모형 옵션
"모형 규격" 보고서에서 "실행"을 클릭하면 지정된 모형에 대한 "구조 방정식 모형" 보고서가 나타납니다. 시작 창에서 "그룹" 변수를 지정한 경우 모형 옵션은 그룹 변수의 모든 수준에 대한 보고서에서 요소를 표시하거나 숨깁니다. 이 보고서에는 다음 옵션이 포함된 빨간색 삼각형 메뉴가 있습니다.
경로 다이어그램 표시
모형 보고서에 경로 다이어그램을 표시하거나 숨깁니다.
경로 다이어그램 설정
모형의 경로 다이어그램을 수정하기 위한 다음 옵션을 포함합니다.
다이어그램 사용자 정의
경로 다이어그램의 여러 측면을 사용자 정의할 수 있습니다. 자세한 내용은 경로 다이어그램 사용자 정의 옵션에서 확인하십시오.
레이아웃
경로 다이어그램의 전체 모양을 변경하는 두 가지 옵션을 포함합니다. "왼쪽에서 오른쪽으로" 레이아웃 또는 "위쪽에서 아래쪽으로" 레이아웃 중에서 선택할 수 있습니다.
팁: 경로 다이어그램에서 항목을 드래그하여 특정 항목의 배열을 변경할 수도 있습니다.
다이어그램 복사
경로 다이어그램 이미지를 클립보드에 저장합니다. 최상의 품질을 유지하려면 클립보드 이미지를 벡터 그래픽으로 붙여 넣습니다.
다이어그램 특성 복사
현재 경로 다이어그램 특성을 클립보드에 복사합니다. 그런 다음 특성을 다른 SEM 경로 다이어그램에 붙여 넣을 수 있습니다.
다이어그램 특성 붙여넣기
클립보드의 경로 다이어그램 특성을 현재 SEM 경로 다이어그램에 붙여 넣습니다.
적합 요약
모형 적합에 대한 상세 정보가 포함된 보고서를 표시하거나 숨깁니다.
모수 추정값
모형에 대한 표준화되지 않은 모수 추정값이 포함된 보고서를 표시하거나 숨깁니다.
표준화 모수 추정값
모형에 대한 표준화된 모수 추정값이 포함된 보고서를 표시하거나 숨깁니다.
신뢰 구간
"모수 추정값" 및 "표준화 모수 추정값" 보고서에 신뢰 구간을 표시하거나 숨깁니다.
지수 적합
적합 모형을 평가할 수 있는 다양한 지수 값이 포함된 보고서를 표시하거나 숨깁니다. "지수 적합" 보고서에는 "적합 요약" 보고서에 나오는 값(구조 방정식 모형 적합 보고서 참조) 외에 다음과 같은 지수 값도 포함됩니다.
BIC
베이지안 정보 기준입니다. 이 값은 모형을 비교하는 데 사용할 수 있으며 값이 작을수록 더 나은 모형 적합을 나타냅니다. 자세한 내용은 AICc, BIC 및 BICu에서 확인하십시오.
RNI
RNI(상대 비중심성 지수)는 모형 적합을 결정하기 위한 추가 지침을 제공합니다. 이 값은 CFI와 같지만 1로 제한되지 않습니다. 0.90보다 큰 값이 좋습니다. 자세한 내용은 RNI에서 확인하십시오.
TLI
TLI(Tucker-Lewis 지수)는 모형 적합을 결정하는 추가 지표를 제공합니다. 이 지수는 NNFI(비표준 적합 지수)라고도 합니다. TLI는 0과 1 사이로 제한됩니다. 0.95보다 큰 값이 좋습니다(West et al. 2012 참조). 자세한 내용은 TLI에서 확인하십시오.
NFI
NFI(표준 적합 지수)는 모형 적합을 결정하는 추가 지표를 제공합니다. NFI는 0과 1 사이로 제한됩니다. 0.95보다 큰 값이 좋습니다(West et al. 2012 참조). 자세한 내용은 NFI에서 확인하십시오.
수정 GFI
수정 적합도 지수는 모형 적합을 결정하는 추가 지표를 제공합니다. 수정 GFI는 0과 1 사이로 제한됩니다. 0.95보다 큰 값이 좋습니다(West et al. 2012 참조). 자세한 내용은 수정 GFI 및 수정 AGFI에서 확인하십시오.
