마케팅조사방법-박사과정마케팅조사방법-박사과정

마케팅조사방법 - 박사과정

SEM 에 의한 연구모형 검정

• Step1: Measurement Model 에 관한 검정

• 모든 요인이 포함된 모형을 작성한다 ( 모든 요인들이 상관관계로 연결 )

• 모형적합도를 구한다

• 크론바흐 알파 , CR, AVE 값을 구하여 신뢰도 , 내적일관성 , 집중타당성 , 판별타당성을 구한다

• Step2: Structural Model 에 관한 검정

• 요인들의 인과관계가 포함된 모형을 작성한다

• 모형적합도를 구한다

• Regression weights( 경로계수 ) 의 유의성을 판정한다 .

A-1. 스마트폰 앱은 사용하기 쉽기 때문에 A-2. 가지고 다닐 수 있으니까

A-3. 스마트폰 앱 사용법을 배우는 게 나에게 쉽기 때문에 A-4. 나는 스마트폰 앱 사용법을 빨리 배웠기 때문에

B-1. 스마트폰 앱을 사용하는 것이 나의 시간을 절약해 주니까 B-2. 스마트폰 앱 사용은 나의 효율성을 증진시켜주니까

B-3. 스마트폰 앱은 나에게 유용하기 때문에 C-1. 그것을 가진 사람들에게 질투심이 드니까

C-2. 내게 중요한 사람들이 내가 스마트폰 앱을 사용해야 한다고 생각하니까 C-3. 나와 비슷한 사람들이 그것을 사용할 것 같아서

C-4. 내가 존경하는 사람들이 내가 그것을 사용할 것으로 기대하니까 D-1. 나는 스마트폰 앱을 사용하길 좋아한다

D-2. 나는 스마트폰 앱 사용에 대해 호의적이다

D-3. 나는 스마트폰 앱을 사용함에 대해 긍정적이다

E-1. 나는 향후 12 개월 동안에 스마트폰 앱을 계속 사용할 생각이다 ‘ ’ E-2. 나는 향후 12 개월 동안에 스마트폰 앱을 자주 사용할 생각이다 ‘ ’

• Perceived Usefulness

1. Online shopping provides many product alternatives 2. Online shopping can be done in any places

3. Online shopping enable to fulfill needs faster

4. Online shopping decrease time for unproductive activity

• Perceived Ease of Use

1. Easy to access online shopping sites

2. Online shopping procedure is easy to understand 3. Easy to compare products among online vendors 4. Easy to compare products’ prices

5. Easy to find desired products

• Attitude toward Online Shopping 1. Online shopping has positive value 2. To please with online shopping

3. Online shopping is enjoyable

• Intention to Online Shopping

1. To intend to buy something through internet 2. To consider to buy something through online 3. Will be an online shopper in the future

4. To plan to access information about product that are sold online 5. As a place of references when want to buy something

Step1

• Measurement Model

A

B

C D

V1 V2 V3

V4 V5 V6 V7

V8 V9 V1

0 V1

1

V1 2

V1 3

e1 e2 e3

e8 e4

e5 e6 e7

e9 e1

0

e1 1

e1 2

e1 3

모든 요인 간에 연결

AMOS 실행

Step2

• Structural Model

A

B

C D

V1 V2 V3

V4 V5 V6 V7

V8 V9 V1

0 V1

1

V1 2

V1 3

e1 e2 e3

e8 e4

e5 e6 e7

e9 e1

0

e1 1

e1 2

e1 3 e1

4 e1

5

Modification Index 를 체크해서 기준이 통과 할 때까지 모형 개선

Model Fit 제시

모형적합지수 가 개선되도록 같은 요인내의 변수 오차간에 관계설정

Step1 의 완료 • Measurement Model 의 검증

• 모형의 적합성 (Model Fit Index Check)

• CMIN, p 제시

• CMIN/DF <2 ( 또는 3), SRMR<0.8, RMSEA<0.07, CFI>0.9, NFI>0.9

• 측정도구의 신뢰성 타당성 검증

• 신뢰성 , 내적일관성 : 크론바흐 알파 >0.6, CR > 0.7

• 집중타당성 ( 수렴타당성 ): CR>0.7, AVE>0.5

• 판별타당성 : AVE>( 상관계수 제곱 )

