구조 방정식 모형의 예
예를 들어 인사과 직원이 주요 직장 구성 요인을 측정하기 위한 설문 조사를 개발하려고 합니다. 이 예에서는 구조 방정식 모형 플랫폼을 사용하여 확증적 요인 분석 모형을 생성합니다. 이 모형을 사용하여 200명을 대상으로 실시한 직장 관련 설문 조사의 응답을 분석할 수 있습니다. 설문 조사는 직무 만족도와 관련된 11개 질문에 대한 응답을 포함합니다. 확증적 요인 분석 모형은 설문 조사 질문에 대한 답변을 리더십 특성, 역할 갈등 및 전반적인 직무 만족도의 잠재 변수와 연관시킵니다.
1. 도움말 > 샘플 데이터 폴더를 선택하고 Job Satisfaction.jmp를 엽니다.
2. 분석 > 다변량 방법 > 구조 방정식 모형을 선택합니다.
3. Support_L ~ Supervisor_S를 선택하고 모형 변수를 클릭합니다.
4. 확인을 클릭합니다.
"구조 방정식 모형" 보고서의 "모형 규격" 개요가 나타납니다.
잠재 변수 생성
5. "끝점 목록"에서 Support_L ~ Interact_L을 선택합니다. "끝점 목록" 아래의 상자에 "Leadership"을 입력한 후 잠재 변수 추가 
버튼을 클릭합니다.
6. "끝점 목록"에서 Person_C ~ Inter_C를 선택합니다. "끝점 목록" 아래의 상자에 "Conflict"를 입력한 후 잠재 변수 추가 버튼을 클릭합니다.
7. "끝점 목록"에서 General_S ~ Supervisor_S를 선택합니다. "끝점 목록" 아래의 상자에 "Satisfaction"을 입력한 후 잠재 변수 추가 버튼을 클릭합니다.
공분산 추가 및 모형 적합
8. "시작점 목록"과 "끝점 목록"에서 모두 Leadership, Conflict 및 Satisfaction을 선택합니다. 양방향 화살표 
버튼을 클릭합니다.
9. "모형 규격" 보고서의 왼쪽 위에 있는 "모형 이름" 아래 텍스트 상자에 "3-Factor CFA"를 입력합니다.
10. 실행을 클릭합니다.
11. (선택 사항) "구조 방정식 모형: 3-Factor CFA" 옆의 빨간색 삼각형을 클릭하고 경로 다이어그램 설정 > 레이아웃 > 위쪽에서 아래쪽으로를 선택합니다.
12. (선택 사항) "모수 추정값" 옆의 회색 표시 아이콘을 클릭합니다.
"모수 추정값" 보고서를 닫으면 전체 경로 다이어그램을 볼 수 있습니다.
13. 경로 다이어그램을 마우스 오른쪽 버튼으로 클릭하고 표시 > 추정값 표시 > 표준화를 선택합니다.
이제 "경로 다이어그램"의 숫자는 모형에 대한 표준화 모수 추정값을 나타냅니다.
그림 8.2 구조 방정식 모형 보고서
"적합 요약" 보고서에 나열된 이 모형의 카이제곱 통계량은 34.27이고 자유도는 41입니다. 해당 p 값은 0.7624로, 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 1과 RMSEA 0은 적합도가 우수하다는 것을 나타냅니다. 이 설문 조사는 리더십, 갈등 및 만족도에 대한 잠재 변수를 측정하는 데 좋은 도구라는 결론을 내릴 수 있습니다.
14. "구조 방정식 모형: 3-Factor CFA" 옆의 빨간색 삼각형을 클릭하고 히트맵 > 정규화 잔차 히트맵을 선택합니다.
그림 8.3 정규화 잔차 히트맵
"정규화 잔차 히트맵"에 양의 방향 또는 음의 방향으로 2.0 단위를 초과하는 값이 없습니다. 이는 모형이 데이터를 잘 적합시킨다는 추가적인 증거입니다. 잔차는 더 세분화된 수준에서 부적합 모형을 진단할 수도 있습니다. 이 모형의 정규화 잔차는 국소적 부적합 증거를 나타내지 않습니다.