측정 오차 모형의 예
SEM(구조 방정식 모형) 플랫폼의 측정 오차 모형은 설문 응답을 분석하는 데 사용할 수 있으며, 특히 응답에 부정확성이나 편향이 의심될 때 유용합니다. 이 예에서는 직무 만족도와 관련된 주요 직장 구성 개념을 측정하기 위해 개발된 설문 조사의 응답을 분석하는 방법을 보여 줍니다. 설문 조사에는 리더십, 갈등, 만족도의 세 가지 범주로 나눌 수 있는 11개 질문이 포함되어 있습니다. 각 범주에 속한 질문의 응답을 평균화하여 해당 범주의 스코어를 정의합니다.
리더십과 갈등이 전반적인 직무 만족도에 미치는 관계를 파악하는 데 관심이 있다고 가정해 보겠습니다. 설문 조사 질문의 응답에 오차가 있을 수 있다고 판단되면 부정확성을 보정하는 측정 오차 모형이 적절합니다. 이러한 측정 오차는 여러 가지 이유로 발생할 수 있습니다. 예를 들어 응답자가 자신의 직무 만족도를 과대추정하거나 과소추정할 수 있습니다. 또한 응답자마다 질문을 다르게 해석하여 응답에 체계적인 측정 오차가 발생할 수도 있습니다. 또한 질문 자체가 직무 만족도의 의도된 측면을 완벽하게 포착하지 못할 수도 있습니다.
사전 연구를 통해 예측 변수와 결과 변수에 모두 측정 오차가 있다는 것을 알고 있습니다. 신뢰할 수 있는 분산의 추정값(신뢰도)을 Leadership_Avg = 0.87, Conflict_Avg = 0.76, Satisfaction_Avg = 0.82라고 가정합니다.
1. 도움말 > 샘플 데이터 폴더를 선택하고 Job Satisfaction.jmp를 엽니다.
2. 분석 > 다변량 방법 > 구조 방정식 모형을 선택합니다.
3. Leadership_Avg, Conflict_Avg, Satisfaction_Avg를 선택하고 모형 변수를 클릭합니다.
4. 확인을 클릭합니다.
5. "모형 바로 가기"의 빨간색 삼각형을 클릭하고 규격 지원 > 측정 오차 수정을 선택합니다.
6. "관측된 변수의 측정 오차 설명" 창에서 Leadership_Avg, Conflict_Avg, Satisfaction_Avg를 선택합니다.
7. "신뢰도(0 ~ 1)"를 추정값 유형으로 선택하고 Leadership_Avg, Conflict_Avg, Satisfaction_Avg의 추정값을 각각 "0.87", "0.76", "0.82"로 입력합니다.
팁: 추정값 입력 위치 옆의 텍스트 편집 상자를 사용하여 잠재 변수의 기본 이름을 변경할 수 있습니다.
8. 확인을 클릭합니다.
9. "시작점 목록"에서 True Leadership_Avg와 True Conflict_Avg를 선택하고 "끝점 목록"에서 True Satisfaction_Avg를 선택한 후 단방향 화살표 
버튼을 클릭합니다.
10. "시작점 목록"에서 True Leadership_Avg를 선택하고 "끝점 목록"에서 True Conflict_Avg를 선택한 후 양방향 화살표 
버튼을 클릭하여 Leadership_Avg와 Conflict_Avg의 잠재 변수 간 공분산을 지정합니다.
그림 8.22 측정 오차 모형 규격
11. "작업" 섹션에서 실행을 클릭합니다.
그림 8.23 측정 오차 모형 보고서
"구조 방정식 모형" 보고서에는 "적합 요약" 테이블, "모수 추정값" 테이블, 적합 모형의 경로 다이어그램이 포함되어 있습니다. 모수 추정값을 통해 모형에 참(true) 종속 변수와 독립 변수 사이의 유의 효과가 있다는 결론을 내릴 수 있습니다(p 값 < 0.0001). True Leadership_Avg와 True Conflict_Avg의 모수 추정값은 각각 0.457과 -0.469입니다. True Leadership_Avg와 True Conflict_Avg의 표준 오차는 각각 0.099와 0.108입니다.
또한 경로 다이어그램은 True Leadership_Avg와 True Satisfaction_Avg 사이, True Conflict_Avg와 True Satisfaction_Avg 사이의 유의한 직접 관계를 강조합니다. True Leadership_Avg와 True Conflict_Avg 간의 공분산은 -0.477로 나타납니다. 경로 다이어그램에는 "관측된 변수의 측정 오차 설명" 창에서 지정한 신뢰도 추정값(0.87, 0.76, 0.82)을 기반으로 변환된 측정 오차 분산 추정값도 표시됩니다. 이러한 추정 분산의 수치 값은 Leadership_Avg = 0.106, Conflict_Avg = 0.211, Satisfaction_Avg = 0.159입니다.
다중 선형 회귀 모형과 결과 비교
1. 분석 > 모형 적합을 선택합니다.
2. Satisfaction_Avg를 선택하고 Y를 클릭합니다.
3. Leadership_Avg와 Conflict_Avg를 선택하고 추가를 클릭합니다.
4. 실행을 클릭합니다.
그림 8.24 다중 선형 회귀 모수 추정값
Figure 8.24에 표시된 추정값은 두 예측 변수에 대해 모두 유의합니다(p 값 < 0.0001). 측정 오차를 무시하고 다중 선형 회귀 모형을 적용하면 Leadership_Avg와 Conflict_Avg의 추정값은 각각 0.467과 -0.351입니다. 이 추정값은 측정 오차 모형을 통해 계산된 값(0.457, -0.469)과 다릅니다. 또한 예측 변수의 표준 오차 추정값도 모형 간에 차이가 있습니다. 측정 오차 모형에서 True Leadership_Avg와 True Conflict_Avg의 표준 오차 추정값은 각각 0.099와 0.108인 반면, 다중 선형 회귀 모형을 적용했을 때 Leadership_Avg와 Conflict_Avg의 표준 오차 추정값은 각각 0.064와 0.061입니다. Figure 8.23과 Figure 8.24에서는 측정 오차를 고려할 때와 무시할 때 예측 변수의 모수 추정값 및 표준 오차가 어떻게 다른지 보여줍니다. 구체적으로, 측정 오차를 고려할 경우 예측 변수의 표준 오차 추정값이 더 높게 나타납니다.