F1 F2 F3

F1

F2 r12

F3 r13 r23

F1 F2 F3

F1

F2 r12

F3 r13 r23

>r12, >r13  

>r12, >r23  

>r23, >r13  

Step2 의 완료 • Structural Model 의 검증

• 모형의 적합성 (Model Fit Index Check)

• CMIN, p 제시

• CMIN/DF <2 ( 또는 3), SRMR<0.8, RMSEA<0.07, CFI>0.9, NFI>0.9

• Measurement model 의 적합지수보다 덜 (?) 나오는게 정상

• 요인간의 관계성 검증

• 경로계수의 유의성 검정 (p < .05)

• 예 >

F1 -> F3 0.001 H1 채택

F2 -> F3 *** H2 채택

F3 -> F4 0.023 H3 채택

스마트폰 앱 사용의도에

관한 연구 분석 예제

연구배경 및 목적

• 스마트폰과 태블릿과 같은 스마트 디바이스의 발달은 다양한 분야의 연구 자들에게 관심의 대상이 되 고 있다 . 이러한 스마트 디바이스는 더욱 진보된 통신 , 커뮤니케이션 , 위치정보 등의 기능을 통합 하여 주기 때문에 제품 , 서비스 , 기술이 융합된 형태로 발생하거나 , 제품 또는 서비스에 기술이 체 화된 형태로 발생되고 있어 새로운 사업기회를 창출하고 있다 .

• 스마트폰 앱 (app) 이란 스마트폰 운영체제 위에서 실행되는 모든 소프트웨어를 의미한다 . 최근 디 지털 기술의 발전과 스마트폰의 보급화는 스마트폰 앱에 대한 관심을 불러일으키고 있다 . 스마트폰 의 앱이 한정된 화면을 통해 사용자에게 만족할 만한 기능과 성능을 보여주기 때문에 스마트폰 앱의 개발이 활발하게 이루어지고 있다 . 이에 다양한 스마트 폰 앱 사용에 대한 이용동기와 태도 및 사용 의도에 관한 연구가 필요해진 시점이다 .

• 본 연구에서는 스마트 폰의 사용의도에 영향을 미치는 요인으로 편리성 (PEU), 유용성 (PU), 관계성

(SN) 을 가정하고 스마트 폰 앱 사용에 영향을 미치는 요인을 분석하고자 하였다 . 즉 , 각각 편리성

(PEU), 유용성 (PU), 관계성 (SN) 은 앱에 대한 태도 (ATT) 에 영향을 주고 , 태도는 구매의도 (PI) 에

영향을 주는지를 조사하였다 . 이를 위해 본 연구에서는 기술수용모델 (TAM) 을 기반으로 한 연구 모

형으로 스마트폰 앱 사용의도 결정 요인에 대한 모형을 구성하고 이를 스마트폰 앱 사용자를 대상으

로 하여 실증 연구를 수행하였다 .

사용하기 쉽기 때문에 가지고 다닐 수 있으니까

사용법을 배우기 쉽기에 사용법을 빨리 배웠기에 시간을 절약 해 주니까 효율성을 증진시켜 주니까

유용하기 때문에 사람들에게 질투심 사용해야한다고 생각 비슷한 사람들이 사용

사용 할 것으로 기대

편리성

유용성

관계성

태도 사용의도

연구모형

H-1 스마트폰의 편리성은 앱 ATTITUDE 에 영향을 미칠 것이다 H-2 스마트폰의 유용성은 앱 ATTITUDE 에 영향을 미칠 것이다 H-3 스마트폰의 관계성은 앱 ATTITUDE 에 영향을 미칠 것이다 H-4 ATTITUDE 은 앱 스마트폰 사용의도에 영향을 미칠 것이다

연구가설

변수의 조작적 정의

변수 조작적 정의 선행연구

독립변수 편리성 스마트 앱 서비스를 이용하여 사용자의 위 치와 시간에 상관없이 언제 어디서나 실시 간으로 정부와 업무 처리 가능한 정도

⦁Changsuetal.

