가.
타당도(Validity) 검증
본 연구의 확인적 요인분석은 잠재변수(latentvariable)를 통해 측정오차 가 분리된 순수한 구성개념으로 경로분석(pathanalysis)과 결합한 구조방 정식모델(SEM)로 AMOS 프로그램에서 수행되며 측정변수와 잠재변수
간의 관계와 잠재변수 간의 관계를 검정 및 확인한다. 탐색적 요인분석과 다른 점은 분석 전에 잠재변수의 수와 이들 요인을 구성하는 설문문항인 측정변수가 미리 지정된 상태에서 분석이 이루어진다. 이는 탐색적 요인 분석이 다수의 변수들로부터 소수의 요인을 추출하는 분석이라면, 확인적 요인분석은 잠재변수와 관측변수 간의 관계를 파악하는 분석이라고 할 수 있다(우종필, 2012). 특히, 확인적 요인분석은 관측변수와 잠재변수 간의 요인부하량을 측정할 수 있고, 모델의 전반적인 적합도를 평가할 수 있기 때문에 구성 타당도(construct validity)를 측정하는데 유용하게 사용되고 있다(송미옥·윤소영, 2017). 이러한 확인적 요인분석을 검정하기 위해서는 관련 변수들이 등간척도나 비율척도와 같은 연속형데이터여야 하며, 확인 적 요인분석을 통한 측정모델분석으로 모델적합도가 확보되어야 하며, 이 런 상태에서 집중타당도, 판별타당도 검정을 거치게 된다(최창호·유연우, 2017).
모델적합도지수(model fit index)는 통상적으로 절대적합도지수(absolute fit index)를 활용하지만 이는 수집된 데이터의 표본공분산행렬과 이론적 배경 및 선행연구를 바탕으로 한 연구모델이 데이터에 적합한지를 검정하 는 것이다. 모델적합도지수의 검정 방법은 최창호·유연우(2017)의 자료를 중심으로 3가지 범주로 구분하여 살펴보면 다음과 같다.
첫째, 표본의 공분산행렬과 연구모델의 예측공분산행렬의 분포의 차이 가 있는지를 알아보기 위한 χ2 검정이다. 이는 모델적합도 기준 중 통계 적 유의성에 대해 유일하게 검정하는 것으로 표본공분산행렬과 적합행렬 이 차이가 없어야 하므로 χ2(p)값이 .05 이상이어야 모델적합도가 확보되 는 것이다. 그러나 χ2검정은 표본의 크기나 모델의 복잡성 등의 문제로 결과 값이 상이하게 나오는 한계점으로 절대적 기준이 되지는 못한다.
둘째, 표본의 공분산행렬과 연구모델의 예측공분산행렬간의 차이는 오 차(residual)행렬이라고 부르는데 이 오차행렬은 ‘0’에 근접할수록 두 공분 산행렬의 분포의 차이가 없게 되는 것이다. 이를 알아보기 위한 지수로는 RMR(root mean-square residual), RMSEA지수(root mean square error
of approximation)가 있으며 보편적으로 RMR 지수는 .05 이하, RMSEA 지수는 .1 이하이면 모델의 적합도가 확보된다고 본다.
마지막으로, 표본의 공분산행렬이 연구모델의 예측공산행렬에 의해 설 명되어지는 비율은 ‘1’에 근접해야 표본공분산행렬과 적합행렬의 분포의 차이가 없는 것으로 본다. 이를 위해 GFI(goodness of fit index)지수가 있으며 보편적으로 .9 이상이면 모델적합도가 확보된다고 본다. 또한 증분 적합도지수(incremental fit index)인 CFI, TLI, NFI 등 .9 이상이면 모델 적합도가 확보되었다고 보고 낮은 값을 가질수록 모델적합도가 확보되는 것으로 보는 간명적합도지수(parsimonious fit index)로는 PGFI, PNFI, AIC 등이 있다. 본 연구에서는 구조방정식 모형의 적합도에 주로 사용되 는 CFI, TLI, RMSEA를 기준으로 살펴보기로 하겠다.
확인적 요인분석과 관련하여 집중타당도와 판별타당도를 살펴보면 다음 과 같다. 집중타당도(convergent validity)는 동일한 개념을 측정하기 위해 복수 문항들이 어느 정도 일치하는가를 확인하기 위한 것으로 측정치들 간 높은 상관관계가 존재해야 집중타당성이 있다고 할 수 있다. 집중타당 도를 분석하는 방법은 첫째, 표준화요인부하량값(standardized regression weight)에서 유의성인 잠재변수에서 관측변수로 가는 표준화 요인부하량 값이 최소 .5 이상이면 통계적으로 유의미하다.
표준화λ값 : .5이상(.7 이상이면 바람직) …………(식1)
둘째, AVE(average variance extracted, 평균분산추출법)값은 표준화요 인부하량값의 제곱합을 표준화요인부하량값의 제곱합과 측정오차 분산의 합을 합한 것을 나눈 값으로 평균분산추출은 반드시 .5 이상이어야 한다.
