구조 방정식 모형 개요
SEM(구조 방정식 모형) 플랫폼을 사용하면 변수 간의 관계 이론을 검정하는 데 사용할 수 있는 다양한 모형을 적합시킬 수 있습니다. 모형의 변수는 관측된 명시 변수이거나 관측되지 않은 잠재 변수일 수 있습니다. 구조 방정식 모델링은 사회 과학 및 행동 과학 분야에서 많이 사용됩니다.
기본적으로 이 플랫폼에서는 모든 변수에 대한 평균과 분산이 있는 모형을 지정합니다. 그런 다음 모형이 생성되는 동안 여러 보기를 확인할 수 있는 모형 생성 인터페이스를 제공합니다. 또한 모형 생성 과정 중에 몇 가지 모형 상세 정보를 제공하여 모형을 실행하기 전에 유지할 수 없는 모형에 대해 알려 줍니다.
하나 이상의 모형을 적합시킨 후 "모형 비교" 보고서에서 적합 모형과 두 개의 기준 모형을 비교할 수 있습니다. 기준 모형은 제약 없는 모형과 독립 모형입니다. 제약 없는 모형은 데이터에 구조를 적용하지 않고 지정된 모형 변수의 모든 평균, 분산 및 공분산을 적합시키는 완전 포화 모형입니다. 독립 모형은 지정된 모형 변수의 모든 평균과 분산을 적합시킵니다. 지정된 모형 변수에서 모든 공분산이 0으로 고정되므로 매우 제한적인 모형이 됩니다.
SEM 플랫폼에서는 완전 정보 최대 가능도(Finkbeiner 1979) 방법을 사용합니다. 이렇게 하면 랜덤 결측값이 있는 관측값 비율이 높은 경우에도 데이터에서 사용 가능한 모든 정보를 완전히 사용할 수 있습니다.
구조 방정식 모델링에 대한 자세한 내용은 SAS Institute Inc. (2023a)의 "CALIS Procedure" 장, Bollen(1989) 및 Kline(2016)에서 확인하십시오.
참고: 구조 방정식 모형 플랫폼의 모든 모형은 평균 구조로 추정되므로 Constant 항이 포함됩니다. 관측 변수의 평균에 구조를 적용하지 않으려면 기본 모형 규격에서와 같이 평균이 자유롭게 추정되어야 합니다.