(2010) ⦁ 장철영 (2007) ⦁ 조남연 등 (2013)

유용성 스마트 앱 서비스 사용시 자신 의 목적에 유 용하다고 생각하는 정도

⦁Davis(1986) Math⦁ - ieson(1991) ⦁ 임세헌 (2013)

관계성 스마트 앱 서비스의 사용에 대 해 사용자가 타인에게 받는 영향의 정도 : 스마트폰 앱 사용하면 사용자 자신에게 주는 영향 정도

⦁ 한필구 등 (2010) ⦁ 박기남 등 (2012) ⦁ 송 재기 (2013)

각 구성개념의

측정 항목

장철영 (2007) 조남연 (2013) B2 가지고 다닐 수 있으니까

B3 사용법을 배우기 쉽기에 B4 사용법을 빨리 배웠기에

유용성 B5 시간을 절약 해 주니까 Davis(1986)

Mathieson(19 91) 임세헌 (2013)

B6 효율성을 증진시켜 주니까 B7 유용하기 때문에

관계성 B8 사람들에게 질투심 신민아 (2016)

김태진 (2012) 박철우 (2006) B9 사용해야한다고 생각

B10 비슷한 사람들이 사용한다 B11 사용할 것으로 기대한다

사용의도 C1 나는 스마트폰앱을 사용하길 좋아한다 고윤전 · 이형일

(2010)

김남이 · 이수범 (2011)

김상훈 · 한영주 (2012)

C2 나는 스마트폰앱을 사용에 대해 호의적이다 C3 나는 스마트폰앱을 사용함에 대해 긍정적이다

C4 나는 향후 12 개월 동안에 스마트폰앱을 계속 사용할 생각이다

C5 나는 향후 12 개월 동안에 스마트폰앱을 자주 사용할 생각이다

자료수집

부분

성별

남 여

빈도 비율 (%) 빈도 비율 (%)

연령층 20대 85 46% 60 51%

30대 70 38% 45 38%

40대 28 15% 12 10%

50대 이상 0 0 0

합계 183 117

인구통계표

본 연구를 위해 스마트폰 앱을 사용 중인 이용자 300 명을 대상으로 설문조사를 실시하였고 SPSS 통계 프로그램을 통하여 연구문제에 대한 분석을 실시하였다 . 본 연구의 조사대상자 는 총 300 명으로 인구통계학적 특성은 다음과 같이 나타났다 . 성별의 경우 남성이 183 명 (61%),

여성이 117 명 (39%) 로 조사에 활용되었다 . 연령층은 20 대가 145 명 (48.3%), 30 대가

115 명 (38.3%), 40 대가 40 명 (13.3%) 으로 20 대가 가장 높은 분포를 보이고 있다 .

요인분석

회전된 성분행렬^a

SN 성분PEU PU

B-1. 스마트폰 앱은 사용하기 쉽기 때문에 .230 .787 .272

B-2. 가지고 다닐 수 있으니까 .063 .666 .400

B-3. 스마트폰 앱 사용법을 배우는 게 나에게 쉽기 때문에 .078 .822 .349 B-4. 나는 스마트폰 앱 사용법을 빨리 배웠기 때문에 .160 .851 .219 B-5. 스마트폰 앱을 사용하는 것이 나의 시간을 절약해 주니까 .176 .432 .700 B-6. 스마트폰 앱 사용은 나의 효율성을 증진시켜주니까 .090 .282 .871

B-7. 스마트폰 앱은 나에게 유용하기 때문에 .044 .368 .798

B-8. 그것을 가진 사람들에게 질투심이 드니까 .860 .166 .006

B-9. 내게 중요한 사람들이 내가 스마트폰 앱을 사용해야 한다고 생각하니까

.901 .139 .069 B-10. 나와 비슷한 사람들이 그것을 사용할 것 같아서 .846 .106 .189 B-11. 내가 존경하는 사람들이 내가 그것을 사용할 것으로 기대하

니까

.895 .064 .060

고유값 3.197 2.927 2.333

분산 (%) KMO와 Bartlett 의 검정29.06 26.06 21,21 표본 적절성의 Kaiser-Meyer-Olkin 측도 . .885 Bartlett 의 구형성 검정 근사 카이제곱 2128.456

자유도 55

유의확률 .000

분석결과

상관분석

구분 평균 표준편차 PEU PU SN ATT PI

PEU 3.663

3 0.84451 1 PU 3.741

1 0.87494 .711^** 1 SN 2.126

7 0.94353 .313^** .254^** 1 ATT 5.046

7 1.28220 .515^** .557^** .124^* 1 PI 5.560

0 1.28210 .397^** .474^** .063 .798^** 1

변수에 대한 사용의 편리성 (PEU), 사용의 유용성 (PU), 사회적 관계성 (SN) 과 변수간 의 관계가 어떠한 방향이며 어느 정도의 관련성이 있는지 알아보기 위해 상관관계분 석을 실시하였다 .