수정 AGFI
수정 조정 적합도 지수는 모형 적합을 결정하는 추가 지표를 제공합니다. 수정 AGFI는 0과 1 사이로 제한됩니다(West et al. 2012 참조). 자세한 내용은 수정 GFI 및 수정 AGFI에서 확인하십시오.
RMR
RMR(제곱근 평균 제곱 잔차)은 모형 적합을 결정하는 추가 지표를 제공합니다. RMR의 잔차는 관측 공분산과 모형 내재 공분산 간의 차이에서 가져옵니다. RMR은 양수이고 값이 작을수록 좋습니다(West et al. 2012 참조). 자세한 내용은 RMR 및 SRMR에서 확인하십시오.
SRMR
SRMR(표준화된 제곱근 평균 제곱 잔차)은 모형 적합을 결정하는 추가 지표를 제공합니다. SRMR의 잔차는 관측 공분산과 모형 내재 공분산 간의 표준화된 차이에서 가져옵니다. SRMR은 양수이고 값이 작을수록 좋습니다(West et al. 2012 참조). 자세한 내용은 RMR 및 SRMR에서 확인하십시오.
참고: "지수 적합" 보고서의 다른 값에 대한 설명은 구조 방정식 모형 적합 보고서에서 확인하십시오.
총 효과
(모형에 하나 이상의 회귀 또는 적재 변수가 포함되고 효과가 수렴하는 경우에만 사용 가능) 모형에 있는 총 효과의 표준화되지 않은 추정값 및 표준화된 추정값 테이블을 표시하거나 숨깁니다. 표준 오차도 포함됩니다. 효과 수렴에 대한 검정은 Bentler and Freeman(1983)에 설명되어 있습니다. 테이블 오른쪽에는 표준화 추정값의 막대 차트가 포함되어 있습니다.
간접 효과
(모형에 매개 변수가 포함되고 효과가 수렴하는 경우에만 사용 가능) 모형에 있는 간접 효과의 표준화되지 않은 추정값 및 표준화된 추정값 테이블을 표시하거나 숨깁니다. 표준 오차도 포함됩니다. 효과 수렴에 대한 검정은 Bentler and Freeman(1983)에 설명되어 있습니다. 테이블 오른쪽에는 표준화 추정값의 막대 차트가 포함되어 있습니다.
팁: "간접 효과" 테이블에서 값의 붓스트랩 추정값을 얻을 수 있습니다. 붓스트랩 분석을 실행하려면 붓스트랩을 수행할 통계량이 포함된 테이블 열을 마우스 오른쪽 버튼으로 클릭하고 "붓스트랩"을 선택합니다. 자세한 내용은 기본 분석의 "붓스트랩"에서 확인하십시오.
특정 간접 효과
(모형에 매개 변수가 포함되고 효과가 수렴하는 경우에만 사용 가능) 선택한 예측 변수와 결과 변수 사이에서 식별된 각 특정 간접 효과에 대한 표준화되지 않은 추정값과 표준화된 추정값을 포함한 테이블을 표시합니다. 테이블의 각 행은 고유한 매개 경로에 해당합니다. 선택된 변수를 연결하는 가능한 모든 간접 경로가 식별되고 개별적으로 추정됩니다. 이 기능을 통해 개별적인 매개 경로를 분리하고 해석할 수 있습니다. 이는 모형 내에서 한 변수의 영향이 중간 변수를 거쳐 어떻게 전달되는지에 대한 통찰을 제공합니다. 테이블 오른쪽에는 표준화 추정값의 막대 차트가 포함되어 있습니다.
팁: "특정 간접 효과" 옵션을 여러 번 사용하면 선택한 각 경로 집합이 기존 테이블에 추가됩니다. 보고서에서 테이블을 제거하려면 "특정 간접 효과"의 빨간색 삼각형 메뉴에서 "효과 제거" 옵션을 사용합니다.
예측 프로파일러
(MIIV 2단계 최소제곱법 추정 방법을 선택한 경우에는 사용 불가능) 결과 변수 집합의 조건부 기대값에 대한 예측 변수 집합의 효과를 볼 수 있습니다. 이 옵션을 선택하면 하나 이상의 예측 변수와 하나 이상의 결과를 선택해야 하는 창이 나타납니다. 예측 및 95% 신뢰 구간은 모형 내재 공분산 행렬을 기반으로 합니다. 예측 프로파일러에 대한 자세한 내용은 프로파일러의 "프로파일러"에서 확인하십시오.
