논문작성법
4. 구조방정식모델(SEM)
■ 구조방정식모델: 확인적 요인분석과 경로분석.
# 구조방정식모델 장점:
1. 오차 추정
2. 상호 종속관계를 동시에 가능
3. 총 효과와 직접효과 이외의 간접효과도 추정
4. 포괄적인 통계기법을 동시에 적용
# 구조방정식모델 기호:
□ 관측변수(설문지 문항), ○ 잠재변수, ->ㅇ 내생변수,ㅇ->외생변수, e 측정오차, d 구조오차
# 구조방정식모델 분석예시:
ex) 스마트폰 외관, 유용성, 편의성이 구매에 영향을 미치는지, 또한 구매의도와 구전의도에 인과관계유무
(분석순서)
1. 창 넓히기(view-interface preperset-papersize(A4)-apply (×닫기)
2. Data 불러오기(22번): file name-해당파일 열기-ok
3. 그림 그리기(3번)-회전-이동-복사-화살표 그리기-예쁘게-dataset 누르고 항목이름-모양 바꾸기-잠재변수 오 차 항 넣기- 관측변수 추정에러(plugin의 name unobserved variable
4. 분석(23번) analysis pregertise-Estimation과 Output(분석항목 체크)-(24번) calculate estimate-붉은 화살표 클릭- 비교할 땐 표준화 계수 standized 값(숫자는 영향력 나타냄) 봄-(26번) view test(p값)
<- 집중타당도(변수의 설명력), <->상관계수(판별 타당성), ○19는 SMC 값(=R제곱 값), Squared Multipile Correlation 내생변수 설명력.
* 탐색적 요인분석 EFA와 확인적 요인분석 CFA
- 탐색적 요인분석 EFA(SPSS): 이론 만들 때(요인 찾기)
- 확인적 요인분석 CFA(AMOS): 이론 확인(요인확인)
*확인적 요인분석과 타당성(집중&판별 타당도) 분석.
1. 22번 클릭:
1) File name- 해당파일 열기 ok
2) 창크기 View-paper size(A4)
3) AMOS 그림-오 차 항 이름 plugin-name unobserved variable, 상관관계 표시 plugin-drog covalance
4) 23번 분석(output값 설정)-24번 계산(선택-저장)
4-1) 상관계수 유의성 판별: 23번 분석 Bootstrap(500/95/95)-bootstrap ML-two tailed
5) 붉은 화살표 클릭-표준화 standized 값을 비교함
(unstandized값은 -무한에서 +무한대 값의 공분산)
6) 26번 View Test 눌러 output의 estimates에서 regrassion~의 p값과 Standize regrassion~값 봄.
- 집중타당성: 어떤 하나의 구성개념을 측정하기 위한 측정값은 서로 상관관계가 높아야 함.
=> 검증 3개: AMOS 26번 view test의 output-Estimate에서 나온 값.
1. 표준화(standard regressen weight) 린다값 0.5 이상
2. 평균분산추출 (AVE값) 0.5 이상
3. 개념신뢰도(C.R값) 0.7 이상(t값에 해당 1.96 /2.54 /3.30 이상이면 됨)
•AVE=표준화 계수 제곱의 합 /(표준화 계수 제곱의 합 +오차계수) >= 0.5
•C.R=(표준화 계수) 합의 제곱/(표준화 계수) 합의 제곱 + 오차계수 >= 0.7
- 판별타당성: 서로 다른 구성개념을 측정한 측정값은 서로 상관관계가 낮아야 함.
=> 검증 2개:
1. 평균분산추출(AVE) 값 > 상관계수 제곱
2. (상관계수+-2 × 표준오차 SE ) = 1과 같지 않은 값.
- 법칙타당성: 서로 다른 구성개념 간 이론적 관계가 있는 경우 측정값 사이에도 이론적 관계가 있어야 함.
*경로분석:
1) 연구모델을 바탕으로 그 경로들이 나타내는 연구가설을 검증하는 방법.
2) 회귀분석을 반복하여 다수의 내생과 외생변수들의 인과관계를 가지는 총 효과, 직접효과, 간접효과를 확인하는 방법.