**. 상관관계가 0.01 수준에서 유의합니다 ( 양측 ).

*. 상관관계가 0.05 수준에서 유의합니다 ( 양측 ). 

회귀분석

모형 비표준화 계수 표준화 계수

t 유의확률

B 표준화 오류 베타

1 ( 상수 ) 1.650 .293 5.635 .000

PEU .386 .104 .254 3.719 .000

PU .572 .098 .391 5.821 .000

SN -.074 .068 -.055 -

1.101 .272 a. 종속변수 : ATTITUDE

계수 ^a

모형 비표준화 계수 표준화 계수

t 유의확률

B 표준화 오류 베타

1 (상수 ) 1.536 .182 8.441 .000

ATTITUDE .797 .035 .798 22.823 .000 a. 종속변수 : PI

회귀분석

회귀분석 출력결과에 의하면 회귀계수는 PEU, PU 등의 독립변수만이 유 의확률이 0.05 보다 작아 'ATTITUDE' 종속변수에 영향을 주는 변수로 판 단된다 .

'ATTITUDE‘ 는 유의확률이 0.05 보다 작아 종속변수 PI 에 영향을 주는 변수로 판단된다 .

가설 검증의 결과

가설 분석 결과

H-1 스마트폰의 편리성은 앱 ATTITUDE 에 영향을 미칠 것이다 채택 H-2 스마트폰의 유용성은 앱 ATTITUDE 에 영향을 미칠 것이다 채택 H-3 스마트폰의 관계성은 앱 ATTITUDE 에 영향을 미칠 것이다 기각 H-4 ATTITUDE 는 앱 스마트폰 사용의도에 영향을 미칠 것이다 채택

다중회귀분석 결과 독립변수인 사용의 편리성 (PEU) 과 사용의 유용 성 (PU) 은 유의 확률 0.05 수준에서 유의한 영향을 미치는 것으로 나타난 반면 , 사회적 관계성 (SN) 은 ATTITUDE 에 유의한 영향을 미치지 못하는 것으로 나타났다 . 그리고 ATTITUDE 는 앱 스마트폰 사용의도에 영향을 미치는 것으로 제시되었다 .

결론 및 요약

스마트폰 앱 사용의 편리성 (PEU), 사용의 유용성 (PU) 과 사회적

관계성 (SN) 이 앱 사용의도에 영향을 미치는지를 살펴보고자 하였

다 . 사용의 편리성 (PEU) 과 사용의 유용성 (PU) 은 앱에 대한 태도

에 영향을 주는데 반면에 사회적 관계성 (SN) 은 영향을 못 주었고

태도는 사용의도에 유의한 영향을 주었다 .

Factor Analysis

요인분석

Factor Analysis Model

관측가능한 변수 X 를 관측불가능한 요인 F 의 식으로 표현

�₁−�₁=�₁₁ �₁+�₁₂�₂+⋯+�1��_�+�₁  

�₂−�₂=�₂₁ �₁+�₂₂ �₂+⋯+�2� �_�+�₂  

�_�−�_�=�_{� 1}�₁+�_{� 2}�₂+⋯+����_�+�_�  

⋮ ⋮  

� − �= � � +�

( � × 1) ( � × �)(� ×1) ( � × 1)

multiple regression 과 같은 형태

But 요인 F값도 모르 고 값도 모름

Assumption

� − �= � � +�

( � × 1) ( � × �)(� ×1) ( � × 1)

이식을 풀기 위해 몇가지 가정이 필요함

�

�

=�

Cov

_�

_=�=�

_{� �}

= �

�

�

= �

Cov

_�

= �=�

_{� �}

= �

�=

(

)

Cov (

� , � )=�(� �

)=�

가정

(  

¿

� � �

�′+� �

�′ +�� �

+� �

�=Cov

( � )

� ( � −� )( � − � )

¿

� � (� �

) �′ +� (� �

) �′+ � �( � �

)+ �(��

)

¿

� �

+ �

결과

Note: Why factor rotation is rationale?

• 가 Orthogonal Matrix 라고 한다면 ()

• =

•

의 solution 유일한 (unique) 해가 아니다 .

�

_�

= �

� (� )=�

Cov

_�

= �

Cov

_�

_{� =�}

_{�� =�}

_{� =�}

가정만족

의 solution 은 을 회전한 해가 가능하므로 해석을 위해 Rotation 해서 적당한 을 찾는다 .

