논문작성법

3-3. 분석(가성검정과 조절효과 분석)

■ 3장 가설검증: 가설은 추론, 관점의 변환에서 생김.
- 선행연구 조사, 추론=> 가설선정=> 가설검증에서 채택되면 주장이 맞고 기각되면 시사점 제시.
예) A->Y(1), A->M(2), M->Y(3) 일 때, 1,2,3 가설은 모두 채택돼야 하고 A, M->Y는 채택(완전매개) 또는 기각(부분매개) 될 수도 있다.

*가설검정은 경로분석(표준화계수 B값으로 표시), 표준오차(S.E)는 모수치의 정확도를 의미, 가설채택여부는 C.R(Critical Ratio) 값 +-1.96 이상, 유의 수준 p값 0.05 이하 기준으로 판단함.

(가설과 유의 수준)
- H0(귀무가설): 보편적으로 옳다고 믿어지는 가설
- H1(대립, 연구가설): 귀무가설반대 새로운 주장가설
- 유의 수준(대립가설 채택 판단, P값으로 확률 0~1 값) => t검증(t, p), ANOVA(F, p), 회귀(F, t, p), 교차(x2, p)
P값=0.03(p <유의 수준):귀무가설기각, 대립가설채택.
=> x1 유의확률. 070으로 유의 수준(p <0.05) 벗어나 Y(종속)에 영향은 미치지 못하는 것으로 확인되었다.
=> x2 유의확률. 004로 유의 수준(p <0.01)의 범위를 만족하므로 유의한 것으로 판단할 수 있다.
t값 p값 표시방법 해석
절댓값 t >= 1.96 p <0.05 * 유의하다
절댓값 t >= 2.58 p <0.01 ** 유의하다
절대값t >= 3.30 p <0.001 *** 유의하다

1 시그마(68.26%), 2 시그마(95.44), 3 시그마(99.73)

95% 유의 수준이므로 t값>=1.96이어야 함(2 안됨)

(회귀분석)
- B값, 표준오차, t값(=B/표준오차) t값=C.R(구조방정식에서 사용): 유의 수준, B값을 표준화=베타값(표준화 회귀계수=요인의 크기 비교)
즉, 요인적재량(베타, B값 표준화 계수) > 0.5
P < 0.05이고, 독립변수의 다중 공선성을 보기 위해 공차한계 > 0.1이고 VIP(분산 팽창지수) <10면 된다.
( 뜻: 다중공선성 문제가 없다)
Ajusted R Square=. 345(조정 설명력이 34.5% 임)

집중타당도: 베타>. 5, 개념타당도(C.R)>. 7, AVE>. 5
판별타당도: R제곱 <AVE(평균분산추출)

(매개효과분석) 간접효과분석 2), 3), 4) 해당:Baron & Kenny
: 팬텀, Sobel, AMOS-bootstrapping: A.F.Hayes
1) 독립->종속(direct, 직접효과), 2) 독립->매개 1->종속(indirect, 간접효과), 3) 독립->매개 2->종속(indirect, 간접효과), 4) 독립->매개 1->매개 2->종속(이중매개, 간접효과)

*직접효과, 간접효과, 의사효과(직접->매개 1 × 직접->매개 2)

(조절효과)
x1(독립변수), z1(조절변수), x1 × z1(독립 ×조절):
모든 값이 유의해야 하고, 변수가 많을수록 R2값이 커야 함 => 조절변수의 조절효과가 있다고 봄

■ 구조방정식의 조절효과
ex) 스마트폰 외관, 유용성, 편의성이 구매의도와 구전의도에 영향을 미칠 때 성별(남/녀)에 따라 차이가 있는지.

(조절효과 분석절차 9단계)
1단계) 연구모델 그리기
2단계) 남녀 두 집단 구분하기
group number1 더블클릭(남자, new 여자 close)
3단계) 조절효과를 확인하기 위해 경로에 이름 붙이기
경로->에 더블클릭(parameta 눌러 all group표시 체크 안되게 하고 regresion weight에 a1, 다음 경로
b1, c1, d1 순서대로 경로이름 쓴다. 여자 눌러 똑같이 a2, b2, c2, d2 결로 붙임
4단계) 자유모델과 제약모델로 연구모델을 구분하기
defourt model 더블클릭(자유모델, new 눌러 제약모델 쓰고 parameta constrain에 a1=a2 엔터 b2=b2 엔터 c1=c2 엔터 d1=d2 쓰고 close)
5단계) 남자그룹에 남자응답값 매칭
22번 file name 파일 열고 남자 선택하고 grouping varable 눌러 성별 선택 ok 하고 group value 1 눌러 ok 한다.
6단계) 여자그룹에 여자응답값 매칭
22번 file name 눌러 여자 선택, grouping varable 성별 ok, group value 2 ok 한다
7단계) 23번 옵션설정
옵션 (1.output값 설정:처음 3개 마지막 첫째-Minimization History, Standardized Estimate, Squared Multipile Correlation, Modification Indices, Indirect Direct & Total Effects) 체크 후
2.Estimation에서 estimate means and intercepters 반드시 추가체크 한다
8단계) 24번 분석시작
9단계) 26번 분석결과 해석
1. 분석결과에 남자/여자, 자유모델/제약모델 추가됨. (제약모델은 남/여 경로가 똑같다, 자유모델은 남/여 경로가 다르다고 했음)
- DF(자유모델과 제약모델의 자유도 차이)
- CMIN(자유모델과 제약모델의 카이제곱의 차이)
- P(CMIN과 DF 간 관계에 대한 유의 수준)
2. model comparison 누려면( DF, CMON, P)
제약모델 P=. 511로 귀무가설 기각할 수 없다. 즉 성별차이가 있을 것인가? 가 채택되어 성별차이가 적절하다.
Estimate- 남자/여자를 regration weight P값을 봄
=> 제약모델은 남/여 p값 ok, 자유모델 남자는 ok/여자는 p값 벗어나는 것이 있음.

(논문표시) 제약모델에 대해 유의 수준이. 511로 p <. 05를 만족하지 못하므로 귀무가설을 기각할 수 없다. 남녀 간의 성별차이에 의해 다른 영향을 받을 수 있다.(남/녀별 경로 간 Estimate, S.E, C.R, P 표시)