참고: 설정 창의 초기 변수 목록은 모형과 일치하는 변수로 제한됩니다. 예를 들어 "예측 변수 선택" 목록에는 모형에서 특정 항목을 예측하는 변수만 포함되고 "결과 선택" 목록에는 모형의 다른 변수에 의해 예측되는 변수만 포함됩니다. 두 목록의 모든 모형 변수를 보려면 모든 변수 표시 상자를 선택합니다.
모형 내재 공분산
모형에 내재된 공분산 행렬이 포함된 보고서를 표시하거나 숨깁니다.
모형 내재 상관계수
모형에 내재된 상관 행렬이 포함된 보고서를 표시하거나 숨깁니다.
모형 내재 평균
모형에 내재된 각 변수에 대한 평균이 포함된 보고서를 표시하거나 숨깁니다.
잔차
모형의 잔차 행렬이 포함된 보고서를 표시하거나 숨깁니다. 이 행렬은 모형 내재 공분산 행렬과 표본 공분산 행렬 간의 차이입니다.
정규화 잔차
모형의 정규화 잔차 행렬이 포함된 보고서를 표시하거나 숨깁니다.
RAM 행렬
RAM(Reticular Action Model) 표기법에 사용되는 모형 행렬이 포함된 보고서를 표시하거나 숨깁니다.
추정값 공분산
모형의 모수 추정값 공분산 행렬이 포함된 보고서를 표시하거나 숨깁니다.
추정값 상관계수
모형의 모수 추정값 상관 행렬이 포함된 보고서를 표시하거나 숨깁니다.
내생 변수의 R2
(모형이 재귀적이고 내생 변수가 포함된 경우에만 사용 가능) 모형의 각 내생 변수에 대한 R2 값이 포함된 보고서를 표시하거나 숨깁니다. 이 값은 1에서 각 내생 변수에 대한 잔차 분산과 모형 내재 분산의 비율을 뺀 값으로 계산됩니다. R2 값은 내생 변수에서 모형에 의해 설명되는 분산 크기를 나타냅니다. 내생 변수란 경로 다이어그램에서 그 변수를 향하는 경로가 있는 변수를 말합니다.
히트맵
모형의 잔차, 공분산 및 상관계수를 시각화할 수 있습니다.
정규화 잔차 히트맵
모형의 정규화 잔차 히트맵이 포함된 보고서를 표시하거나 숨깁니다.
모형 내재 공분산 히트맵
모형에 내재된 공분산 행렬의 히트맵이 포함된 보고서를 표시하거나 숨깁니다.
모형 내재 상관계수 히트맵
모형에 내재된 상관 행렬의 히트맵이 포함된 보고서를 표시하거나 숨깁니다.
추정값 공분산 히트맵
모형에 대한 모수 추정값 공분산 행렬의 히트맵이 포함된 보고서를 표시하거나 숨깁니다.
추정값 상관계수 히트맵
모형에 대한 모수 추정값 상관 행렬의 히트맵이 포함된 보고서를 표시하거나 숨깁니다.
수정 지수
모형 수정 지수의 모든 추정값 또는 일부를 표시할 수 있습니다. 이러한 값은 모형 적합을 개선하기 위해 모형에 추가할 수 있는 모수를 결정하는 데 사용될 수 있습니다. 각 테이블은 카이제곱 열을 기준으로 내림차순 정렬됩니다.
모든 수정 지수
모든 모형 수정 지수의 추정값을 포함하는 테이블을 표시하거나 숨깁니다. 이 테이블에는 각 추정값의 모수 유형을 나타내는 열이 있습니다.
평균 수정 지수
평균 및 절편에 대한 모형 수정 지수 추정값을 포함하는 테이블을 표시하거나 숨깁니다.
적재 수정 지수
적재 모수에 대한 모형 수정 지수 추정값을 포함하는 테이블을 표시하거나 숨깁니다.
회귀 수정 지수
회귀 모수에 대한 모형 수정 지수 추정값을 포함하는 테이블을 표시하거나 숨깁니다.