Methods of Estimatio n

1. Principal Component Method (Principal component file 참조 )

•

•

2. MLE Method

• Numerical maximization of Likelihood ftn

•

But we use Correlation Matrix not Covariance matrix

• 가 아니고

•

How much information a variable have?

�= ( ^{� �}

^{� �}

)

정보 =1

각 변수는 1 의 정보 의 양을 갖고 있다

X

F

F1

F2

8 개 변수가 가지고 있던 정보 8 중에서

3 개 요인이 (2.106+1.718+1.135)=4.959 의 정보를 갖고있다 . 4.959/8=61.998%

Why do we select factors having eigenvalue>1?

Example

사용하기 쉽기 때문에 가지고 다닐 수 있으니까

사용법을 배우기 쉽기에 사용법을 빨리 배웠기에 시간을 절약 해 주니까 효율성을 증진시켜 주니까

유용하기 때문에 사람들에게 질투심 사용해야한다고 생각 비슷한 사람들이 사용

사용 할 것으로 기대

편리성 Perceived Ease of Use

유용성 Perceived Usefulness Social Rela-관계성

tionship

Measurements 평균 표준편차

A-1. 스마트폰 앱은 사용하기 쉽기 때문에 3.59 1.019

A-2. 가지고 다닐 수 있으니까 4.11 0.880

A-3. 스마트폰 앱 사용법을 배우는 게 나에게 쉽기 때문에 3.54 1.022

A-4. 나는 스마트폰 앱 사용법을 빨리 배웠기 때문에 3.41 1.026

B-1. 스마트폰 앱을 사용하는 것이 나의 시간을 절약해 주니까 3.51 1.036

B-2. 스마트폰 앱 사용은 나의 효율성을 증진시켜주니까 3.78 1.027

B-3. 스마트폰 앱은 나에게 유용하기 때문에 3.93 0.921

C-1. 그것을 가진 사람들에게 질투심이 드니까 1.95 1.019

C-2. 내게 중요한 사람들이 내가 스마트폰 앱을 사용해야 한다고 생각하니까 2.17 1.091

C-3. 나와 비슷한 사람들이 그것을 사용할 것 같아서 2.35 1.113

C-4. 내가 존경하는 사람들이 내가 그것을 사용할 것으로 기대하니까 2.04 1.029

11 개의 변수가 3 개의 요인이 되기를 기대함

회전된 성분행렬

성분

1 2

A-3. 스마트폰 앱 사용법을 배우는 게 나에게 쉽기 때문에 0.847 0.102

B-3. 스마트폰 앱은 나에게 유용하기 때문에 0.803 0.033

B-2. 스마트폰 앱 사용은 나의 효율성을 증진시켜주니까 0.786 0.073 B-1. 스마트폰 앱을 사용하는 것이 나의 시간을 절약해 주니까 0.785 0.171 A-4. 나는 스마트폰 앱 사용법을 빨리 배웠기 때문에 0.782 0.189

A-1. 스마트폰 앱은 사용하기 쉽기 때문에 0.768 0.254

A-2. 가지고 다닐 수 있으니까 0.763 0.078

C-2. 내게 중요한 사람들이 내가 스마트폰 앱을 사용해야 한다고 생각하 니까

0.141 0.903 C-4. 내가 존경하는 사람들이 내가 그것을 사용할 것으로 기대하니까 0.079 0.894

C-1. 그것을 가진 사람들에게 질투심이 드니까 0.120 0.866

C-3. 나와 비슷한 사람들이 그것을 사용할 것 같아서 0.196 0.842

그러나2 개의 요인만 추출됨

EFA: Exploratory Factor Analysis by SPSS

방법 1: 요인수 지정

회전된 성분행렬 ^a

성분

1 2 3

C-2. 내게 중요한 사람들이 내가 스마트폰 앱을 사용해야 한다고 생각하니까 0.901 0.139 0.069 C-4. 내가 존경하는 사람들이 내가 그것을 사용할 것으로 기대하니까 0.895 0.064 0.060

C-1. 그것을 가진 사람들에게 질투심이 드니까 0.860 0.166 0.006

C-3. 나와 비슷한 사람들이 그것을 사용할 것 같아서 0.846 0.106 0.189 A-4. 나는 스마트폰 앱 사용법을 빨리 배웠기 때문에 0.160 0.851 0.219 A-3. 스마트폰 앱 사용법을 배우는 게 나에게 쉽기 때문에 0.078 0.822 0.349

