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. "모형 비교" 보고서에서 적합 모형을 선택하여 새로운 독립 모형으로 설정할 수도 있습니다. 이렇게 하면 보고서의 기본 독립 모형이 해당 모형으로 대체되고 비교 적합 지수가 업데이트되어 모형 적합을 더 정확하게 평가할 수 있습니다. 자세한 내용은 여러 잠재 성장 곡선 모형 비교의 예에서 확인하십시오.
SEM 플랫폼은 여러 가지 추정 방법을 제공합니다. 기본적으로, 결측값이 없으면 ML(최대 가능도)을 사용하고 데이터에 무작위 결측값이 있으면 FIML(완전 정보 최대 가능도)을 사용합니다(Finkbeiner 1979 참조). 최대 가능도를 사용한 로버스트 추론을 선택할 수도 있는데, 이 방법을 MLR(로버스트 최대 가능도)이라고도 합니다. 로버스트 버전은 특정한 모형 가정을 위반하지 않도록 표준 오차에 샌드위치 수정을 적용합니다. 또한 제1종 오류를 방지하기 위해 카이제곱 통계량을 재조정합니다. 대신, MIIV 2단계 최소제곱법(모형 내재 도구 변수 2단계 최소제곱법)은 구조적 오지정에 강건하며 예측 변수의 다변량 정규성을 요구하지 않는 비반복적, 방정식별 추정 접근 방식을 제공합니다. MIIV 2단계 최소제곱법은 개별 방정식 내의 편향을 억제하고 ML에서 발생할 수 있는 수렴 문제를 방지합니다. 이 방법은 특히 표본 크기가 작거나 모형 가정 위반 가능성이 높은 경우에 유용합니다. 또한 방정식 수준 적합 통계량(Sargan 검정)을 제공하여 모형 부적합의 특정 원인을 식별하는 데 도움을 줍니다.
구조 방정식 모델링에 대한 자세한 내용은 SAS Institute Inc. (2025a)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.