(1. X->Y로 직접영향을 미치는 A효과(직접효과) 2.X->(M)->Y로 M을 통해서 영향을 미치는 B, C효과(간접효과), 직접+간접=총 효과:A+(B×C) 임
=> 간접효과의 유의성 검정은 Bootstrap (spss에서 매개효과 유의성과 같음)으로 함.
- 부트스트랩: 표본을 재추출 반복분석한 후 최종통계량을 추정하는 방법(라플라스의 정리, 중심극한정리에 의해 표본 30개 이상이면 정규분포에 가까워져 모집단 대표성을 가짐)
=> 검정은:
1) 22번 파일 불러오기 클릭 Datafile: File name- 해당파일 열기-ok
2) 창크기 View -interface propertile(paper size(A4)
3) AMOS 그림 그리기 - - - 9번 Variable Dataset(변수명 이름:평균외관, 평균편의성, 평균유용성, 평균구매의도, 평균구전의도), (오차항 이름 plugin-name unobserved variable, 상관관계 표시 plugin-drog covalance) 즉, 외생변수 간에는 상관관계(<->)하고 내생변수에는 구조오차(d1..) 반드시 표시
4) 23번 분석(1.output값 설정:처음 3개 마지막 첫째-Minimization History, Standardized Estimate, Squared Multipile Correlation, Modification Indices, Indirect Direct & Total Effects) 체크 후 (2.Bootstrap값 설정:Perform bootstrap (500), Percentile confidence Intervate(95), Bias-Corrected Confidence Intervate(95), Bootstrap ML 체크함(ML, Maximum likelihood 최대우도법 의미)
5) 24번 시행 계산(선택-저장)-붉은 화살표 클릭-표준화 standized estimates 값을 비교함
(unstandized값은 -무한에서 +무한대 값의 공분산)
6) 26번 Output항 View Test 눌러 output의 estimates에서 regression weight의 p값과 Standize Regression weight의 Estimate값과
output의 estimate에서 Scalar-Correlation-percentile method(Tow tailed signification(PC) 상관관계 유의수준 P값 확인가능(bootstrap 분석임)
(1. 효과분석: Estimate- Matrice(standatdized Total Effect, Direct Effect, Indirect Effect 즉 경로에 따른 직접, 간접, 총 효과(A+B×C+D×E) 확인)
(2. 간접효과 유의성: Estimate-Matrice (Standardize Indirect Effect 활성화되면 Estimate/Bootstrap - bootstrap confidence - percebtile mothod-Two talled signification(PC)
상관정도의 유의확률 확인(유의미하다)
(분석해석)
- 논문표기: 총 효과(직접효과, 간접효과) 없으면 0.00
- 재귀모델(Recursive Model): 변수가 독립 -> 종속변수까지 한 방향으로 설정된 모델.
- Correlation은 covariance(공분산) -무한대에서 +무한대 값을 가지므로 -1~1 값으로 변화시킨 값임.
- ○19는 SMC, Squared Multipile Correlation (외생변수에 의해 내생변수가 얼마나 설명되는지) 나타내는 spss에서 R제곱값에 해당됨.
- MI, Modification Indices(<->,->로 적합도 향상 )
- minimization history: interation 통해 최소화된 F값 보이도록 함 (interation:0~10 반복해서 F값최소)
- Model Fit(모델 적합도): 절대/증분/간명 적합도 지수를 적정하게 재시 하여 타당성을 확보할 수 있음.
(절대적합도 지수)
1. CMIN(카이제곱 의미) 낮을수록 좋다.
2. GFI, RMR, FRMR, RMC, RMSEA(수집된 자료와 연구모델이 얼마나 부합되는지 나타냄)
- GFI(분석된 자료와 원래 자료와 차이)
- RMR(구조방정식에서 설명되지 않는 원래 Data) 0.05보다 작으면 좋다.
=> SRMR 값 구하기: AMOS 화면 상단 plugin- Standardized RMR-24번 시행계산 누려면 값 나옴.
- RMSEA(연구모델을 표본 아닌 모집단으로 추정) 0.05 보다 작으면 좋다
- 증분적합도 지수: 연구자의 구조방정식모델과 변수의 상관을 설정하지 않은 역모델과 비교해서 얼마나 정확히 측정되었는지.
- NFI, LFI, IFI, TLI, CFI는 0.9 이상이면 좋다
(간명적합도 지수)
- AGFI, PGFI, PNFI, AIC
