자료 분석

이 연구는 중년 남성 근로자의 연령차별인식에 따른 외부고용가능성과 외부고용가능성에 영향을 주는 일능력, 비공식 네트워크, 기업가정신과 경력적응력의 관계를 구명하기 위하여 수집된 자료를 SPSS 23.0, STATA 15와 Mplus 7을 활용해 분석하였다. 연구 결과는 0.05 의 유의수준을 기준으로 제시하였으며 분석방법에서 활용된 세부적인 통계기법은 다음과 같 다. 이 연구에서는 가설 검정을 위한 통계기법으로 구조방정식 모형 분석을 활용하였으며, Anderson과 Gerbing(1988)이 제안한 구조방정식 모형 분석의 2단계 접근법을 적용하였다.

1단계에서는 확인적 요인분석을 통해 측정모형의 적절성을 평가하고, 이후 2단계에서 구조모 형을 검토한다. 2단계 접근법은 분석오류가 발생할 시, 오류의 원인이 측정의 오류에서부터 발생하였는지 또는 구조 관계 설정의 오류에서 발생하였는지를 구분할 수 있어 연구결과 해 석의 정확성을 높여준다. 구조방정식 모형 분석을 위한 세부 절차 및 방법은 다음과 같다.

연구 대상의 일반적 특성과 측정 변인들의 수준 파악을 위해 빈도, 백분율, 평균, 표준편차 등의 기술통계 분석과 상관관계 분석을 수행하였으며 관찰변인의 정규성을 분석하기 위해 왜 도 및 첨도를 활용하였다. 가설을 통한 변인들의 구조적 관계를 구명하기 위해서는 구조방정 식 모형 분석을 실시하였다. 구조방정식 모형 분석은 모형에서의 전반적 적합도, 변인들 간 직접효과와 간접효과, 총 효과를 분석하여 복잡한 변인간의 관계를 통합적으로 제시하기 때문 에 측정모형과 가설적 구조모형을 설정하고, 관찰변인 사이의 인과관계를 파악하였다. 이 연 구에서의 구조방정식 모형 분석 절차는 아래 [그림 Ⅲ-2]와 같다.

1. 입력자료 준비 1.1 결측치 확인

1.2 이상치 확인 1.3 불성실 응답 확인 1.4 동일방법편의 확인 1.5 상관관계 분석

▼ 2. 측정모형 분석 2.1 측정모형 설정

2.2 측정모형의 확인적 요인분석 2.3 측정모형의 신뢰도 및 타당도 확인

▼ 3. 구조모형 분석

3.1 구조모형 설정 3.2 구조모형 적합도 확인 3.2 구조모형 경로계수 확인 3.4 구조모형 평가

3.5 구조모형 수정 및 최종모형 설정 3.6 조절된 매개효과 평가

3.7 조절된 매개효과 경로계수 확인 3.8 조건부 간접효과 확인

[그림 Ⅲ-2] 모형 분석 절차

가. 입력자료 준비

1) 결측치, 이상치, 불성실 응답 제거

구조방정식 모형 분석은 변인들의 선형적 결합을 통해 모수를 추정하기 때문에 정규성을 확보해야 한다. 이에 따라 관찰 변인의 정규성을 확인하기 위해 변인별 단변량 정규성을 확인 하고 다변량 정규성을 확인하였다. 단, 다변량 정규성은 만족시키기 어렵고 단변량 정규성을 확보한 상태에서 충분한 사례 수가 확보되면 분석에 큰 문제가 없다고 판단되기에 단변량 정

규성을 기준으로 판단하였다(배병렬, 2009). 일반적으로 단변량의 정규성을 확인하기 위해서 는 왜도(skew)와 첨도(kurtosis)지표를 활용하게 된다. 첨도(kurtosis)는 자료의 구조가 얼 마나 중심에 집중되어 있는가를 나타낸다. 즉 자료의 분포가 정규분포(normal distribution) 와 비교하여 얼마나 중심에 집중되어 있는지를 의미한다. 자료가 정규분포를 따르는 경우 첨 도는 ‘0’이 되며, 정규분포보다 중심에 집중되어 있는 경우 양(+)의 값을 갖게 되며 정규 분포보다 중심에 덜 집중될 경우에는 음(-)의 값을 갖는다. 왜도(skewness)는 자료의 분포 가 기울어진 방향과 정도를 나타내는 것으로 분포의 비대칭 정도를 의미한다. 왜도 계수가