A-1. 스마트폰 앱은 사용하기 쉽기 때문에 0.230 0.787 0.272

A-2. 가지고 다닐 수 있으니까 0.063 0.666 0.400

B-2. 스마트폰 앱 사용은 나의 효율성을 증진시켜주니까 0.090 0.282 0.871

B-3. 스마트폰 앱은 나에게 유용하기 때문에 0.044 0.368 0.798

B-1. 스마트폰 앱을 사용하는 것이 나의 시간을 절약해 주니까 0.176 0.432 0.700

다행히 원하던 3 개의 요인이 추출됨 . 그러나 이는 흔하지 않은 경우

CFA: Confirmatory Factor Analysis by AMOS

사용하기 쉽기 때문에 가지고 다닐 수 있으니까

사용법을 배우기 쉽기에 사용법을 빨리 배웠기에 시간을 절약 해 주니까 효율성을 증진시켜 주니까

유용하기 때문에 사람들에게 질투심 사용해야한다고 생각 비슷한 사람들이 사용

사용 할 것으로 기대

편리성 Perceived Ease of Use

Perceived 유용성 Usefulness Social Rela-관계성

tionship

Logistic Regression

(or logit regression)

Binomial Logistic Regression

• Model

• Data

), ), ), … , )

• Data

), ), ), … , )

•

X Y

Independent variable

dependent variable

)  

)

    )

metric binary

0: Fail

1: Success

0 1

Model Fitting?

Logistic Regression

0 1

0 1

VS.

� =��+� 

� = �^� 1+�^�

�

�

�

Idea

Logistic Regression

� : � =0 , �=1

^ � :0 ≤ ^� ≤ 1

^{� ( ^ � ) :− ∞≤} � ( ^� )≤ ∞

� : 0 ≤ � ≤ 1 _{logit ( � ) = log} ^�

1 − �

Where =Odds.

Model

log �

1− � = �

+ �

�

�

1 − � =�

Logistic Regression

General Model

+

�

1 − � =�

Odds 의 意味 : 어떤 事件이 发生할 可能性과 발생하지 않을 概率比 < 예 > Odds=2 => p=2/3, 1- p=1/3

Meaning of Odds: Ratio of Probability an event occurs and not occur <eg> Odds=2 => p=2/3, 1-p=1/3

Logistic Regression

Odds ratio

Odds= � ^�

^{+ �}

^�

^{+ �}

^�

^{+ �}

^�

^{+ ⋯+ �}

^�

가 1 단위 증가할 때 변화하는 Odds 의 비율

�

�^{�0+ �1 �1+ �2 �2 +⋯ + � � (¿ ¿ � + 1)+ ⋯+ �� ��}

�^{�0 + �1 �1 + �2 �2 +⋯ + � � � � +⋯ + �� ��} Odds Ratio =¿

¿ �

�

�

⋯�

�

⋯�

�

�

�

⋯ �

⋯ �

¿ �

�

< 0

�

< 1

Quiz

• Estimate

• Model?

• Coefficient > 0 ?

�

�

� ={1 , G oal 0, No G

=Distance

with

Logistic Regression

Estimation of coefficients

Find by Recursive method

MLE: Maximum Likelihood Estimator   MLE= Arg Max

�

��¿ ¿

¿ ¿

¿ ( 1+ ^�

�

)

( ¹⁺ � ¹

)

Wald Statistics ()

Example(Wiki)

The table shows the number of hours each student spent studying,

and whether they passed (1) or failed (0)

Example(ctd)

The logistic regression analysis gives the following output.

log �

1− � = − 4.0777+1.5046 �

�

1 − � = �

= �

�

�

= 4.5

When  

Log Odds

Odds One more hour studying,

passing odds would be 4.5- times

2.71 hour studying would make even odds.

If a student studies 2 hours, what is the pr. Passing exam? (homework)

Partial Least Squares (PL

S) SEM and Regression

What is PLS regression

• Partial Least Squares (PLS) proposed by Herman Wold

• Wold, H.(1966), Estimation of Principal Components and Related Models by Iterative Least Squares. in Multivariate Analysis (ed. Krishnaiah P. R.) 391-420, Academic Press, New York.