AVE = 표준화 오차계수
표준화
≥.5 …………(식2)
마지막으로, CR(construct reliability, 개념 신뢰도)값은 표준화요인부하 량값의 합의 제곱을 표준화요인부하량값의 합의 제곱과 측정오차 분산의 합을 합한 것을 나눈 값으로 일반적으로 .7 이상이어야 한다.
C.R.= 표준화 오차계수
표준화
≥.7 …………(식3)
또한, 판별타당도(discriminant validity)는 서로 다른 변수들 간에는 그 측정치에서도 분명한 차이가 있어야 한다는 것을 의미한다. 즉, 한 변수와 다른 변수간의 상관관계는 낮아야 함을 의미한다. 판별타당도 분석방법은 다음과 같다.
첫째, 평균분산추출(AVE) 값 〉R2(상관계수의 제곱)
AVE ＞ ² = 표준화 오차계수
표준화
＞ ² ……… (식4)
둘째, R±2×SE(공분산의 표준오차)≠1
(p±2×S.E.) ≠ 1 ….……… (식5)
확인적 요인분석을 통한 측정모델분석이 완성된 상태에서 신뢰도분석을 거친 후 정제된 측정변수와 잠재변수들을 대상으로 구조모델분석을 통한 가설검정이 이루어진다(최창호·유연우, 2017).
본 연구에서는 구조방정식모형 분석에서 권장되고 있는 2단계 접근법 (Anderson & Gerbing, 1988)에 따라서 구조모형 분석에 앞서 측정모형의 적합도와 잠재변수로 구성된 척도의 타당도를 평가하였다. 다음으로 구조 모형의 분석을 통해서 본 연구의 가설들을 검증하였다. 그리고 간접효과 의 유의도를 검증하기 위해 부트스트래핑(bootstrapping)으로 효과분해를
확인하였다. 부트스트랩(bootstrapping) 샘플 추출은 1000회로 되었으며, 통계적 유의도는 95% 신뢰도(Bias�corrected confidence intervals)에서 검증되었다. 하지만 다수의 간접효과 경로를 가지는 경우, 효과분해를 통 해 전체 간접효과의 크기 및 유의도는 확인할 수 있지만 개별 간접효과 경로의 유의도는 확인할 수 없다는 한계가 있다(최창용, 2019).
본 연구는 가족지지에서 삶의 만족도를 경유하는 이중매개경로가 포함 되어 있다. 이중매개를 검증하는 경우에는 개별 간접효과에 대한 결과가 나타나지 않기 때문에 각각의 간접효과를 확인하기 위해서는 팬텀변수 (phantom Variable)를 사용한 변환한 모형으로 분석을 실시하였다.
팬텀분석은 개별 간접효과 해당 경로에 가상의 변수를 형성하여 부트스 트래핑(bootstrapping)을 통해 유의도를 확인하는 분석방법으로, 모형 적 합도와 모수치에는 영향을 주지 않으며 개별 간접효과 경로의 유의도를 검정할 수 있게 한다(Macho & Ledermann, 2011). 구조방정식모형의 분 석을 위해 AMOS 26.0 패키지를 사용하였으며, 측정모형과 구조모형 추 정은 최대우도법(Maximum Likelihood: ML)으로 추정하였다.
나. 변수의 결측치 및 정규성 확인
본 연구에서 결측치 제거는 완전 제거(list deletion) 방법을 사용하여 가족지지, 삶의 만족도, 사회적 위축, 다문화수용성 변수와 관련된 설문에 모두 응답한 1,169명(남자 555명, 여자 594명)을 대상으로 분석하였다.
다문화청소년패널조사 4차(중1)에 응답한 1,380명을 대상으로 하고자 하 였으나, 결측치로 인해 4차(중1)부터 8차(고2)까지 가족지지, 삶의 만족도, 사회적 위축, 다문화수용성 모든 항목의 설문에 응답한 1,169명을 대상으 로 한정하였다.
각 시점의 측정변수들의 정규성을 확인하기 위해서 왜도와 첨도를 확인 하였으며 그 결과 가족지지, 삶의 만족도, 사회적 위축, 다문화수용성 모 두 다변량 정규성 검토에서 왜도는 절대값 3 미만, 첨도는 절대값 10 미
만(Kline, 2016)으로 정규분포 조건을 만족하여 왜도 및 첨도의 정규성을 확인하였다. 정규성 확인은 각 변수별 기술통계를 통해 확인할 수 있다.
제 4 장 실증분석
제 1 절 연구대상의 특성
본 연구는 다문화청소년 패널(MAPS) 자료에서 5차 측정시점을 활용하 기 위해 삶의 만족도, 가족지지, 사회적 위축, 다문화수용성 변수가 모두 포함된 4차년도, 5차년도, 6차년도, 7차년도, 8차년도 자료를 각각 측정시 점 1차, 2차, 3차, 4차, 5차로 활용하여 분석을 실시하였다.