Видео

각 요인 별로 Wilcoxon test 를 하면 됩니다. 즉 4번 하는거죠.

분석은 하위 요인 각각으로 분석하는 것입니다. 동질성을 만족하는 하위 요인은 ANOVA 동질성을 만족하지 못한 하위 요인은 Welch 로 분석합니다.

@@DrLeeIlHyun 감사합니다^^ 각각 하면 되는군요!!! 🥰

연구모형이 우선입니다. 연구모형의 적합도가 만족할 만한 수준이라면 굳이 대안(경쟁)모형을 만들 필요는 없습니다. 대안(경쟁)모형을 만든 경우에는 연구모형과 x^2, df 값의 차이를 구해서 두 모형 간 차이가 유의한 차이가 있는지를 밝혀야 합니다. 두 모형 간에 유의한 차이가 없다면 대안(경쟁)모형은 의미가 없습니다.

여러 기기(Compute, 갤럭시탭, 갤럭시)에서 테스트 해봤는데 정상적으로 소리가 나옵니다. 다른 기기에서 한 번 해보시죠.

1. 잠재변수간 경로 설정 2. 오차 변수간 공분산 설정 의 2가지 방법이 있습니다. 1에서 외생변수들끼는 상관관계 설정을 할 수 있습니다. 외생변수와 내생변수, 내생변수와 내생변수 간에는 인과관계 설정으로 경재모형을 만들 수 있습니다. 2에서는 동일 잠재변수내 측정변수의 오차변수간에는 MI 를 이용하면 MI 값이 높은 오차 변수끼리 공분산 설정을 할 수 있습니다.

1. 감마 : 셀 수 없는 연속형 변수 2. 포아송, 음이항 : 셀 수 있는 변수(빈도) 3. 포아송, 음이항 : 등분산인 경우 포아송, 과분산인 경우 음이항 가장 중요한 것은 위의 3가지 입니다. 세 분포 모두 0 쪽으로 치우친 분포입니다. 그런 상태에서 우울, 불안 점수와 같이 셀 수 없는 연속형 변수라면 감마를 선택합니다. 교통사고 건수, 낙상 횟수와 같이 셀 수 있는 빈도라면 포아송이나 음이항을 선택합니다.

@@DrLeeIlHyun 답변 정말 감사드립니다!

예. 머지하지 않고 1개년도로 분석하면 됩니다. 가중치도 그대로 사용합니다.

@@DrLeeIlHyun 감사합니다!!

조절변수의 모든 영역에서 x --> y 가 유의한 영향을 준다는 것입니다. 그리고, X --> Y 의 영향이 조절변수마다 달라진다는 것이죠.

@@DrLeeIlHyun교수님. 정말 감사합니다. 그런데 제 연구에서 한가지만 더 질문드립니다. X(사회적지위) -> Y(웰빙) 이고, M(차별스트레스)입니다. 말씀드렸다피 M(차별스트레스)의 모든 범위(0-65)에서 유의한데, 문제는 effect 값이 모두 양(+)이에요. 교수님 설명대로라면 M(차별스트레스)이 높을수록 Y(웰빙)점수가 높아진다는 것이 맞나요? 말이 안되는것 같아 좌절스럽습니다.ㅜㅜ 참고로 pearson correation에서도 X와 M이 양의 상관관계를 가지고 있습니다(X&Y:+, M&Y:-).

@@hye476 effect 값이 양수인 것은 맞습니다. effect 는 X --> Y 의 효과이므로 사회적 지위가 높을수록 웰빙이 높아진다입니다. 이때 중요한 것은 조절변수인 M 이 커질수록 effect 값이 커지는지 작아지는 것인지 입니다. 예를 들어 M=1.0 일 때 effect 가 0.3, M=2.0 일때 effect 0.4, M=3.0 일 때 effect 가 0.5 ... 와 같이 조절변수의 값이 커질수록 effect 가 커진다면 문제이죠. 차별스트레스가 높아질수록 사회적지위가 웰빙에 미치는 양의 영향이 커진다... 라는 것이 되기 때문입니다 하지만 effect 가 + 이지만 점점 감소하면 문제가 없습니다. 차별스트레스가 높아질수록 사회적지위가 웰빙에 미치는 양의 영향력이 감소한다. 가 되는 것입니다.