분산 수정 지수
분산 모수에 대한 모형 수정 지수 추정값을 포함하는 테이블을 표시하거나 숨깁니다.
공분산 수정 지수
공분산 모수에 대한 모형 수정 지수 추정값을 포함하는 테이블을 표시하거나 숨깁니다.
측정 모형 평가
(확증적 요인 모형에만 사용 가능) 표시자 신뢰도, 개념 타당도 행렬, 합성 신뢰도(오메가 계수), 개념 최대 신뢰도(H 계수) 등 검사 및 측정의 신뢰도와 타당도를 정량화하기 위한 다양한 통계량과 그래프를 표시하거나 숨깁니다.
"표시자 신뢰도" 보고서는 각 명시 변수의 표준화된 적재량 제곱 값을 보여 줍니다. 막대 차트에는 신뢰도 값과 제안된 최소 허용 가능 신뢰도 임계값(0.25)이 표시됩니다. 특정 변수의 값이 낮으면 해당 변수가 대응하는 잠재 변수의 변동을 포착하는 데 효과적이지 않음을 나타냅니다.
"개념 타당도 행렬" 보고서는 잠재 변수가 의도한 구성 개념(construct)을 실제로 제대로 측정하고 있는지 평가하는 데 도움을 줍니다.
– 행렬의 하삼각 항목은 잠재 변수 간의 상관을 포함합니다. 이러한 항목을 사용하면 잠재 변수가 서로 어느 정도 상관되어 있는지 확인하고 가설 상관 강도와 비교할 수 있습니다.
– 행렬의 상삼각 항목은 잠재 변수 간의 상관 제곱을 포함합니다. 이러한 항목을 사용하면 잠재 변수 간의 분산 중첩과 각 변수가 측정하는 잠재적 중첩에 초점을 맞출 수 있습니다. 이 통계량은 행렬의 대각 항목과 비교할 때 특히 유용합니다.
– 행렬의 대각 항목은 각 잠재 변수의 AVE(추출된 평균 분산)를 포함합니다. AVE는 표준화 적재량의 제곱합을 적재량 제곱합과 그에 해당하는 오차 분산의 합으로 나누어 계산됩니다. 이 계산 방식은 이차 요인 모형 또는 이중 적재 모형과 같이 표시자(indicator)가 여러 요인에 동시에 적재되는 상황에서 발생할 수 있는 신뢰도의 과대추정을 방지합니다. AVE는 표준 CFA 모형에 대한 표시자 신뢰도의 평균과 동일합니다. 높은 AVE 값은 잠재 변수가 표시자에 의해 일관되게 포착됨을 의미합니다. 판별 타당도가 적절한 것으로 간주되려면 잠재 변수의 AVE가 다른 잠재 변수와의 상관 제곱(대각선 위쪽 및 오른쪽 항목)보다 커야 합니다.
개념 타당도 행렬과 함께 제공된 그림을 통해 대각 항목을 상삼각 항목과 비교할 수 있습니다. AVE 값이 높고 상관 제곱 값이 낮을수록 판별 타당도를 뒷받침합니다.
"합성 신뢰도" 보고서는 각 잠재 변수에 대한 표준화 및 비표준화 오메가 계수(McDonald 1999)를 시각적 해석을 위한 막대 차트와 함께 보여 줍니다. "개념 최대 신뢰도" 보고서는 각 잠재 변수의 H 계수(Hancock and Mueller 2001)를 보여 주고, 각 잠재 변수의 H 계수를 표시하는 막대 차트도 제공합니다. 오메가 계수와 H 계수 값의 범위는 0 ~ 1이며 약 0.70 이상이 권장됩니다. 오메가는 잠재 변수에 의해 설명되는 합성 스코어의 분산 비율을 나타냅니다. Cronbach 알파와 달리 오메가 신뢰도는 요인 적재량이 모두 동일한 1차원 구성 개념을 가정하지 않으므로 더 신뢰할 수 있습니다. H는 표시자가 나타내는 잠재 변수의 분산 비율을 나타냅니다. 이러한 추정값은 모형에 따라 달라집니다. 단일 요인 모형이 적합되면 결과 오메가는 일반 오메가(general omega)로 알려져 있습니다. 둘 이상의 잠재 변수가 있는 요인 모형이 적합되면 결과 오메가 추정값을 하위 척도 오메가라고 합니다. 그러나 이차 요인 모형이 적합되는 경우 일반 요인 추정값의 오메가는 계층적 오메가이고 그룹 요인은 계층적 하위 척도 오메가라고 합니다(Rodriguez et al. 2015 참조). 표준화 오메가 계수는 총 분산에 대한 진점수 분산의 비율을 나타냅니다. 진점수 분산은 모형에 따라 달라지며 표준화 적재량의 제곱을 사용하여 계산되는 반면, 총 분산은 표본 상관 행렬을 기반으로 한 합성 스코어의 분산에서 도출됩니다(Kelley and Pornprasertmanit 2016 참조). 비표준화 오메가는 비표준화 적재량과 분산을 사용하여 계산되므로 관측된 표시자로부터 직접 얻은 원시(합계) 스코어의 신뢰도를 평가하는 데 특히 유용합니다.
