구조 방정식 모형 플랫폼 시작

분석 > 다변량 방법 > 구조 방정식 모형을 선택하여 구조 방정식 모형 플랫폼을 시작합니다.

그림 8.4 구조 방정식 모형 시작 창 

"열 선택" 빨간색 삼각형 메뉴의 옵션에 대한 자세한 내용은 JMP 사용의 "­Column Filter Menu­"에서 확인하십시오.

시작 창에는 두 가지 데이터 형식에 대한 탭이 있습니다.

가로형 데이터 형식

데이터 테이블의 각 행이 단일 관측값에 해당하고 열에 모형에 사용할 변수가 포함된 경우에 선택합니다. 결측값만 포함된 행은 분석에서 제외됩니다.

요약 데이터 형식

데이터 테이블의 데이터가 상관 행렬 또는 공분산 행렬로 요약된 경우에 선택합니다. 평균과 표준편차도 열로 지정할 수 있습니다. 이러한 값을 지정하지 않으면 평균은 0으로 간주되고 표준편차는 입력 행렬 대각선의 제곱근으로 간주됩니다.

시작 창 옵션

모형 변수

모형에 포함할 열입니다. 하나 이상의 열을 지정해야 합니다. 모든 열에는 숫자 데이터 유형과 연속형 모델링 유형이 있어야 합니다.

요약 데이터 형식의 경우 모형 변수 열은 요약 데이터에 대한 상관 행렬 또는 공분산 행렬을 포함하는 열입니다.

그룹

(가로형 데이터 형식에만 사용 가능) 다중 그룹 분석을 위한 그룹화 변수를 지정하는 열이며, 그룹 간 효과에 대한 등식 제약 조건을 테스트할 수 있습니다. 이 변수는 수준 수가 몇 개뿐인 범주형 변수여야 합니다.

가중치

(가로형 데이터 형식에만 사용 가능) 분석의 각 행에 가중치를 할당하는 숫자 값이 포함된 열입니다. 가중치를 사용하면 로버스트 추론이 활성화되어 표준 오차에 샌드위치 수정이 적용됩니다. 가중치는 합이 총 표본 크기 또는 그룹 표본 크기(다중 그룹 분석의 경우)가 되도록 조정됩니다.

빈도

(가로형 데이터 형식에만 사용 가능) 분석의 각 행에 빈도를 할당하는 숫자 값이 포함된 열입니다.

기준

(가로형 데이터 형식에만 사용 가능) 변수의 각 수준에 대한 개별 분석으로 구성된 보고서를 생성하는 열입니다. 기준 변수가 둘 이상 할당되면 기준 변수의 가능한 각 수준 조합에 대해 개별 분석이 생성됩니다.

주의: 기준 변수를 사용하면 다중 그룹 분석 모형이 적합되지 않습니다. 다중 그룹 분석을 수행하려면 그룹 변수를 지정해야 합니다.

평균

(요약 데이터 형식에만 사용 가능) 상관 행렬 또는 공분산 행렬의 각 행에 있는 변수에 해당하는 평균 열입니다. 지정하지 않으면 평균이 0으로 간주됩니다.

표준편차

(요약 데이터 형식에만 사용 가능) 상관 행렬 또는 공분산 행렬의 각 행에 있는 변수에 해당하는 표준편차 열입니다. 지정하지 않으면 표준편차가 입력 행렬 대각선의 제곱근으로 간주됩니다.

라벨

(요약 데이터 형식에만 사용 가능) 상관 행렬 또는 공분산 행렬의 각 행에 있는 변수에 해당하는 라벨 열입니다. 지정하지 않으면 입력 행렬이 포함된 열의 이름이 "모형 규격" 보고서의 변수에 사용됩니다.

잠재 변수 표준화

이 옵션을 선택하면 분산을 1로 고정하고 모든 적재를 자유롭게 추정할 수 있도록 하여 잠재 변수의 척도를 설정합니다.

제약 없는(포화) 모형 적합

이 옵션을 선택하면 플랫폼을 시작할 때 제약 없는 모형이 자동으로 적합됩니다. 그런 다음 "모형 비교" 보고서에서 적합 모형을 제약 없는 모형과 비교할 수 있습니다. 제약 없는 모형은 데이터에 구조를 적용하지 않고 지정된 모형 변수의 모든 평균, 분산 및 공분산을 적합시키는 완전 포화 모형입니다.

독립 모형 적합

이 옵션을 선택하면 첫 번째 모형을 적합시킬 때 독립 모형이 자동으로 적합됩니다. 그런 다음 "모형 비교" 보고서에서 적합 모형을 독립 모형과 비교할 수 있습니다. 독립 모형은 지정된 모형 변수의 모든 평균과 분산을 적합시킵니다. 지정된 모형 변수에서 모든 공분산이 0으로 고정되므로 매우 제한적인 모형이 됩니다.

표본 크기

(요약 데이터 형식에만 사용 가능) 요약 데이터로 나타내는 관측값 수를 지정합니다.

추정 방법

다음과 같은 모형 추정 방법 중 하나를 선택할 수 있습니다.

최대 가능도(ML, FIML)

결측 데이터가 없으면 ML(최대 가능도) 추정량을 사용하고 결측 데이터가 있으면 FIML(완전 정보 최대 가능도) 추정량을 사용하는 모형을 적합시킵니다. 이 옵션은 기본적으로 선택되어 있습니다.

로버스트 추론을 사용한 최대 가능도

(요약 데이터 형식에는 사용 불가능) 로버스트 추론을 사용한 최대 가능도 추정량을 사용하는 모형을 적합시킵니다. 이 방법은 결과 변수가 정규 분포를 따르지 않지만 연속형 기본 분포를 따른다고 가정되는 경우에 유용합니다. 이 추정량은 표준 오차에 샌드위치 수정을 적용하고 모형의 전체 카이제곱 값을 재조정합니다. 또한 "로버스트 추론을 사용한 최대 가능도" 추정 방법을 선택하면 "구조 방정식 모형" 빨간색 삼각형 메뉴의 "로버스트 추론" 옵션이 자동으로 활성화되지만 필요한 경우 모형을 실행한 후 이 옵션을 선택 취소할 수 있습니다.

MIIV 2단계 최소제곱법

MIIV-2SLS(모형 내재 도구 변수 2단계 최소제곱법) 추정을 사용하여 모형을 적합시킵니다. 이 비반복적 추정량은 구조적 오지정에 강건하며 다변량 정규성을 요구하지 않습니다. 또한 소표본 데이터나 최대 가능도 가정이 충족되지 않는 상황에서도 우수한 성능을 보입니다. 또한 MIIV 2단계 최소제곱법은 방정식 수준의 모형 적합 검정(Sargan 검정)을 제공하여 모형 부적합의 구체적인 원인을 식별하는 데 도움이 될 수 있습니다.