구조모형 분석

분석모형 〔그림 3-1〕에서 제시한 인터넷 유형별 사용정도가 인터넷중 독 여부에 미치는 영향에 어떠한 구조적 관계를 가지는지 청소년과 성인 집단에 대해 구조방정식모형을 통해 검증하였다. 2011년과 2012년의 청 소년과 성인 집단 모두 연구모형과 실제 자료와의 적합도(^=17.594, NFI=.998, TLI=.918, CFI=.999)가 ^를 제외하고 모든 적합도에서 적 합한 것으로 나타났다. 다중집단 구조모형 분석은 집단 간 경로계수를 가 지고 서로 통계적인 차이 여부를 검증하는 것이다. 다중집단 구조모형 분 석은 측정동일성 제약이 끝난 후, 집단 간 등가제약 과정을 거쳐 경로계 수 간 유의미한 차이를 검증할 수 있다. 본 연구에서 구조모형은 경로모 형으로 각 요인에 대한 측정동일성의 검증은 필요가 없어, 요인 사이의

경로도형으로 집단 간(청소년, 성인) 차이를 검정하였다. <표 3-3〉과 <표 3-4〉와 같이 분석대상에 대해 예측변수와 매개변수(이용시간)이 인터넷 중독에 이용에 미치는 영향을 살펴보았다. 2011년의 인터넷 중독의 영향 은 분석대상 전체에서는 게임, 성인물, SNS, 이용시간이 인터넷 중독에 정적(+)인 영향을 미치는 것으로 나타났으며, 거래는 부적(-)인 영을 미치 는 것으로 나타났다. 그리고 전체 집단에서 이용시간에 가장 큰 영향을 미 치는 요인은 게임, 여가, SNS 순으로 나타났다. 청소년 집단은 정보, 게 임, 성인물, SNS, 이용시간이 인터넷 중독에 정적(+)인 영향을 미치는 것 으로 나타났다. 그리고 청소년 집단의 이용시간에 가장 큰 영향을 미치는 요인은 게임, 여가, SNS 순으로 나타났다. 성인 집단은 게임, SNS, 교육, 이용시간이 인터넷 중독에 정적(+)인 영향을 미치는 것으로 나타났다. 그 리고 성인집단의 이용시간에 가장 큰 영향을 미치는 요인은 여가, SNS, 게임 순으로 나타났다. 인터넷 중독의 두집단(아동청소년, 성인)의 차이는 교육에서 나타났으며, 성인집단의 영향이 더 큰 것으로 나타났다. 2012년 의 인터넷 중독의 영향은 분석대상 전체에서는 게임, 도박, SNS, 이용시 간이 인터넷 중독에 정적(+)인 영향을 미치는 것으로 나타났으며, 정보, 교육은 부적(-)인 영을 미치는 것으로 나타났다. 그리고 전체 집단에서 이 용시간에 가장 큰 영향을 미치는 요인은 SNS, 도박, 여가, 게임 순으로 나 타났다. 청소년 집단은 도박, 이용시간이 인터넷 중독에 정적(+)인 영향을 미치며 여가는 부적(-)인 영향을 미치는 것으로 나타났다. 그리고 청소년 집 단의 이용시간에 가장 큰 영향을 미치는 요인은 게임, SNS 순으로 나타났 다. 성인 집단은 게임, SNS, 이용시간이 인터넷 중독에 정적(+)인 영향을 미치는 것으로 나타났으며, 교육은 부적(-)인 영향을 미치는 것으로 나타났 다. 그리고 성인집단의 이용시간에 가장 큰 영향을 미치는 요인은 SNS, 도 박, 여가 순으로 나타났다. 인터넷 중독의 두집단(청소년, 성인)의 차이는 교육과 여가에서 나타났으며, 성인집단의 영향이 더 큰 것으로 나타났다.

〈표 3-3〉 청소년과 성인 다중집단 구조모형 분석 결과(2011년)

ap<0.01, ^bp<0.05, ^cp<0.1

1Standardized estimates, ²Critical ratios for differences

〈표 3-4〉 청소년과 성인 다중집단 구조모형 분석 결과(2012년)

ap<0.01, ^bp<0.05, ^cp<0.1

1Standardized estimates, ²Critical ratios for differences

구분 Path 전체(2011) 청소년 성인

다. 데이터마이닝을 이용한 효과성 평가

개인은 다양한 환경에서 살아가기 때문에 개인이 경험하는 여러 가지 위험은 수많은 요인들 간의 상호작용에 영향을 받게 된다. 인터넷 중독은 인터넷을 과다 사용함으로 인해 나타나는 위험으로 주로 게임, 오락, 정 보검색, 전자우편, 채팅, 쇼핑 등의 과다 사용에 영향을 받고 있다. 인터 넷 중독의 위험은 인터넷 사용의 하위 유형의 상호작용에 영향을 받지만, 그동안의 연구는 수많은 변인들 간의 상호작용 효과를 모두 고려하지 못 하였다는 제한점이 있었다. 본 연구는 2012년 인터넷중독 실태조사 자료 (15,000명)를 사용하여 인터넷 중독의 위험요인을 설명하는 가장 효율적 인 예측모형을 구축하기 위해 특별한 통계적 가정이 필요하지 않은 데이 터마이닝의 의사결정나무 분석방법을 실시하였다. 데이터마이닝의 의사 결정나무 분석은 방대한 자료 속에서 종속변인을 가장 잘 설명하는 예측 모형을 자동적으로 산출해 줌으로써 각기 다른 원인을 가진 인터넷 중독 에 대한 위험요인을 쉽게 파악할 수 있다. 본 연구의 의사결정나무 형성 을 위한 분석 알고리즘은 CRT(Classification and Regression Tree) 를 사용하였다. CRT(Breiman et al., 1984)¹⁸⁾ 알고리즘은 지니지수 (Gini index) 또는 분산(Variance)의 감소량을 분리기준으로 사용하며 이지분지(Binary split)를 수행한다. 정지규칙(stoping rule)로 상위노드 (부모마디)의 최소케이스 수는 10로 하위노드(자식마디)의 최소 케이스수 는 5으로 설정하였고, 나무깊이는 4수준으로 정하였다. 본 연구의 의사결 정나무분석은 SPSS 20.0을 사용하였다.

18) Breiman, L., J. H. Friedman, R. A. Olshen and C. J. Stone. (1984). Classification and regression trees. Wadsworth, Belmont.