잠재변수 관측변수 설정 관련하여 질문드립니다.
안녕하세요, 이일현 교수님.
스탯에듀에서 제공해주신 구조모형 강의를 매우 흥미롭게 수강하였고, 많은 도움을 받을 수 있었습니다. 진심으로 감사드립니다.
저는 현재 삶의 질을 잠재변수로 포함하는 구조모형 연구를 진행 중이며, 삶의 질 측정을 위해 SF-12 도구를 사용하고자 합니다. 이 도구는 총점을 산출하지 않고, 신체영역과 정서영역으로 구분하여 각각의 점수를 산출하는 방식입니다. 이와 관련하여 다음과 같은 두 가지 질문이 있어 자문을 부탁드리고자 합니다.
-
모형 설정과 관련하여
다른 구조모형 연구들을 참고해보니, SF-12를 활용하여 삶의 질이라는 하나의 잠재변수를 설정한 후 신체영역과 정서영역을 관측변수로 포함한 모형을 구축한 사례가 많았습니다. 원래의 사용방법과 다르게 이러한 방식으로 하나의 모형을 구성해도 무방할지, 아니면 신체영역과 정서영역을 각각 독립된 잠재변수로 설정하여 두 개의 모형을 따로 구성하는 것이 더 적절할지 궁금합니다. 아니라면 신체영역, 정서영역을 하나하나의 잠재변수로 하나의 모형에 구성하도록 하는 것이 맞는 것일지요? -
도구 사용과 타당성 검토에 관하여
SF-12의 타당성 검토 연구들을 찾아보니, 신체영역과 정서영역을 구분하여 확인적 요인분석이나 탐색적 요인분석을 시행하기보다는, 전체 항목을 대상으로 요인분석을 시행하여 두 가지 요인(신체영역, 정서영역)이 도출된 경우가 대부분이었습니다. 이 또한 원래의 사용방법과 다르게 신체 및 정서 영역의 점수를 각각 구분하지 않고 총점으로 두 영역을 통합하여 사용하는 것이 연구자 재량으로 허용되는 것인지, 아니면 기존 논문들에서 도구 사용이 엄밀하지 않았던 것으로 보아야 하는지 궁금합니다.
바쁘신 중에 번거로우시겠지만, 조언을 주신다면 연구 설계에 큰 도움이 될 것 같습니다. 감사합니다.
댓글
이일현 (2025-07-29 15:04:46)
1. 가능합니다.
다만 PCS, MCS 는 반영지표로 보기 어려워 집중 타당도(AVE, CR)가 낮게 나올 가능성이 높습니다.
그런 경우에는 일반적인 구조방정식 보다는 PLS-SEM 으로 분석하는 것도 고려해야 합니다.
2. SF-12 와 같은 도구는 Likert 5 점 척도와 같은 반영 지표가 아니라 척도 개발 단계부터 다른 접근으로 개발한 도구이므로 EFA, CFA 없이 합산 점수 그대로 사용해도 무방합니다.
kyw33aa (2025-07-31 01:32:53)
교수님 답변 감사드립니다!
1. 가능하다고 하시는 것이 삶의 질 1개의 잠재변수에 PCS와 MCS 관측변수 2개로 하는 것, 그리고 잠재변수를 PCS와 MCS 2개로 하는 것 둘다 가능하다고 하시는 걸까요?
2. 그런데 첫번째의 경우 그럼 경로분석 시에 총점에 대한 경로가 나오게 되는데 총점을 산출하는것이 원래 도구의 사용방법이 아닌데 어떻게 가능하게 되는것일까요? 그리고 두번재의 경우에는 PCS, MCS를 잠재변수로, 그리고 이 잠재변수에 4개씩의 하위 요인이 있는데 그 하위요인을 관측변수로 하는 것으로 해야하는 걸까요?
3. 교수님 답변 2번에 따르면, PCS, MCS를 하나씩의 잠재변수로 두고 단일관측변수로 하는 것이, 위에서 말씀드린 PCS. MCS 2개의 잠재변수당 4개씩의 관측변수를 사용하는 것 보다 적절하다고 하시는 것일까요?
4. 죄송하지만 ㅠㅠ 한가지만 더 여쭙고 싶습니다. 혹시 변수들 간에 영향요인 관계 말고 상관관계를 설정하면(예를 들면 외생변수 간, 혹은 PCS와 MCS간) 이는 경로분석에서는 의미가 없게되고 적합도 확인에서만 의미가 있는 것으로 이해하면 될까요? 이때 상관관계를 설정할 수록 적합도가 좋아지는 것으로 강의에서는 들은것 같은데 그럼 상관관계가 있다는 근거가 있다면 상관관계를 많이 설정할 수록 좋은것인가요?
항상 감사드립니다!
이일현 (2025-08-26 10:46:03)
1. 모형에 따라 둘 다 가능합니다.
2.3. 잠재변수 아래에 PCS, MCS 의 관측변수로 놓는다면 형성(조형) 지표로 사용해야 합니다.
각각의 잠재변수로 놓는다면 잠재변수1-PCS(측정변수), 잠재변수2-MCS(측정변수)로 놓고 분석합니다.
4. 외생잠재변수 간 상관 관계 설정, 측정오차간 공분산 설정을 하면 할수록 적합도는 좋아집니다.
하지만 단순히 적합도만 좋아지는 것은 아닙니다.
상관관계(공분산) 설정을 하면 그 자체가 제약이 되기 때문에 해당 변수의 RW(비표준화 계수), SRW(표준화계수) 등에 영향을 받습니다.
그에 따라 SE, p-value 로 달라지고, AVE, CR 값도 모두 영향을 받습니다.
적당하고 적합한 설정은 모형 적합도를 높이며, SRW, p-value, AVE, CR 등에 큰 영향을 주지 않지만, 과도한 또는 적합하지 않은 경우 이 값들이 더 나빠질 수 있습니다.
Legacy document_srl: 307575 / Legacy URL: http://www.statedu.com/QnA/307575
댓글