@@DrLeeIlHyun 감사합니다. 교수님.. 안타깝게도 차별스트레스 점수가 커질수록 Effect 값이 증가하고 있네요. M=1.0 일때 effect 1.3 인데, M=2.0일때 effect 가 1.5 , M=3.0일때 1.6 ... 끝까지 일정하게 커지고 있어요. 아무래도 분석이 잘못 된것 같습니다. ㅜㅜ

@@sueysmg3287 예.. 가능합니다.

@@DrLeeIlHyun 답변주셔서 감사합니다. 그런데 이 경우 사전점수의 차이가 아니라 실험의 효과라는 것을 어떻게 보여주는지요?

@@sueysmg3287 사전-사후를 반복으로 분석한 후 group*time 이 유의하다는 것을 밝혀야 합니다. 다른 종속변수 분석시에는 해당 변수의 사전 점수를 공변량으로 통제한 후 분석합니다.

GEE 자체에서 그래프를 지원하지 않습니다. "EM 평균" 탭에서 그룹*시간 을 선택해서 평균값을 출력합니다. 출력결과의 평균값을 이용해서 EXCEL 에서 그래프를 그리면 됩니다.

감사합니다.

아니오. 평균들의 분포는 중심극한정리에서 나온 것입니다. 우리가 분석을 할 때는 일반 data 가 정규분포를 따르는지 봅니다.

대부분의 패널 데이터는 표본표본추출을 합니다. 다만 data 에 층화변수나 집락변수를 제공하느냐 하지않느냐의 차이일 뿐이죠. 제공하지 않는다면 가중치만 적용해서 복합표본분석을 하면 됩니다. 1개 년도만 분석할 경우에는 해당 년도의 횡단가중치만 적용합니다.

이 정도 값이면 모형을 수정하지 않는 이상은 올라가기 힘들겠는데요. 무변화모델의 적합도가 낮은 건 문제가 되지 않지만, 선형변화나 이차변화 등에서 이와 같이 나왔다면 문제가 있습니다.

예. 동일합니다.

1. 그룹내 전후 : paired t-test 2. effect size : SPSS 의 경우 "옵션" 에서 "효과크기 추정값" 을 선택하면 출력됩니다. 이때의 effect size 는 f^2 입니다.

"추정평균" 옵션에서 "대비" 검정을 하면 됩니다.

일반선형모형 --> 일변량 종속변수 : Y 고정요인 : X 공변량 : ----- 위 메뉴에서 공변량에 covariate 를 입력하면 됩니다.

"오즈비" 옵션에서 지정할 수 있습니다. 예를 들어 학력(1,2,3,4) 로 입력되어 있는데 3을 참조변수로 하고 싶다면, "오즈비" --> 요인 : 학력, 참조범주 : 3 입력하면 오즈비 표가 별도가 출력됩니다. 또는 dummy 변수로 만들어서 공변량에 입력해서 분석해도 됩니다.

아뇨. 표본의 크기 때문에 하지는 않습니다.

@@DrLeeIlHyun 그럼 표본의 수가 차이가 많이 나는경우 10배이상일 때 분석을 어떻게 해야하나요?

일반 통계프로그램에서는 지원하지 않습니다. SAS, R 에서 지원됩니다.

로지스틱 회귀분석에서 exp(B) 라고 출력된 것이 OR 입니다. 로지스틱 회귀분석에서 B 값이 나옵니다. 이 B 값으로 엑셀에서 계산하면 됩니다. =exp(B) 예를 들어 B=0.234 라면 엑셀에서 =exp(0.234) 가 OR 입니다.

1. 혼란 or 통제 변수들 중에서 유의하게 나온 변수와 독립변수를 같이 투입해서 분석합니다. 혼란변수라고 생각되면 유의하지 않아도 투입할 수 있습니다. 2. 범주형 변수는 "범주형 공변량" 옵션을 사용합니다. 또는 "요인" 항목이 있으면 "요인"에 범주형 변수를 입력합니다. 또는 범주형 변수를 dummy 변수로 만든 후 그 더미변수를 입력합니다.

