잠재 경로 변수 모형의 예
이 예에서는 75개 개발도상국의 데이터를 사용하는 Bollen(1989) 연구 자료에 설명된 산업화 및 정치적 민주주의에 대한 구조 회귀 모형을 생성합니다. 데이터 테이블의 변수에는 1960년과 1965년의 네 가지 민주주의 측도와 1960년의 세 가지 산업화 측도가 포함됩니다. 이러한 변수는 데이터 테이블의 각 열에서 "노트" 열 특성에 설명되어 있습니다. "노트" 열 특성을 보려면 열 이름을 마우스 오른쪽 버튼으로 클릭하고 "열 정보"를 선택한 후 "열 특성" 아래의 "노트"를 선택합니다.
모형 규격 과정은 잠재 변수 생성, 적재 및 회귀 변수 추가, 공분산 항 추가 및 적재 변수에 제약 조건 적용이라는 네 가지 주 단계로 구성됩니다.
1. 도움말 > 샘플 데이터 폴더를 선택하고 Political Democracy.jmp를 엽니다.
2. 분석 > 다변량 방법 > 구조 방정식 모형을 선택합니다.
3. Prod60 ~ Legis65를 선택하고 모형 변수를 클릭합니다.
4. 확인을 클릭합니다.
"구조 방정식 모형" 보고서의 "모형 규격" 개요가 나타납니다.
5. 보기 패널 상자에서 목록 탭을 클릭합니다.
잠재 변수 생성
6. "끝점 목록"에서 Prod60 ~ Labor60을 선택하고 "끝점 목록" 아래의 상자에 "Ind60"을 입력한 후 잠재 변수 추가 버튼 
을 클릭합니다.
7. "끝점 목록"에서 FrPress60 ~ Legis60을 선택하고 "끝점 목록" 아래의 상자에 "Dem60"을 입력한 후 잠재 변수 추가 버튼 을 클릭합니다.
8. "끝점 목록"에서 FrPress65 ~ Legis65를 선택하고 "끝점 목록" 아래의 상자에 "Dem65"를 입력한 후 잠재 변수 추가 버튼 을 클릭합니다.
적재 및 회귀 변수 추가
9. "시작점 목록"에서 Ind60을 선택하고 "끝점 목록"에서 Dem60을 선택한 후 단방향 화살표 버튼 
을 클릭합니다.
10. "시작점 목록"에서 Ind60을 선택하고 "끝점 목록"에서 Dem65를 선택한 후 단방향 화살표 버튼 을 클릭합니다.
11. "시작점 목록"에서 Dem60을 선택하고 "끝점 목록"에서 Dem65를 선택한 후 단방향 화살표 버튼 을 클릭합니다.
그림 8.6 적재 및 회귀
공분산 추가
12. "시작점 목록"에서 FrOpp60을 선택하고 "끝점 목록"에서 Legis60과 FrOpp65를 선택한 후 양방향 화살표 버튼 
을 클릭합니다.
13. "시작점 목록"에서 FrOpp65를 선택하고 "끝점 목록"에서 Legis65를 선택한 후 양방향 화살표 버튼 을 클릭합니다.
14. "시작점 목록"에서 FrPress60을 선택하고 "끝점 목록"에서 FrPress65를 선택한 후 양방향 화살표 버튼 을 클릭합니다.
15. "시작점 목록"에서 Fair60을 선택하고 "끝점 목록"에서 Fair65를 선택한 후 양방향 화살표 버튼 을 클릭합니다.
16. "시작점 목록"에서 Legis60을 선택하고 "끝점 목록"에서 Legis65를 선택한 후 양방향 화살표 버튼 을 클릭합니다.
그림 8.7 공분산
적재에 제약 조건 추가
17. "적재" 목록에서 Dem60->FrOpp60과 Dem65->FrOpp65를 선택하고 등가 설정을 클릭합니다.
18. "적재" 목록에서 Dem60->Fair60과 Dem65->Fair65를 선택하고 등가 설정을 클릭합니다.
19. "적재" 목록에서 Dem60->Legis60과 Dem65->Legis65를 선택하고 등가 설정을 클릭합니다.
그림 8.8 완료된 모형 규격
적재에 대한 제약 조건은 영숫자 라벨로 지정됩니다. 예를 들어 Dem60->FrOpp60과 Dem65->FrOpp65는 둘 다 "c1"이라는 라벨이 지정되어 있으므로 등가 설정된 것을 알 수 있습니다.
20. "모형 이름" 아래의 텍스트 상자에 "Industrialization and Political Democracy"를 입력합니다.
21. 실행을 클릭합니다.
그림 8.9 구조 방정식 모형의 적합 요약 보고서
"적합 요약" 보고서에 나열된 이 모형의 카이제곱 통계량은 40.18이고 자유도는 38입니다. 해당 p 값은 0.3739로, 유의하지 않습니다. 이는 모형이 잘 적합된다는 귀무가설을 기각할 증거가 없음을 나타냅니다. 따라서 이 모형이 데이터를 적절하게 적합시킨다는 결론을 내릴 수 있습니다.
카이제곱 값은 표본 크기에 따라 달라지므로 일부 적합 모형에서 유의한 카이제곱 값을 생성할 수 있습니다. CFI(비교 적합 지수)와 RMSEA(근사의 제곱근 평균 제곱 오차)는 모형 적합을 결정하는 추가 지표를 제공합니다. 이러한 지수는 0과 1 사이로 제한됩니다. CFI 값이 0.90보다 크고 RMSEA 값이 0.10보다 작으면 좋습니다(Browne과 Cudeck 1993, Hu와 Bentler 1999 참조). 여기서 CFI 0.9968과 RMSEA 0.0277은 적합도가 매우 좋음을 나타냅니다.
그림 8.10 구조 방정식 모형의 모수 추정값 보고서
다음으로, "회귀" 아래의 모수 추정값은 Dem60과 Dem65에 대한 Ind60의 양의 효과 및 Dem65에 대한 Dem60의 양의 효과를 보여 줍니다. 따라서 Ind60의 스코어가 높을수록 Dem60과 Dem65의 스코어가 높고 Dem60의 스코어가 높을수록 Dem65의 스코어가 높습니다. 모수 추정값에 대한 해당 p 값은 "회귀" 아래에 표시됩니다. 3개의 회귀 모수는 a = 0.05 수준에서 모두 유의합니다. 따라서 잠재 변수 사이에 0이 아닌 관계가 있다는 결론을 내릴 수 있습니다.