구조 방정식에서의 항목 합산에 대해 알아보자.

데이터 수집하고 점검이 끝나면 연구 모델을 구조방정식 모델에 맞는 형태로 전환하고, 그것을 분석하는 과정이 필요합니다. 이 과정이 바로 연구 모델의 구체화라고 할 수 있습니다. 이번 포스팅에서는 연구 모델을 구체화하기 위해 필요한 구성 개념의 항목 합산에 대해 알아보겠습니다.

 

적절한 관측 변수의 수는 몇 개일까요?

• 원칙적으로 한 model 안에서 관측 변수의 수에 대한 제한은 없습니다. 하지만 다섯에서 6개 정도의 잠재 변수가 존재하는 모델을 예상하고 1개 잠재 변수의 34 개의 관측 변수를 갖는 것으로 가정한다면 20개 정도의 관측 변수가 적당하다고 할 수 있습니다.
• 하지만 많은 수의 항목이 측정되어 있는 경우에는 항목 합산을 통해 문제를 해결할 수 있습니다. 왜냐하면 너무 모델의 복잡성이 증가하게 되면 표본의 크기, 모델의 적합도, 모델 추정에 의한 유의성에서 문제가 발생할 수 있기 때문입니다. 이때 사용하는 것이 항목 합산입니다.

 

 

항목 합산의 세 가지 방법

• 평균이나 총점 등을 이용하는 것인데요. 항목 합산에는 세 가지 방법이 있습니다.
• 첫째, 전 항목을 단일 항목으로 합산하는 것입니다.
  • 이 방법은 합산의 방법 중에 가장 극단적인 방법입니다.
  • 신뢰도 분석과 집중 타당성을 검증한 뒤에 모든 항목을 평균이나 총점으로 합산하여 단일 변수로 만드는 과정을 말합니다.
  • 경로 분석 시에 사용되는 가장 일반적인 방법이지만 여러 하위 요인이 가지고 있는 정보의 손실이 발생할 수도 있습니다.
• 두 번째, 이론적 근거를 바탕으로 한 합산입니다.
  • 이 방법은 선행 연구자가 제시한 하위 요인들을 기준으로 신뢰성과 타당성을 검증한 후 하는 방법입니다.
  • 구성 개념이 가진 정보를 최대한 살리면서 항목을 줄이기 때문에 가장 보편적으로 활용되고 있습니다.
• 셋째, 탐색적 요인 분석을 통한 확산입니다.
  • 이 방법은 선행 연구자가 어떠한 하위 요인도 제시하지 않았을 경우에 사용됩니다.
  • 조사자가 탐색적 요인 분석을 통해 요인을 추출한 다음 추출된 요인을 대상으로 신뢰성과 타당성을 검증한 후에 합산을 하는 방법입니다.
  • 이렇게 탐색적 요인 분석 결과를 바탕으로 신뢰도 분석과 확인적 요인 분석을 실시한 결과는 다음과 같이 소수의 관측 변수로 줄어듬을 알 수가 있습니다.

 

항목 합산의 부작용

• 그런데 이럴 때 이렇게 항목을 합산하게 되면 부작용이 있을 수 있습니다.
• 모델을 단순화시키기 때문에 다수의 구성 개념들을 한 모형에 사용할 수 있고 높은 적합도를 얻을 수 있지만, 구성 개념의 하위 요인들에 대한 특징은 사라질 수가 있습니다. 그래서 하위 요인이 3개 미만이 되지 않도록 주의해야 합니다.