선형모형의 적합도를 확인합니다. 선형모형의 잔차와 정규성, 등분산성이 문제가 없다면 선형모형을 사용해도 됩니다. 또한 선형모형과 2차모형의 결정계수의 차이가 얼마나 되는지도 확인합니다. 위계적 방법으로 결정계수 차이가 통계적으로 유의하지 않다면 선형모형을 사용합니다.

감사합니다 궁금한게 또하나 있는데요. 다변량 잠재성장 모형 분석시(3개변인) 내생변수 2개의 오차를 반드시 상관으로 연결해 주어야 하나요? 그렇게 했는데 핏은 올라가는데 영향관계가 유의했다가 유의미 하지 않은 걸로 바뀝니다 ;;

아니오. 내생변수의 오차항은 특별한 이유가 있어야 공분산 설정을 할 수 있습니다.

@@DrLeeIlHyun 아 제가 질문을 잘못 드린걸수도 있는데, 예를 들어 자아존중감 초기치의 오차와. 자아존중감 변화율 오차 간 상관입니다. 그리고 다변량분석에서 종속변수의 기술통계에서 3차 2.17. 4차 2.09 5차 2.11 의 평균을 보이지만, 무변화/선형모델 핏 비교에서는 선형으로 나오면 문제가 없나요? 2차 함수는 4개차수 이상이고 해석이 어렵다고 알고 있어서 측정해보지 않았는데, 기술통계의 평균값 추세가 우선 맞아야 그 다음 단계로 진행되는건가요? 마지막으로 예를들어 (독립)긍정적 양육 낮아짐 > (매개) 자아존중감 낮아짐 >(종속) 우울 낮아짐. 긍정적 변인이 낮아지고 있는 추세에서 우울이 높아지는게 논리적으로 맞는데 낮아지는 추세라면 모형이 애초에 성립이 안되는건가요?

@@sjkim8207 1.초기치 오차항과 변화율 오차항 간 공분산 설정은 가능합니다. 2. 먼저 변화에 대한 조건을 설정해야 합니다. 무변화인지, 선형, 비선형인지를 파악하고 가장 적합한 모형을 판정하고 해석을 해야 합니다. 지금의 결과를 보면 선형으로 증가했다가 그대로 있는 모델로 평가하는 것이 더 나아보입니다. 3. 지금의 결과는 이상하네요. 이론적으로 따진다면 긍정적 양육이 낮아지면 자아존중감이 낮아지고 그래서 우울은 높아져야 타당합니다. 어떤 이유 때문인지 등은 파악해야 할 것입니다.

효과크기를 계산하는 공식은 100 여 가지입니다. CMA 를 이용하는 경우에는 이 모든 것을 지원하기 때문에 쉽게 가능합니다. R 을 이용하는 경우, R 은 한 가지 효과크기 방식만 지원합니다. 이런 경우 개별 논문들의 효과크기를 계산한 다음 모든 효과크기를 통일시키면 됩니다. 가장 쉬운 방법으로 개별 효과크기를 계산해서 상관계수로 변환해서 사용할 수 있습니다.

암 진단에 관련된 변수가 8개 있습니다. 가장 간단한 방법은 개별 암진단 변수를 0,1 로 만듭니다. 그런 다음 이 8개 변수를 sum 해서 새로운 변수로 만들면 0~8 사이의 값이 되겠죠. 이때 1 이상이면 암진단이라고 정의하면 됩니다. 8,9 의 사용자 결측값이 있기 때문에 그냥 sum 하면 이들 값이 카운트 됩니다. 그래서 8, 9 를 0 또는 결측값으로 변경한 다음 계산해야 합니다.

가능합니다. 연구모형에 따라 독립변수는 성별, 연령과 같은 변화하지 않는 변수나 시간에 따라 변하는 우울(1-5차) 모두 사용 가능합니다.