자료 분석

이 연구에서 수집된 자료는 일반적 특성을 분석하기 위해 SPSS 18.0 프로그 램을 이용하였으며, 연구가설에 따라 인과관계를 구명하기 위하여 AMOS 18.0 프로그램을 이용하여 분석하였다. 모든 분석에 있어서 통계적 유의수준은 사회과 학연구에서 일반적으로 설정하는 5%로 설정하여 처리하였으며 이 연구를 수행 하기 위한 구체적인 자료 분석 방법은 다음과 같다.

첫째, 우리나라 기업비서의 무형식학습 활동과 상사-비서 교환관계, 임파워먼 트, 직무특성, 직무효능감의 수준을 파악하기 위하여 빈도, 평균, 표준편차 등의 기술통계를 사용할 것이다. 이러한 기술통계 분석을 위해 SPSS 18.0 통계패키 지 프로그램을 활용하였다.

둘째, 구조방정식 모형의 추정방법과 입력 자료 등을 결정하기 위해서는 자료 의 정규성을 검토하고, 분석 자료를 정교화하기 위하여 이상치(outlier) 분석을 하였다. 정규성은 일변량 정규성(uni-variate normality)과 다변량 정규성 (multi-variate normality)의 두 수준에서 이루어지는데, 일변량 정규성을 검토 하는 데 있어서는 왜도(skewness)와 첨도(kurtosis)를 활용하였다. 그리고 다 변량 정규성은 AMOS에서 제공하는 Mardia(1970)의 다변량첨도 (multivariatekurtosis)의 값으로 판단하였다. 또한 수집된 자료는 먼저 분석 자 료를 정교화하기 위하여 이상치(outlier) 분석을 실시하여 제거하였다.

이상치 분석은 AMOS 18.0 프로그램에서 제공하는 마할라노비스 거리 (Mahalanobis distance) 분석을 활용하였다. 마할라노비스 분석방법은 변수들 간의 표준화된 거리를 활용하는 것으로 다변량 이상치를 검토하는 것이다.

Tabachinick과 Fidell(1996)은 이상치 제거를 위한 비교 시에는 보수적인 유의 수준(p<.001)을 사용하는 것을 제안하였는데, 본 연구에서는 이에 따라 전체 측 정모형에 대해 p<.001의 유의수준으로 마할라노비스 거리를 활용하여 이상치를 검사하였다.

셋째, 기업비서의 무형식학습과 관련변인(상사-비서 교환관계, 임파워먼트, 직무특성, 직무효능감)간의 가설적 인과모형의 적합도를 검증하기 위해 AMOS 18.0 프로그램을 사용하여 공변량 구조분석(Structural Equation Modeling)을 실시하였다. 공변량 구조분석에서는 정규성 분석결과에 따라 정규성을 가진다면

입력 자료를 공변량매트릭스를 사용하는 것이 일반적이지만, 정규성을 가정하기 어려운 경우에는 공변량 구조분석에서 가장 많이 쓰이는 추정법인 최대우도법 (Maximum Likelihood: ML)을 활용하였다.

또한 변수 간의 가설적 모형이 경험적 자료에 비추어 얼마나 적합한 것인지를 검증하기 위하여 적합도 지수를 활용하여 평가하였다. 제안모형이 표본공분산행 렬을 어느 정도 예측할 수 있는지를 측정하는 절대적합지수로는 평균제곱잔차제 곱근(RMR: Root Mean-Square Residual), 오차 평균 제곱근(RMSEA: Root Mean Square Error of Approximation), 적합지수(GFI: Goodness of Fit Index), 조정적합지수(AGFI: Adjusted of Degree of Freedom) 등이 활용되 었으며, 제안모형이 기초모형에 비하여 어느 정도 향상되었는지 보여주는 증분적 합지수로는 표준적합지수(NFI: Normed Fit Index), 증분적합지수(IFI:

Incremental Fit Index), 비교적합지수(CFI: Comparative Fit Index) 등을 사 용하였다. 또한 모형이 적합도에 도달하기 위해 추정모수와 자유도 간의 관계를 고려한 간명적합지수로는 간명비교적합지수(PCFI: parisimonious CFI), 간명표 준적합지수(PNFI: parisimonious NFI) 등을 활용하였다. 이러한 적합도 지수에 의한 모형의 적합도 판단은 다음과 같은 지수별 적합도 판단기준에 의해 이루어 졌다(<표 Ⅲ-14> 참조).

이렇게 다양한 지표들을 참조해야 하는 이유는 경로모형의 적합도를 판단해주 는 χ2 검증에서 귀무가설의 엄격성과 표본크기에 따른 민감성 때문에 χ2 검증 결과에 의존해서는 안되며 다른 적합도 지수들을 함께 판단하는 것이 바람직하 기 때문이다(김계수, 2007; 김대업, 2008; 주대진, 2010). 또한 카이자승(χ2) 은 표본의 영향을 받으며, 어떠한 상황에서도 계산될 수 있다는 문제점(김계수, 2013)이 있어 이 연구에서는 적용하지 않았다.

구분 적합도 지수 적합도 판단기준