시뮬레이션을 사용한 구조방정식에서 상호작용효과 검증 방법 비교
Comparison of Methods of Verifying Interaction Effect in Structural Equations Using Simulations
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
연구 목적: 본 연구는 구조방정식에서 상호작용효과 검증 방식의 효율성을 검증하기 위해서, 구체적인 조건에서 검증 방법을 비교하고 가장 효율적인 방법을 찾는다. 연구 방법: 몬테카를로 시뮬레이션을 사용하여 구체적인 조건의 데이터를 생성하고 생성된 데이터의 상호작용효과를 조건에 따라 OPI 방식과 LMS 방식을 사용하여 분석하였다. 연구 내용: 시뮬레이션을 사용하여 48가지의 조건의 데이터를 생성하였고, OPI 방식과 LMS 방식을 사용하여 각각 분석하였다. 결론 및 제언: 사례수와 상호작용항의 효과 크기 그리고 잠재변인 간의 상관이 증가할수록 검정력도 같이 증가하였다. 요인부하량의 수준 차이는 검정력의 유의미한 차이를 보이지 않았다. 상호작용효과 검증 방법의 비교에서는 LMS 방식이 OPI 방식보다 상대적으로 높은 검정력을 보여주었다. 이러한 결과로, 연구자가 효과 검증할 때 LMS 방식을 사용하는 것을 추천한다.
Abstract
This study aims to validate the efficiency of the interaction effect verification method in structural equation modeling by comparing various methods under specific conditions to identify the most efficient one. We generated specific condition data using Monte Carlo simulation and analyzed the interaction effects of the generated data using OPI and LMS, based on the conditions. We generated data under 48 different conditions using simulation and analyzed it using OPI and LMS. As the sample size, the level of interaction effect, and the correlation level between latent variables increased, the power also increased. There was no significant difference in the power of the tests for differences in factor loadings across levels. LMS demonstrated relatively higher power compared to the OPI. Based on these findings, I recommend using LMS when researchers validate effects.
참고문헌 (21)
- 강상진, "회귀분석의 이해" (2002), 교육과학사
- 김수영, "구조방정식 모형의 기본과 확장" (2016), 학지사
- 노충래, "로즌버그의 자긍심척도와 집단자긍심척도를 활용한 교포청소년의 심리정신건강에 관한 연구", 한국아동복지학, 10, pp.107~135 (2000)
- 성태제, "현대 기초통계학 : 이해와 적용" (2014), 학지사
- 다문화가족 아동ㆍ청소년의 발달과정추적을 위한 종단연구 III, "양계민", 한국청소년정책연구원, 1~487 (2012)
- 한광현, "다문화청소년의 문화적응스트레스와 우울수준 및 자아존중감의 관계- 스트레스 과정 모델 검증", 정신건강과 사회복지, 47(1), pp.231~257 (2019), 한국정신건강사회복지학회[DOI]
- 홍세희, "회귀분석과 구조방정식 모형에서의 상호작용효과 검증 : 이론과 절차", 인간발달연구, 21(4), pp.1~24 (2014), 한국인간발달학회[DOI]
- Battle, J., "Relationship between self-esteem and depression", Psychologicalreports, 42(3), pp.745~746 (1978)
- Cohen, J., "Statistical power analysis for the behavioral sciences" (2013), Academic press
- Dempster, A. P., "Maximum likelihood fromincomplete data via the EM algorithm", Journal of the royal statistical society : series B(methodological), 39(1), pp.1~22 (1977)
- Derogatis, L. R., "The SCL-90 and the MMPI : Astep in the validation of a new self-report scale", The British Journal ofPsychiatry, 128(3), pp.280~289 (1976)
- Kelava, A., "Advanced nonlinear latent variable modeling : Distribution analytic LMS and QML estimators of interaction and quadraticeffects", Structural equation modeling : A multidisciplinary journal, 18(3), pp.465~491 (2011)
- Kenny, D. A., "Estimating the nonlinear and interactive effectsof latent variables", Psychological Bulletin, 96(1), pp.201~210 (1984)
- Klein, A., "Maximum likelihood estimation of latentinteraction effects with the LMS method", Psychometrika, 65(4), pp.457~474 (2000)
- Kline, R. B., "Principles and practice of structural equation modeling" (2015), Guilford publications
- Little, T. D., "On the merits oforthogonalizing powered and product terms : Implications for modelinginteractions among latent variables", Structural Equation Modeling, 13(4), pp.497~519 (2006)
- Marsh, H. W., "Structural equation models of latentinteractions : evaluation of alternative estimation strategies and indicatorconstruction", Psychological methods, 9(3), pp.275~300 (2004)
- Marsh, H. W., "Structural equationmodels of latent interaction" (2012), Guilford publications
- Muthén, B., "Modeling interactions between latent andobserved continuous variables using maximum-likelihood estimation in Mplus", Mplus Web Notes, 6(1), pp.1~9 (2003)
- Shaughnessy, J. J., "Researchmethods in psychology" (2000), McGraw-Hill
- Stephenson, M. T., "A Monte Carlo simulation of observableversus latent variable structural equation modeling techniques", CommunicationResearch, 30(3), pp.332~354 (2003)