구조방정식 모델링은 관측 변수와 관측되지 않은 변수 간의 연관성을 조사하기 위한 일반적인 분석 틀을 제공합니다. 이 유연한 틀 안에서 다양한 모델을 적용할 수 있습니다. 이러한 유연성은 관측 데이터의 분산, 공분산 및 평균을 모델링할 수 있다는 점에서 비롯됩니다.
이 튜토리얼 비디오는 구조방정식 모델(SEM)의 기본 목적, 접근 방식 및 통계적 기초에 대한 정보와 질의응답을 제공합니다. SEM의 기초부터 시작하여 선형 회귀 분석과 확인적 요인 분석이라는 두 가지 SEM 구성 요소에 대한 사례 연구와 JMP Pro 17의 새로운 다중 그룹 분석 기능을 보여주는 사례 연구, 이렇게 총 세 가지 사례 연구를 다룹니다. 마지막으로 SEM의 주요 이점과 JMP Pro를 활용한 SEM 분석의 장점을 요약하여 설명합니다. 각 섹션의 시작 시간은 아래에 나와 있습니다. 첨부된 JMP 테이블을 사용하여 JMP Pro 17에서 SEM을 직접 사용해 보세요.
방법을 알아보세요:
- SEM의 내용, 이유, 방법을 이해하세요
- 다중 대체와 같은 번거로운 과정 없이 최첨단 방법을 사용하여 결측 데이터를 처리하세요.
- 변수가 예측 변수이자 결과 변수인 모델을 명시하십시오.
- 현상이 발생하는 메커니즘을 이해하라
- 변수 간의 연관성에 대한 구체적인 이론을 검증하고, 보유한 전문 지식을 활용하십시오.
- 직접 측정할 수 없는 모델 변수(잠재 변수라고도 함)
- 측정 오차가 있는 모델 변수(및 이를 고려한 변수)
- 통계 모델을 직관적으로 설명하는 다이어그램을 만드세요.
- 모델에 사용된 통계 자료를 이해하세요
- 첫 번째 구성 요소 – 단순 선형 회귀 및 경로 분석 (약 42분 34초부터 시작)
- 두 번째 구성 요소 – 확인적 요인 분석 (약 1:08:00부터 시작)
- 다중 그룹 분석 (약 1:21:13부터 시작)
- SEM에서 모든 모델의 적합도를 확장합니다.
- 다양한 인구 집단 간의 유사점과 차이점을 조사하십시오.
- 그룹화 변수가 필요합니다 (대개 레벨이 적음).
영상 중간중간에 Laura (@LauraCS) 와 James (@JamesK4) 의 질문과 답변이 나옵니다. 그 외에도 다음과 같은 질문들이 있었습니다.
질문: SEM에서 결측값 처리를 위해 결측값 대체(imputation) 기법이 사용되나요?
A: 아니요, JMP SEM은 모든 데이터를 분석에 활용하는 완전 정보 최대 우도(FIML) 추정법을 사용하기 때문에 다중 대치법이 필요하지 않습니다. FIML은 결측 데이터 처리를 위한 최첨단 추정 방법으로, JMP Pro에서는 결측 데이터가 감지될 경우 기본적으로 사용됩니다.
질문: SEM은 어떻게 조절변수와 매개변수를 모델링하나요?
A: 사용자는 다른 변수와 마찬가지로 SEM 플랫폼을 실행하는 데 사용할 수 있는 제품 용어를 생성할 수 있습니다. 이러한 제품 용어는 상호작용 효과, 즉 조절 효과를 검증하는 데 도움이 됩니다. 매개 분석은 SEM 플랫폼의 "모델 바로가기" 메뉴에서 사용할 수 있습니다. 조절 효과 및 조절된 매개 효과에 관심 있는 사용자는 이 추가 기능을 사용하여 해당 모델을 추정할 수도 있습니다.
질문: 관측 잔차도 얻을 수 있나요(Bollen, 1990)?
A: SEM 보고서의 빨간색 삼각형 메뉴에서 "열 저장" > "관측 잔차 저장"을 선택하면 됩니다. 잔차에 대한 자세한 내용은 다음 문서를 참조하세요.
Path Diagrams: Intuitive, Powerful, Represent Statistical Model경로 다이어그램: 직관적이고 강력하며 통계 모델을 표현하는 도구경로 다이어그램: 직관적이고 강력하며 통계 모델을 표현하는 도구
How Does SEM Work?SEM은 어떻게 작동하나요?SEM은 어떻게 작동하나요?
Law Enforcemment Example법 집행 사례법 집행 사례
자원:
