SEM
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 .
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
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
• 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
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 > path estimate CR p 가설검정
F1 -> F3 0.001 H1 채택
F2 -> F3 *** H2 채택
F3 -> F4 0.023 H3 채택
참고 1>
Measurement model 을 검정할 때
Formative 와 Reflective 가 혼합되어 있으면
각각 Measurement Model 검정을 실시한다 .
참고 2>
Structural model 을 검정할 때
Exogenous 와 Endogenous 요인을 구분한다 .
Ex 는 밖으로
En 은 안으로 받는 요인
참고 3> 신뢰도계수
• 크론바흐 알파
• 신뢰성 , 내적일관성을 측정하는 척도
• 신뢰성 (reliability) 은 검사도구가 측정하고자 하는 것을 얼마나 일관성 있게 측정하였는가를 의미
• 신뢰도는 피험자들에 동일한 시험을 반복적으로 시행하였을 때 그 측정의 일관성 (consistency)” 이 “ 라고 정의
• 크론바하계수 (1951)
• 크론바하 알파값은 변수의 분산만이 아니라 각 변수간의 공분산에 의존한다 . 그러므로 어떤 변수의
제거가 값을 높였다면 그 변수의 분산이 큰 것이 아니라 다른 변수들과의 상관관계가 낮기 때문
• 신뢰도 계수는 최소한 0.7 이 넘어야 한다고 주장이 ( 예 . Kline, 2000) 일반적이지만 , 0.6 이상도 받 아들일 (acceptable) 수 있다는 주장도 존재한다 . ( 예 . Moss, Prosser, Costello, et al., 1998; Hair, Ander- son, Tatham, and Black, 2006; Nagpal, Kumar, Kakar, Bhartia, 2010)
실제 적용 예 >
항목이 제거되면 신뢰도계수가
0.876보다 높아지는 경우가 없으므로 4항목은 신뢰성 , 내적일관성이 있다
참고 4> 개념신뢰도 (CR) 와 분산추출지수 (AVE)
• Construct Reliability, CR
• 신뢰성 , 내적일관성 , 집중타당성 (Convergent Validity) 을 측정하는 척도
• 전체분산 중에 요인에 의해 설명되는 양을 설명하는 개념
• 0.7 이상이면 적합
• 개념신뢰도 계수
• 여기서 Z 는 표준화된 요인계수이고 , a 는 요인을 구성하는 변수의 개수
• Average Variance Extracted, AVE
• 집중타당성과 판별타당성을 측정하는 척도
• 변수의 정보가 요인에 의해 설명되는 비율
• 집중타당성 (Convergent Validity) 을 위해서는 0.5 이상
• 판별타당성 (Discriminant Validity) 을 위해서는 AVE>( 상관계수 제곱 )
실제 적용 예 >
F1 F2 F3 F1
F2 r12
F3 r13 r23
F1 F2 F3
F1
F2 r12
F3 r13 r23
상관계수 행렬
단 , 대각행렬은 AVE 제곱근
F1 F2 F3
F1
F2 .808 .813
F3 .337 .279 .848
F1 F2 F3
F1
F2 .808 .813
F3 .337 .279 .848
=0.803 이 F1 과 F2 의 상관계수인
0.808 보다 약간 작음 . 집중타당성에 문제
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 ‘ ’
예제 1: smartphoneApp.sav
사용편의성 Ease of Use
사용유용성 Useful- ness
시회관계성
Social Rela- tion
Exogenous
사용태도Attitude toward Use
사용의도Intention to Use
Endogenous
• Measurement model 검정을 실시하시오 .
• 기초통계표를 작성하시오 .
• 각 요인별로 신뢰도 분석을 하시오 ( 크론바하 알파 ).
• 모형적합지수 (Model Fit Index) 를 구하시오 (CMIN, p, CMIN/DF, SRM R, RMSEA, CFI, NFI 등 ).
• Structural model 검정을 실시하시오 .
• 모형적합지수를 구하시오 (CMIN, p, CMIN/DF, SRMR, RMSEA, CFI, NFI 등 ).
• 각 경로 (path) 별로 유의성 검정을 하시오 .
예제 1: smartphoneApp.sav
• 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
연습 > Interpret the following sentences in your language
참고 5> 모형적합지수
• 카이제곱 적합도 검정계수 (CMIN)
• 제안된 가설과 자료에 의해서 구해진 공분산 행렬의 일치하는 정도
• 이 값이 작을수록 일치하는 정도가 높다 ( 가설이 맞다 )
• 이 값이 크면 유의확률 p 가 작은값이 나온다 .
• 대부분의 분석에서 유의확률이 0.0001 보다 작아 가설모형이 적합하지 않다고 나와 이값 으로 판단하지는 않는다
• CMIN/DF
• CMIN 의 약점을 개선하고자 자유도를 고려한 적합지수
• 기준값에 대한 공감대는 2 또는 3 이하
참고 5> 모형적합지수 ( 계속 )
• 근사평균제곱오차제곱근 (RMSEA)
• 추정된 모수들로 공분산행렬을 얼마나 잘 적합시키는가를 측정
• 이 값이 작을수록 일치하는 정도가 높다 ( 가설이 맞다 )
• 알려지지는 않았지만 최적의 모수값이 존재하여 사용할 수 있다면 이는 모공분산행렬을 얼마나 잘 적합 시킬까하는 생각에서 출발
• 좋은 적합 : <0.06, 적합 : <0.08, 보통적합 : <0.1
• 적합도검정지수 (Goodness-of-Fit Index,GFI)
• 모형의 공분산행렬에 의해 설명되는 표본공분산행렬의 비율
• 좋은 적합 : >0.95, 적합 : >0.9
단 ,
참고 5> 모형적합지수 ( 계속 )
• 평균제곱잔차제곱근 (Root Mean Square Residual, RMR)
• 표본공분산행렬과 가설모형의 공분산행렬과의 잔차제곱합을 기초
• RMR 은 공분산행렬 원소들의 크기 , 단위에 따라 값이 크게 나올 수 있어
• 상관행렬 (correlation matrix) 을 이용한 표준 RMR, 즉 SRMR 을 사용
• 좋은 적합 : SRMR <0.05, 적합 : SRMR <0.08
• 표준적합지수 (Normed-fit index, NFI)
• 모든 변수가 독립인 기본모형 (independence model) 의 카이제곱값과 가설모형의 카이제 곱값을 비교하는 것
• 좋은 적합 : >0.95, 적합 : >0.9
참고 5> 모형적합지수 ( 계속 )
• 비교적합지수 (Comparative Fit Index, CFI)
• NFI 와 마찬가지로 모든 변수가 독립으로 가정한 기본모형과 가설모형을 비교
• 표본수에 민감한 NFI 를 수정하여 제안한 것으로 표본수가 작을 때에도 우수한 지수
• 지수가 표본의 수에 영향을 받지 않기 때문에 연구자들이 적합도지수 중에서 가장 중요하 게 제시하는 지수 중의 하나
• 좋은 적합 : >0.95, 적합 : >0.9
