만약 문항이 측정변수라면, 측정변수는 df와 비례적 관계에 있기 때문에, df가 높아지면 적합도가 높아지는 경향이 있어요.. 그래서 문항이 너무 많으면 모형적합도가 낮아진다는 것은 꼭 그렇지만은 않구요... 같은 요인끼리 묶어서 관측변수에 넣어도 된냐는 것은 '변수계산' 후 측정모델분석을 할 때를 의미하는 것인지? 질문의 의미를 잘 모르겠어요~
모형수정에 의해서 모델의 적합도를 개선시키는 방법은 크게 2가지가 있습니다. 이건 다시 확인적 요인분석인가? 측정모델분석인가? 구조모델분석인가?에 따라서 방법이 다시 달라지죠. 확인적 요인분석이라면 (또는 차원이 감소되지 않은 측정모델이나 구조모델이라면) 동일 요인(잠재변수)내 측정오차 간 공분산 설정이 가능하며, 집중타당도가 떨어지는 (베타값이 0.5미만 또는 SMC값이 0.4미만으로 주로 보고 있음) 경우 해당 문항을 제거할 수 있습니다. 그런데, 차원이 감소된 후 시행되는 측정모델의 경우는 변수계산(평균 또는 합산)이 되어서 들어 온 요인이 측정변수이기 때문에 동일 도구 내 요인 간(측정오차 간) 공분산 설정은 불가능하게 됩니다. 그렇다면 베타값 0.5 또는 SMC값 0.4 미만으로 나타나는 측정변수를 제거하는 방법밖에 없는데, 이건 조작적 정의 문제와 직결되므로, 이론적 근거가 있는 경우만 가능하게 됩니다. 구조모델에서는 M.I지수의 regression 값을 보고 판단하게 됩니다. 주로 모수를 추가시키는 방법인데, 때에 따라서는 이론적 근거에 의해 모수를 제거하면서 모형을 수정하기도 합니다~ 말이 정말 어렵죠? 이걸 이해하려면 시간이 걸릴 수 밖에요... 저도 글로 설명하는데, 이렇게 설명하지 않으면 수십페이지를 써야 할 판입니다~
아따마 설명이 완벽하십니다~!!! 속시원하게 알게됐습니다!! 감사합니다.
속이 다 시원하네요.. 이런 개념 이해 없이 “탐색적 요인분석을 실시했다”라고 의례적으로 적어 놓은 논문이 너무나 많아 답답했었는데.. 많은 분들이 꼭 봐야 할 영상입니다.
감사합니다 ~
와 이제야 이해하게 됩니다. 이걸 왜 이제봤지?
몇 번 보고, 이제야 이해했습니다. 감사합니다.
감사합니다~
감사합니다.
헷갈릴수 있는 개념을 명확히 설명해주셔서 감사합니다.
우와 이해 완전 잘되요
질문이 있습니다. 구조방정식이 아닌 조절된 매개 모형인데 타당성을 검증하기 위해 확인적 요인분석을 하고자 합니다. 이때 Spss에 있는 요인분석 메뉴는 탐색적 요인분석인데 어떻게 spss로 확인적 요인분석을 하나요…?!
안녕하세요 질문이 있습니당,,예를 들어 탐색적요인분석으로 요인추출하고나서, 반드시 그 요인구조(탐색적요인분석을 이용하여 추출한 요인)를 이용해서 연구모형을 설정하여 확인적 요인분석을 할 필요는 없는거죠?그저 이론적 근거만 있으면 가능한거죠??..!
구조방정식모형으로 연구모형을 설정했다면, 확인적요인분석(CFA)을 해야 할 거고요~ 회귀모형이나 분산분석모형이나 뭐 다른 모형으로 연구모형을 설정했다면 주성분분석(PCA)으로 요인분석을 하면 될 겁니다~
경로분석을 할때 문항이 너무 많으면 모형적합도가 낮아지잖아용 ㅠ 그럼 같은 요인끼리 묶어서 관측변수에 넣어도 되나요?
만약 문항이 측정변수라면, 측정변수는 df와 비례적 관계에 있기 때문에, df가 높아지면 적합도가 높아지는 경향이 있어요.. 그래서 문항이 너무 많으면 모형적합도가 낮아진다는 것은 꼭 그렇지만은 않구요...
같은 요인끼리 묶어서 관측변수에 넣어도 된냐는 것은 '변수계산' 후 측정모델분석을 할 때를 의미하는 것인지? 질문의 의미를 잘 모르겠어요~
넵 그 요인분석이 아닌 경로분석에서 적절한 수준의 파싱이 어느정도인가 ㅠㅠ 잘 모르겠습니다.
그렇군용 ㅜㅜ 그럼 혹시
경로모형을 만들었는데 모형적합도가 떨어집니다ㅜㅜ 그래서 모형적합도를 올리기위해서 같은 잠재변수 내에 속하는 측정변수의 오차끼리 상관관계 선을 그어줘도 되나요?! 측정변수가 5가진데 한 5개는 그어줘야 모형적합도가 올라가더라구요ㅠㅠ
모형수정에 의해서 모델의 적합도를 개선시키는 방법은 크게 2가지가 있습니다. 이건 다시 확인적 요인분석인가? 측정모델분석인가? 구조모델분석인가?에 따라서 방법이 다시 달라지죠.
확인적 요인분석이라면 (또는 차원이 감소되지 않은 측정모델이나 구조모델이라면) 동일 요인(잠재변수)내 측정오차 간 공분산 설정이 가능하며, 집중타당도가 떨어지는 (베타값이 0.5미만 또는 SMC값이 0.4미만으로 주로 보고 있음) 경우 해당 문항을 제거할 수 있습니다.
그런데, 차원이 감소된 후 시행되는 측정모델의 경우는 변수계산(평균 또는 합산)이 되어서 들어 온 요인이 측정변수이기 때문에 동일 도구 내 요인 간(측정오차 간) 공분산 설정은 불가능하게 됩니다. 그렇다면 베타값 0.5 또는 SMC값 0.4 미만으로 나타나는 측정변수를 제거하는 방법밖에 없는데, 이건 조작적 정의 문제와 직결되므로, 이론적 근거가 있는 경우만 가능하게 됩니다.
구조모델에서는 M.I지수의 regression 값을 보고 판단하게 됩니다. 주로 모수를 추가시키는 방법인데, 때에 따라서는 이론적 근거에 의해 모수를 제거하면서 모형을 수정하기도 합니다~
말이 정말 어렵죠? 이걸 이해하려면 시간이 걸릴 수 밖에요... 저도 글로 설명하는데, 이렇게 설명하지 않으면 수십페이지를 써야 할 판입니다~
감사합니다! 혼자 구조방정식을 공부하며 논문을 쓰고 있는데 정말 많은 도움이 되고 있습니다!
@@user-pw7iw3jh7t 다행입니다~힘들겠지만 홧팅하세요^^