이 연구에서는 WindowsSPSS 12.0과 AMOS 18.0통계 패키지 프로그램을 이용하여 빈도, 백분율,평균,표준편차와 같은 기술통계를 사용하였으며,가설적 연구모형에 대한 인과관계를 구명하기 위해서는 구조방정식 모형을 이용했다.모든 분석에서 통계적 유의수준을 0.05로 설정 하여 처리하였다.
첫째,수집된 자료는 먼저 분석 자료를 정교화하기 위하여 이상치(outlier)분석을 실시하여 제 거하였다.이상치 분석은 AMOS 18.0프로그램에서 제공하는 마할라노비스 거리(Mahalanobis distance)분석 방법을 이용하였다.변인 간의 유사성의 정도를 정량적으로 나타내기 위해서 가 장 일반적으로 많이 사용하는 척도가 거리(distance)이며,보편적으로 사용되는 유클리드 거리 (Euclideandistance)를 사용하였다.그러나 이 경우 변수들 간의 단위 등이 다른 경우 큰 값을
갖는 변수가 거리의 값을 주도할 수 있기 때문에,이러한 불합리를 해소하기 위하여 종종 표준 화된 거리(standardizeddistance)를 사용한다.변수 간의 상관관계가 있는 경우 분산-공분산 행 렬(varience-covariencematrix)을 사용하여 표준화된 거리를 보다 일반화한 거리 척도로 마할 라노비스 거리를 사용하였다.마할라노비스 거리는 개별 사례의 점수와 표본평균과의 다변량 거리를 의미하는 것으로,마할라노비스 거리 값의 유의확률이 0.001보다 작게 나올 경우 이상치 로 판단하여 제거하였다(Tabachinnick& Fidell,1996).그러나 이 연구에서 마할라노비스 거리 (Mahalanobisd-squared)는 문제가 되는 데이터가 없는 것으로 나타나 407개 자료를 최종 구조 방정식 모형 분석에 사용하였다.
둘째,우리나라 산업체 종사자의 주관적 경력성공과 관련 변인의 인과모형의 적합도를 검증 하기 해서는 입력 자료의 정규성을 검토하였다.정규성은 일변량 정규성(uni-variatenormality) 과 다변량 정규성(multi-variatenormality)의 두 수준에서 이뤄지는데,일변량 정규성은 왜도 (skewness)와 첨도(kurtosis)를 활용하며,다변량 정규성은 자유도(df)의 분포를 따르는 다변 량 첨도지수(multi-variatekurtosis)를 활용하였다.일변량 정규성의 경우 각 관찰변인의 왜도와 첨도의 Z점수가 임계치를 초과하면 비정규성 분포를 갖는다고 할 수 있으며,임계치는 유의수 준 0.5수준에서는 ±1.96을 활용하였다.다변량의 경우는 첨도지수 5.66을 넘을 경우 다변량 정 규성을 확보하지 못한 것으로 판단하였다(배병렬,2011).
셋째,우리나라 산업체 종사자의 주관적 경력성공과 관련 변인의 인과모형 적합도를 검증하 기 위해 다중공선성(multicollinerarity)을 확인하였다.다중공선성은 독립변수간 강한 상관관계 로 인해 발생되는 문제로서,상관이 높게 되면 독립변수들이 서로 독립적이어야 하는 가정에 위배되기 때문에 문제가 발생하고,분석에서 제공하는 회귀계수에 대한 결과를 신뢰할 수 없게 된다(우종필,2013).이 연구에서 다중공선성 존재 여부를 공차 <.10와 분산팽창지수(VIF)>.10 를 기준으로 확인하였다.
넷째,각 잠재변인의 개념을 측정하기 위해 설계된 측정모형이 적합한지 평가하기 위한 절차 로써,측정모형에 대한 확인적 요인분석(confirmativefactoranalysis:CFA)를 실시하였다.확인 적 요인분석의 결과를 바탕으로 측정모형의 안정성을 판단하였다.또한 요인적재량 및 잠재변 인 간 추정된 상관을 통해 관찰변인들의 타당도를 확인하였다.
다섯째,우리나라 산업체 종사자의 주관적 경력성공과 관련 변인의 인과모형 적합도를 검증
하기 위해 AMOS18.0프로그램을 사용하여 공변량 구조분석을 실시하였다.공변량 구조분석에 서는 정규성 분석결과에 따라 정규성 분포를 보일 경우는 일반적으로 공변량 메트릭스를 사용 하고,비정규성 분포를 보일경우는 AMOS에서 제공하는 부트스트레핑(bootstraping)방법을 활 용하였다.또한 변수 간의 가설적 모형이 경험적 자료에 비추어 얼마나 적합한 것인지를 검증 하기 위하여 <표 III-21>과 같은 적합도 지수를 활용하여 평가가 가능하다.절대적합지수 (AbsoluteFitMeasures)는 제안모형의 전반적인 부합도를 평가하는 지수로 원소간 평균차이 (RMR),적합지수(GFI),조정적합지수(AGFI) 등이 활용된다.증분적합지수(IncrementalFit Measures)는 제안모형이 기초모형에 비하여 어느 정도 향상되었는지 보여주는 지수로 표준적 합지수(NFI),증분적합지수(IFI),비교적합지수(CFI),터커-루이스 지수(TLI)등을 사용한다.간 명부합지수(ParsimonniousFitMeasures)는 모형이 적합도에 도달하기 위해 추정모수와 자유도 간의 관계를 고려한 지수로 간명비교적합지수(PCFI),간명표준적합지수(PNFI)등을 활용한다.
여섯째,매개효과의 통계적 유의성을 검증은 Sobel검증과 부트스트레핑이 일반적으로 활용된 다.이 연구에서는 Sobel검증을 통해 매개효과의 통계적 유의성을 검증하였다.Sobel검증은 하나의 매개변수를 포함하는 관계에 대해 간접효과에 대한 표준오차를 추정하여,간접효과의 유의성을 검증하는 방법으로,두 경로의 비표준화계수가 ab라고 할 때,간접효과에 대한 표준오 차를 추정하는 식은 다음과 같다.
=
표본크기가 클 때,는 표준화되지 않은 간접효과에 대한 Z검정 통계치로 해석될 수 있다.또한 둘 이상의 매개변인을 통한 간접효과의 통계적 유의성은 경험 법칙을 기준으로 하 며,모든 비표준화 경로계수가 같은 유의도 수준에서 통계적으로 유의하다면 모든 간접효과도 같은 수준에서 통계적으로 유의하다고 판단하였다.
일곱째,우리나라 산업체 종사자들의 주관적 경력 성공,고용안정성,조직경력관리지원,프로 틴 경력태도 및 프로틴 경력관리행동의 수준을 파악하기 위하여 SPSS 12.0을 활용하여 평균, 표준편차 등의 기술적 통계치를 분석하였다.
구분 부합지수 적합도 판단기준
절대적합 기준
RMR(RootMean-squareResidual) GFII(GoodnessofFitIndex)
AGFII(AdjustedGFI)
p>0.05
<.05
>.90
>.90
증분적합 지수
NFI(NormedFitIndex) IFI(IncrementalFitIndex) CFI(ComparativeFitIndex)
TLI(Tucker-LewisIndex)
>.90
>.90
>.90
>.90 간명적합
지수
PCFI(ParsimonousCFI) PNFII(ParsimonousNFI)
≥ .50,.60
≥ .50,.60 출처:배병렬.(2011).AMOS19.0구조방정식모델링:원인과 실제,우종필.(2013).구조방정식모델 개념과 이해.
<표 III-21>적합도 판단지수