제안된 임계값은 설문 조사 목표의 컨텍스트에서 사용되어야 합니다. 합성 스코어를 사용하여 개별값에 대한 결정을 내리려면 제안된 임계값보다 신뢰도가 높아야 하지만(약 0.90 이상) 조사 목적으로 합성 스코어를 사용하려면 임계값의 아래쪽 끝이 허용됩니다(Nunnally 1978 참조).
자세한 내용은 측정 모형 평가 보고서의 예에서 확인하십시오.
예측값 그림
모형의 내생 변수에 대한 예측값 그림을 표시하거나 숨깁니다. 종단 데이터의 경우 이 그림은 시간에 따른 모형 내재 성장 궤적을 보여 줍니다. 기본적으로 예측값은 상자 그림으로 표시됩니다. 데이터 점 연결 체크박스를 선택하면 표시가 선 그림으로 전환됩니다.
열 저장
적합 구조 방정식 모형을 기반으로 한 열을 데이터 테이블에 저장할 수 있습니다.
요인 스코어 저장
(모형에 잠재 변수가 있는 경우에만 사용 가능) 각 잠재 변수에 대해 회귀 방법을 사용하여 계산된 요인 스코어를 포함하는 열을 데이터 테이블에 저장합니다. 요인 스코어는 데이터 테이블에도 추가되는 숨겨진 열에서 계산됩니다. 이 숨겨진 열은 Estimate Factor Score() JSL 함수를 사용합니다. 이 함수에 대한 자세한 내용은 도움말 > 스크립트 인덱스에서 확인하십시오.
Bartlett 요인 스코어 저장
(모형에 잠재 변수가 있는 경우에만 사용 가능) 각 잠재 변수에 대해 Bartlett 방법을 사용하여 계산된 요인 스코어를 포함하는 열을 데이터 테이블에 저장합니다. 요인 스코어는 데이터 테이블에도 추가되는 숨겨진 열에서 계산됩니다. 이 숨겨진 열은 Estimate Bartlett Factor Score() JSL 함수를 사용합니다. 이 함수에 대한 자세한 내용은 도움말 > 스크립트 인덱스에서 확인하십시오.
예측 계산식 저장
(모형에 하나 이상의 내생 변수 또는 종속 변수가 있는 경우에만 사용 가능) 각 변수에 대한 관측 결과의 예측값 계산식이 포함된 열을 데이터 테이블에 저장합니다. 모형에 잠재 변수가 있으면 Bartlett 방법을 사용하여 계산된 요인 스코어도 데이터 테이블에 저장됩니다.
관측 잔차 저장
(모형에 하나 이상의 내생 변수 또는 종속 변수가 있는 경우에만 사용 가능) 각 변수에 대한 관측 결과의 잔차 값이 포함된 열을 데이터 테이블에 저장합니다. 모형에 잠재 변수가 있으면 Bartlett 방법을 사용하여 계산된 요인 스코어도 데이터 테이블에 저장됩니다.
모형 규격 복사
현재 구조 방정식 모형 규격을 클립보드에 복사합니다. 그런 다음 모형 규격을 다른 SEM 플랫폼 보고서에 붙여 넣을 수 있습니다.
모형 규격에서 다시 불러오기
모형 규격 보고서의 모형을 지정된 모형으로 설정합니다.
적합 제거
보고서 창에서 지정된 모형 보고서를 제거합니다.