자료 분석

가 . 자료 처리

1) 결측치 처리

결측치를 처리하는 방법으로는 일반적으로 많이 활용되는 완전제거법(List-wise deletion)은 일부 케이스가 표본의 특성을 지배하게 됨으로써 편의가 발생하게 되며, 케이스 수의 감소로 효율성이 감소한다는 문제점이 제기되고 있다(강민아, 김경아, 2006). 따라서 이 연구에서는 결측 자료의 분포 모양을 가정하고, 이 분포 하에서 결 측치에 대한 우도값을 추정하는 EM(Expectation -Maximization) 방식으로 결측치를 처리하였다.

2) 교육관 유형화를 위한 표준화 점수 활용

이 연구에서는 Likert 척도를 활용하여 자료를 수집하였는데, 개인의 응답 경향에 관계없이 개인의 관점에서 가장 중요한 항목을 강조하여 교육철학에 대한 선호를 분명 히 할 수 있도록 변환된 자료를 활용하였다. 김상룡, 조길호, 이수형(1994)의 반응편향 성을 내포한 Likert형 척도 자료의 분석방법 중 개인 차원에서 자료의 표준화 방법을 활용하여 교육관을 유형화하는데 있어 각 개인의 교육관 선호 정도에 따라 비슷한 경 향의 개인들이 같은 유형으로 분류될 수 있도록 자료를 처리하였다.

3) x² 검정을 위한 집단 재범주화

x²검정은 기대빈도가 5미만인 셀이 전체의 20%를 넘는 경우 x²분포를 따른다고 가정할 수 없다. 따라서 이 연구에서는 해당 인구통계학적 변인을 재범주화 하여 분석 을 실시하였다. 한편, HRD 담당 분야의 경우는 Gilley et al.(2002)의 HRD 영역 구분 기준에 따라 개인차원과 조직차원의 두 범주로 재범주화 하였다.

나 . 잠재프로파일분석(LPA)

잠재프로파일 분석의 목적은 군집분석과 같이 변수 간 유사한 값을 갖는 관찰대상 들의 유형을 분류하는데 있다. 이것은 다양한 요인이 혼합되어 있는 조합들을 구별하

는 데 도움이 되고, 체계적이고 의미있는 방식으로 모집단의 하위 집단을 요약적으로 보여주는데 적합한 방식이다(이정은, 2012).

잠재프로파일분석은 군집분석에 비해 방법론상으로 몇 가지 장점이 있다(Miller.

et al., 2009). 잠재프로파일분석은 Maximun likelihood 추정방법을 사용하여 각 유형 에 속한 모든 개인에 대한 추정된 확률값을 설명하는 유형 멤버십 확률을 구할 수 있 다. 또한 잠재변수를 사용함으로써 측정 오차를 줄일 수 있고, 최적의 잠재유형 모델 을 결정하기 위해 적합도 지수를 사용할 수 있다.

다 . 잠재 집단 수 결정

잠재프로파일분석에서는 유형의 집단 수를 결정하기 위해 적합도 지수인 AIC(Akaike’s Information Criterion), BIC(Baysian Information Criterion), SSA-BIC(Sample-Size Adjusted BIC)와 통계적 유의도 검증에는 LMR(LO-MENDELL-RUBIN ADJUSTED LRT TEST), Entropy 지수를 활용하였다.

AIC, BIC, SSA-BIC는 값이 작을수록 적합도가 좋고, Entropy는 1에 가까울수록 적 합도가 좋다고 본다. 또한 통계적 유의도 LMR은 유형이 k개인 모형과 k-1개인 모형 을 비교하여 p-value가 .05보다 작으면 k개인 모형의 적합도가 더 좋은 것으로 판단 한다(조정아, 2012).