잠재계층분석

잠재계층분석(Latent Class Anaysis)은 범주형 관찰변인을 사용하여 관 련된 변수의 하위형태를 확인하는데 이용되는 통계방법이다(Muthén, 2008).

혼합모형의 일종으로써 잠재적인 변인의 이질적 특성을 잠재계층별로 밝혀 내고, 각 계층에 속할 확률을 찾아내어 유형화 하는 방법이다(권재기, 2011;

Collins & Wugalter, 1992). 또한 잠재계층분석은 개인 중심적 접근으로써, 관찰된 변인들 사이의 관계를 나타내 줄 수 있는 잠재적인 공통변인의 요 인분석이나, 회귀분석과는 차별화된다(Lanza, Flaherty, & Collins, 2003).

잠재계층분석과 유사한 분석방법으로는 군집분석이 있지만 군집분석은 군 접근법이라 할 수 있다(Nylund, Bellmore, Nishina, & Graham, 2007). 또한 상대적으로 공식적인 통계절차를 활용할 수 있는 장점이 있고, 혼합모형의 일종으로 이질적인 특징을 가진 모그룹을 다룰 때 유용한 분석방법으로 결 과변인이 범주형 자료인 경우에 사용된다(Wadsworth, Hudziak, Heath, &

Achenbach, 2001; 양명희와 권재기, 2013).

잠재계층분석에서 사용되는 모형은 구조방정식 모형처럼 모형의 적합도 를 판단하는 통계적인 지표를 하나만 사용하는 것이 아니라 실질적인 이론 과 더불어 여러 가지 통계적인 지표를 조합하여 최적의 모형이 결정된다 (Greenbaum, Del Boca, Darkes, Wang, & Goldman, 2005; Nylund, Asparouhov & Muthén, 2007). 가장 적합한 잠재계층수를 선정하기 위해 여러 적합도 지수와 해석가능성을 종합적으로 고려하는데 적합도 지수 중 하나인 정보지수에는 BIC (Baysian Infromation Criterion)가 대표적이다 (Muthén, & Muthén, 2000).

BIC는 모형의 설명력과 간명성을 고려하는 지수로써 값이 작을수록 적합 도가 좋음을 의미한다(Sclove, 1987). BIC는 모형을 상대적으로 비교하며 모형이 얼마나 잘 예측하는지를 측정하면서 가장 명확하고 엄격하게 모형 을 찾아 계층을 계산하는데 있어 가장 믿을만한 지표이다(Collins, Fidler, Wugalter, & Long, 1993). SSABIC (Sample-Size Adjusted BIC)는 표본크

기 조정 BIC정보 지수로 낮을수록 모형이 적합함을 의미한다(Sclove, 1987).

잠재계층의 수가 최적의 값인지 확인하기 위해서 잠재계층의 통계적 유 의성을 검증해야 하는데, 잠재계층의 통계 검증은 LMR (Lo–Mendell–

Rubin Likelihood Ratio Test)와 BLRT (Bootstrap Likelihood Ratio Test) 를 확인한다(Muthén, 2008). LMR과 BLRT는 p-value를 통하여 최적의 모 형을 파악하는 방법으로 정확한 계층 수를 찾는데 있어서 가장 정확한 지 표이다(Muthén, & Muthén, 2000; Sclove, 1987). 잠재계층 수를 결정하면 각 개인의 잠재계층이 분류된 후 공변량을 모형에 포함하여 이항 및 다항

구가 있다(손미선, 2020). 또한 한국 청소년의 음주행동 잠재계층 유형을 추 정한 연구(이해인과 박선희, 2019), 도박하는 사람을 대상으로 잠재계층을 탐색한 연구(강경화, 김형수, 박애란, 김희영과 이건세, 2018) 등이 있다. 또 한 아동과 노인의 건강증진행위를 유형화한 연구(이상균과 유조안과 그레 이스정, 2015; 장선희와 염동문, 2020)와 한국 중년 남성의 건강관련 삶의 질에 대한 분석 연구가 있다(조영숙과 염동문, 2019).

이상의 문헌을 살펴본 결과, 잠재계층분석은 관찰된 변수를 바탕으로 유 사성을 가진 잠재계층을 규명하고 계층의 유형을 찾아내는 분석방법으로 대상자들을 이질적인 계층으로 구분하여 대사증후군의 위험요인을 유형화 하여 취약 계층을 확인하고 각 계층에 가장 효과적인 중재 방법을 개발하 는데 유용한 자료로 활용 될 수 있을 것이다.

그림 1. 전통적 분석과 잠재계층분석의 비교