도와 요인적재량=> 타당성 => 즉, 요인적재량 0.5 이상, AVE > 0.5 이상일 때 집중타당성을 가짐(수렴 및 집중타당성 검증)
- 모델적합도(Model Fit):확인적요인분석의 적합도
유의 수준(임계치 a=0.05, p <0.05, 95% 이상) 값:
x2/df(NC) < 3 or 5
(RM으로 시작하는:RMR < 0.05 , RMSER < 0.08)
GFI(I로 끝나는 것: NFI, RFI, IFI, CFI, TLI 등) > 0.9
다만, AGFI > 0.8라도 된다.
(표준화계수 0.7 이상, AVE 0.5 이상, CR 0.7 이상, SM5C(다중제곱상관) 0 3 이상)
*베타
1. 확인적요인분석 CFA: 요인적재량 0.5 이상
=> 측정모델 분석; 타당성 검증문제
2. 구조모형방정식 SEM: 모수치추정- 설명력
=> 구조모델 분석; 베타 크면 클수록 좋다
다만, p < 0.05 라야 한다; 가설채택 문제)
*구조방정식모델(SEM, Structural Equation Model)에서 연구모형의 인과관계를 검증하기 위해 사용한 이론적 측정모형의 타당도를 검증을 위해 확인적 요인분석(CFA)을 실시함.
- 구조방정식(SEM) 2가지(확인적요인/경로분석)
1. 경로분석- 구조모형(경로의 모수치 추정=> Beta값으로 p <0.05 일 때 통계적으로 의미를 가짐)
2. 확인적 요인분석(CFA: 변수의 이론적 타당성 검증)
1) 구성체계 타당성(변수계산으로 타당성이 없는 설문문항이 제거되어 차원감소됨, 요인분석)
# 분석-차원감소-요인분석(요인분석 시 차원감소됨)
2) 측정모형
B값, t값(=C.R), Beta 값, SMC값(R제곱: 설명력)
CFA => 측정모델 => 구조모델
■ 신뢰도 검증(분석-척도분석-신뢰도분석)/(통계량-항목, 척도, 항목제거 시 척도 체크 후 확인)
: 설문조사를 반복할 때 얼마나 원래 측정치와 일치하는 기준이 됨(등간, 비율척도인 변수)
:반복적으로 측정해도(변수, 요인들이) 지속적 동일한 측정값을 얻을 수 있는 가능성(크론바흐 알파계수 a > 0.6)
*Chronbach's Alpha: 항목 간 상관관계를 변형해서 분석하는 방법(0~1 값)으로 높을수록 신뢰성이 높음.
=> 신뢰도(크론바흐 알파)가 낮으면, 분석결과에서 <신뢰도 총 계량과 항목총계 통계량>의 '항목이 삭제된 경우 크론바흐 알파값'을 보고 항목 삭제함.
■ 연간성분석: 변수들이 서로 독립적(연관성=0) 인지 아니면 서로 영향을 주고받는지(<연관성 <=1)
(변수 간의 관계와 연관성 강도)를 확인하는 방법
=> 상관관계 분석, 교차분석(=군집분석)
- 스피어만 서열상관분석(서열척도), 피어슨 상관분석 (등간척도, 비율척도), 교차분석(명목척도) 사용됨.
=> 요인분석 통한 설문타당성(요인의 집중타당성과 판별타당성 분석), 설문문항의 신뢰도분석(다시 묶임)
(1보다 작은 값 아래서 1에 가까울수록 상관관계가 높음)
- 교차분석의 검정은 카이제곱(X2) 값 유의 수준 확인
*상관관계 분석(요인분석 파일에서 요인평균값 만듦, => 변수보기 밑에 빈칸 놓고 '분석-변환-변환계수' (목표변수:외관, 유용성.., 함수: 모두-mean선택) 숫자표현식 mean(1,2,3문항)하면 새로운 평균 생성.
(분석-상관분석-이변량상관: 새로 만든 변수 클릭-옵션: 평균과 표준오차, 대응별 결측값제외-확인)
*상관분석 2: 요인분석<(분석-차원축소-요인분석: 요인추출(최대우도), 요인회전(오블리인), 옵션(변수로 저장)> 결과의 요인저장 값을 이용한 요인오차를 제거한 순수한 요인점수를 활용하는 방법.
(분석-상관분석-이변량: fac1.. 요인들 클릭- 옵션: 평균과 표준오차, 대응별 결측값제외-확인)
=> 평균 0, 분산 1로 하여 측정단위를 표준화하여 사용.
*교차분석(분석-기술통계-교차분석)/(행-지역, 열-구매의사, 통계량-카이제곱(명목이면 람다, 서열이면 타우), 셀-빈도(관측, 기대), 퍼센트(행, 열, 전체)- 확인
: 상관분석과의 차이는 척도(명목척도, 서열척도)뿐 임.
=> 특정 집단 간 빈도 분포를 비교하는 분석 방법.
카이스퀘어(카이제곱) 검증은 교차분석 후 집단 간 차이가 유의한 지 분석함.
즉 카이제곱 검증은
1. 독립성 검증(변수간 연관성 여부)
2. 적합도 검증 (표본 적합도) 3. 동일성 검증(집단 간 분포의 동일성 여부)
#교차분석(군집분석) = 카이스퀘어 검증
기대빈도가 5 미만일 때 25% 넘지 않아야 x2검증 가능
ex) 지역 1과 지역 2의 스마트폰 구매의사를 비교하고, 두 지역 간 구매의사의 차이를 분석하는 방법