‘+’의 값을 갖는 경우는 자료의 분포가 최빈값을 기준으로 오른쪽으로 길게 뻗어 있는 것 을 의미하며, 이 경우 양의 왜도(positive skewness) 혹은 우측 왜도(skewed to the right) 라고 표현한다. 반면 왜도 계수가‘-’의 값을 갖는 경우는 자료의 분포가 최빈값을 기준으 로 왼쪽으로 길게 뻗어 있는 것을 의미하며, 음의 왜도(negative skewness) 혹은 좌측 왜도 (skewed to the left)라 표현한다. 첨도는 절대값 2 사이와 왜도는 절대값 3 사이에 측정한 값이 있을 때 치우침이 없는 데이터라고 받아들여진다. 경험적 기준에 따르면 왜도지표 ┃3.0

┃이내, 첨도지표 ┃8.0~20.0┃ 이내의 경우 정규성을 확보하는 것으로 볼 수 있으며 (Curran, West & Finch, 1996) Hong, Malik, Lee(2003)은 왜도 2, 첨도 4 이내의 기준 을 만족하면 구조방정식 모형의 정상분포조건을 가진다고 제시하였다.

이상치란 반응의 극단값을 의미하며 이상치를 포함하여 분석을 수행할 경우, 분석결과를 신뢰할 수 없게 된다. 이 연구에서는 이상치를 독립변수와 종속변수의 산포도(scatter plot) 를 통해 제거하는 방법과 표준화 잔차 값 |3|이상을 기준으로 제거하는 두 가지 방법을 사용 하였다. 결측치는 구조방정식에서 입력 자료의 행렬을 분석하는 데 꼭 해결되어야 하는 문제 로, 이 연구에는 변수들의 평균값으로 결측치를 대체하였다(우종필, 2012).

불성실 응답은 불성실 응답이 문항 간 상관에 영향을 줄 수 있으며, 내적 일관성, 요인분석 결과, 척도 간의 관계 및 구조 모형에 영향을 줄 수 있다(박원우 외, 2020; DeSimone et al., 2018). Curran(2016)이 제시한 다중 허들(multiple hurdles) 방법을 활용하여 이 연구 에서는 직접적 방법(direct methods)의 가짜문항(bogus item), 비개입적 방법(unobtrusive methods)의 한 줄 응답(long string)과 통계적 방법(statistical methods)의 마할라노비스 거리(Mahalanobis distance)의 탐지방법을 활용하여 불성실 응답의 영향을 최소화하였다. 따 라서 본 연구에서는 432개의 표본에서 결측치, 이상치, 불성실 응답으로 간주한 58개를 삭제 하고 최종적으로 374개의 표본을 활용하여 모형 분석을 실시하였다.

2) 동일방법편의에 대한 검증

이 연구는 동일한 응답자로부터 두 개 이상의 변인에 대해 자기보고식 자료 (self-reported data)를 통해 응답 결과를 획득하였기에 동일방법편의의 문제가 야기될 수 있다. 동일방법편의(common method bias)는 자기 보고식 설문조사를 바탕으로 데이터를 분 석하는 행동과학 연구 분야에서 동일한 방법으로 자료를 수집으로 인하여 발생하는 문제를 의미하며 이는 측정의 타당성을 저해한다(Podsakoff, MacKenzie, & Lee, 2003; Turel, Serenko, & Bontis, 2011). 동일방법편의를 확인하고 편의를 사후적으로 통제하기 위한 통 계적인 방법으로는 단일방법척도 접근법(single-method-scale approach), 편상관 접근법, 다중방법요인 접근법(multiple-method-factor approach) 등의 방법들이 있다(Podsakoff et al., 2003).

나. 측정 모형 분석

측정 모형 분석은 확인적 요인분석으로 관찰변인들이 잠재변인을 적절하게 측정하는지 분 석하는 작업이다. 이러한 작업은 실제 변인 간의 관계를 분석하기 전에 이론적 배경을 바탕으 로 설정한 개념 측정의 적절성을 먼저 검토하기 위한 작업이다. 이를 통해 오류의 원인이 측 정의 오류에서부터 발생하였는지 또는 구조 관계 설정의 오류에서 발생하였는지를 구분하여 확인할 수 있다(배병렬, 2016). 다음으로 관찰변인 간의 상관행렬을 확인함으로써 본 자료가 구조방정식 모형 분석에 적합한지 판단하였다. 구조방정식 모형 분석은 관찰변인의 상관행렬 을 기준으로 최적의 모형을 분석하는 방법이기에 관찰변인 간의 상관계수가 통계적 기준(p

⟨.05) 하에 유의하고 .3 이상의 통계치를 나타내는지 살펴봄으로써 입력 자료의 적절성을 검토하였다. 또한, 일반적 특성에 따른 관찰변인의 차이를 분석하여 관찰변인의 특징을 확인 하고, 관찰변인의 차이가 적절한지 확인함으로써 입력자료의 적절성을 검토하였다.