• It can be used when explanatory variables have collinearity, a nd when the number of observation (n) is smaller than the n umber of explanatory variables (k)

• To avoid collinearity in PLS, it uses a kind of principal compon ent analysis

• 독립변수들간에 종속성이 존재하면 PCA 를 이용하여 독립적인 주성분으로 분류하고 이들을

이용해 회귀분석하는 것이다

Concept of PLS regression

• Model concept:

�=� � ′+ �

X1,X2,

…,Xk

Y1,Y2,

…,Yp

• We consider Model only:

X1,X2,

…,Xk Y

By PCA

Problem is to determine the number of factors to retain in the formation of the

model

Advantage of PLS path modelling

• No distribution Assumptions

• Small sample size

• Complex model(Many latent variables and indicators)

• Formative constructs

• Focus on prediction

• Explicit estimation of path coefficients

Comparison of PLS-SEM and CB-SEM

PLS-SEM CB-SEM

Objectives Prediction oriented Theory oriented

Approach Variance based Covariance based

Assumptions Nonparametric

-predictor specification

Parametric

-Multivariate normal distribu- tion

-Independent observations Relationship between a

latent variable and its measures

Can be modeled in either forma-

tive or reflective mode Typically only reflective indica- tors

Implications Optimal for prediction accuracy Optimal for parametric accu- racy

Model Complexity Large complexity

-e.g. 100constructs, 1000 indica- tors

Small to moderate complexity -e.g. <100 indicators

Sample size Recommendations for minimum number of observations fange from 30 to 100 cases.

Recommendations for minimum number of observations fange from 200 to 800 cases.

PLS-SEM Compared With CB-SEM

• The most important reason to select CB-SEM or PLS-SEM is the rese arch goal (structure or prediction):

• “The primary purpose of the ML approach is to study the structure of the ob servables [Hair et al. (2012)].

• The primary purpose of the PLS approach is to predict the indicators by mea ns of the components expansion (1).” (Jöreskog and Wold, 1982; p. 266)

• recommend (Hair et al., 2011)

• “If the goal is predicting key target constructs or identifying key 'driver' cons tructs, select PLS-SEM.

• If the goal is theory testing, theory confirmation, or comparison of alternati ve theories, select CB-SEM.

• If the research is exploratory or an extension of an existing structural theor y, select PLS-SEM.”

0.947*0.947=0.869

매개효과와 조절효과

• 매개효과 (mediation)

독립변수

Mediator vari-매개변수 able

종속변수

독립변수

매개변수

종속변수

• 완전매개와 부분매개

독립변수 ** 종속변수 *

** **

유의하지 않으면 완전매개 , 그러나 흔한 경우가 아님

&

�

�′

a b

매개효과와 조절효과

• Baron and Kenny's (1986) 의 매개효과 조건

독립변수

매개변수

종속변수

1. 독립 -> 종속변수 관계가 통계적으로 유의 독립변수 ** 종속변수

** **

총효과

2. 독립 -> 매개변수관계가 통계적으로 유의 3. 매개 -> 종속변수관계가 통계적으로 유의 매개변수

4. 직접효과 < 총효과

독립변수

매개변수

* 종속변수

** **

직접효과 ^{간접효과 =axb}총효과 = 직접효과 + 간접효과

독립변수

�

’  

’  

�

�

�

�

매개효과와 조절효과

• Sobel 의 매개효과 검정

1. 총효과와 직접효과의 차이 ( 간접효과 ) 를 계산 독립변수

X 종속변수

** Y

총효과

2. 표준편차로 표준화하고 표준정규분포에 의한 검정 실시

3. Sobel 검정의 문제점

독립변수 X

매개변수M

종속변수 Y

*

** **

직접효과

�= ��

√ ^�

^{× �}

^+�

^{× �}

정규근사를 이용하므로 표본수가 작을 때 부정확성 표본수가 다른경우 경우에는 총효과 - 직접효과 ≠ a*b

� =

상 수+��

�=상 수+��

� =

상 수+�� +�′ �

• SPSS로 회귀분석하여 계 수의 표준편차 구함

• AMOS 에서는 계수 esti- mate의 표준편차 이용

�

�

�

매개효과와 조절효과

• 조절효과 (moderation)

독립변수 X1

조절변수 X2 Moderator vari-

able

종속변수 Y

• 조절변수가 명목 or 계량

  +

의 유의성이 조절효과의 존재를 의미