이 연구는 Mplus 7을 활용하여 측정 모형을 분석하였으며 모수 추정은 최대우도법(ML:

Maximum Likelihood)을 활용하였다. <표 Ⅳ-20>과 같이 측정모델에 대한 평가는 확인적 요인분석을 통해 수행되며 단일차원성을 확보하는 과정이 필요하다(우종필, 2012). 최대우도 법이란 관찰변인의 상관행렬과 가능한 완벽하게 일치하는 상관행렬을 재생산할 수 있도록 모 수를 추정하여 모형 적합도를 최대화하는 방법으로 최대우도법은 최소제곱법에 비해 다변량 정규성의 제약에서 비교적 자유롭다(김수영, 2016). 측정모형의 적합도 판단을 위해 Mplus 7에서 제공하는 총 카이제곱(χ²) 값, SRMR, CFI, TLI, RMSEA를 활용하였다. χ²값과

SRMR값은 이론 모델이 관찰된 공분산 행렬을 예측하는 정도를 측정하는 절대적합지수이며, TLI값과 CFI 값은 기초모델(요인이 0인 모델)에 비해 모델의 향상 정도를 나타내는 증분적 합지수이다. RMSEA는 표본크기가 커지는 것에 따라 모델이 적합하게 검증되지 않는 것을 우려하여 사용하는 적합도 지표로, 모델을 표본이 아닌 모집단에서 추정하는 경우에 기대되는 적합도를 나타낸다(배병렬, 2016).

구분 진단기준

절대적합지수 ^ ^ 검증 유의확률

SRMR ≤.08

증분적합지수 TLI(Tucker & Lewis Index) ≥.90 CFI(Comparative Fit Index) ≥.90

기타지수

RMSEA(Root Mean Square Error of Apporoximation)

≤.05: 매우 좋음

≤.08: 좋은 편임

≤.10: 적합

CMIN/DF 5 이하

자료: Kline(2016)과 배병렬(2016)이 제시한 판단 지수를 연구자 정리

<표 Ⅲ-20> 확인적 요인분석 적합도 판단 지수

모형 적합도 지수를 바탕으로 도출된 상관행렬이 표본의 상관행렬과 부합하는지, 모델이 요인을 적절하게 설명하는지를 확인이 필요하다. 따라서 모형 적합도 확인 후에는 개념 타당 도(construct validity)를 판단하였다. 구성개념 타당도는 구성개념과 그것을 측정하는 변수 사이의 일치성(agreement)에 관한 것으로 구성개념이 관측변수에 의해 얼마나 정확하게 측 정되었는지를 분석한다(우종필, 2012). <표 Ⅳ-21>과 같이 구성개념 타당도 분석은 수렴타 당도(convergent validity)와 판별타당도(discriminant validity)로 확인할 수 있다(Kline, 2016). 수렴타당도는 하나의 잠재변인에 해당하는 관찰변인들이 해당 잠재변인을 적절히 측 정하는가를 의미하며, 요인적재량이 .5~.95사이에 있고, AVE가 .5이상이며 개념신뢰도가 .7 이상인지 확인하여 판단한다(이형권, 2018). 판별타당도는 하나의 잠재변인을 측정하는 관찰 변인들이 다른 잠재변인과 구별하여 측정하고 있는가를 의미한다. 이는 잠재변인 간의 상관을

모형 적합도 지수를 바탕으로 도출된 상관행렬이 표본의 상관행렬과 부합하는지, 모델이 요인을 적절하게 설명하는지를 확인이 필요하다. 따라서 모형 적합도 확인 후에는 개념 타당 도(construct validity)를 판단하였다. 구성개념 타당도는 구성개념과 그것을 측정하는 변수 사이의 일치성(agreement)에 관한 것으로 구성개념이 관측변수에 의해 얼마나 정확하게 측 정되었는지를 분석한다(우종필, 2012). <표 Ⅳ-21>과 같이 구성개념 타당도 분석은 수렴타 당도(convergent validity)와 판별타당도(discriminant validity)로 확인할 수 있다(Kline, 2016). 수렴타당도는 하나의 잠재변인에 해당하는 관찰변인들이 해당 잠재변인을 적절히 측 정하는가를 의미하며, 요인적재량이 .5~.95사이에 있고, AVE가 .5이상이며 개념신뢰도가 .7 이상인지 확인하여 판단한다(이형권, 2018). 판별타당도는 하나의 잠재변인을 측정하는 관찰 변인들이 다른 잠재변인과 구별하여 측정하고 있는가를 의미한다. 이는 잠재변인 간의 상관을