구조방정식 모델에서 항목묶음이 인과 모수의 검정과 적합도 평가에 미치는 영향

조현철; 강석후

추천

검색

자료유형: 학술저널

저자정보: 조현철 강석후

저널정보: 한국마케팅과학회 Journal of Global Scholars of Marketing Science(마케팅과학연구) Journal of Global Scholars of Marketing Science(마케팅과학연구) 제17권 제3호

발행연도: 2007.1

수록면: 133 - 153 (21page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구에서는 3개 일반모델(general models)의 실증분석을 통해 항목묶음(item parceling)이 구성개념 간의 인과관계를 나타내는 모수의 유의성 검정 결과 및 모델의 적합도 평가에 미치는 영향을 검토하였다. 연구 결과에 의하면, 개별항목을 적용한 분석과 비교할 때 항목묶음을 통한 분석을 적용해도 모델 인과모수의 검정통계량은 그다지 변하지 않으므로 유의성 검정 결과에도 변화가 없는 것으로 나타났다. 하지만 전반적 적합도지수의 측면에서는 RMSEA를 제외한 주요 모델 적합도 지수, 즉 GFI, AGFI, CFI 및 NFI의 값들이 상당히 개선되는 경향을 보였다. 주요 모델 적합도 지수들의 값이 높아진 것은 항목묶음을 이용하여 분석을 한 결과가 개별항목을 통한 분석의 결과에 비해 다변량 정규(분포)성의 개선 등으로 인해 높아진 것으로 해석된다. 하지만 항목묶음을 적용함에 있어서 주의해야 할 사항은 적용하기 전에 구성개념의 단일차원성(unidimensionality)을 우선적으로 검토해야 한다는 점이다. 본 연구에서는 항목묶음을 이용하여 분석을 할 경우 실제 구성개념간의 인과적 관계를 나타내는 모수의 유의성 검정과 모델의 적합도 지수들에 어떤 변화가 발생하는 지를 세 개의 일반모델을 대상으로 파악하였다.

The purpose of this article is to examine the effects of item parceling on the consistency of significance testing of the causal parameters with regard to the relationship between the relevant constructs. It is also to investigate the effects of item parceling on the goodness-of-fit indices of LISREL's general models. Most researchers use structural equation modeling (SEM) to test their research hypotheses associated with the causal parameters. We investigated three general models of LISREL rather than the frequently used confirmatory factor analytic (CFA) models used by many researchers. The results of the study showed that there was a high level of consistency in the calculated test statics of causal parameters between the item-parceled solutions and the item-level solutions, and that the item-parceled solutions had better goodness-of-fit indices, such as GFI, AGFI, CFI, and NFI, than the solutions at the item level. However, in terms of RMSEA, there was no such tendency. GFIAGFICFINFIRMSEAIndividual Items0.7580.7100.8960.8480.0919Two Items Parceled0.8580.7540.9380.9210.130Table 2. Improvements in GFI Indices in General Model I. Specifically, in the examination of our general Model I, we had highly consistent test results of causal parameters between the item-parceled solution and the item-level solution. In the item-parceled solution, we achieved improved GFI, AGFI, CFI, and NFI but worse RMSEA. The constructs tested in Model I were self-image congruence, products knowledge, brand dependability, brand emotion, purchase loyalty, and attitude loyalty. CR (composite reliability) and AVE (average variance extracted) for each construct in Model I were as follows: self-image congruence (CR = 0.78, AVE = 0.48), products knowledge (CR = 0.65, AVE = 0.32), brand dependability (CR = 0.90, AVE = 0.70), brand emotion (CR = 0.92, AVE = 0.71), purchase loyalty (CR = 0.84, AVE = 0.64), and attitude loyalty (CR = 0.80, AVE = 0.51). The range of all the indices for standardized coefficients was between 0.592 and 0.957 at a significance level of ps<0.001. In the case of investigating our general Model II, we had the same consistent test results between the two solutions with regard to the testing of causal parameters. The indices such as GFI, AGFI, CFI, NFI and RMSEA were improved in the model II. The constructs used in model II were organizational control, individual control, job definiteness, emotional commitments, salesperson's performance, and customer orientation. CR (composite reliability) and AVE (average variance extracted) for each construct in model II were as follows: organizational control (CR = 0.75, AVE = 0.53), individual control (CR = 0.77, AVE = 0.47), job definiteness (CR = 0.92, AVE = 0.71), emotional commitments CR = 0.85, AVE = 0.42), salesperson's performance (CR = 0.82, AVE = 0.43), and customer orientation (CR = 0.71, AVE = 0.35). The range of all indices of standardized coefficients was between 0.587 and 0. 941 at the significance level of ps<0.001. However, two items for customer orientation were not statistically significant. GFIAGFICFINFIRMSEAIndividual Items0.6710.6240.7570.7110.110Two Items Parceled0.8990.8360.9320.9120.0978 Table 4. Improvements in GFI Indices in General Model II The result of our examination of our general Model II showed highly consistent test results in both solutions with regard to causal parameter tests and the item-parceled solution resulted in improved GFI, AGFI, CFI, NFI, and RMSEA. The constructs involved in model III were congruence between the individual and the organization, leader's support, fairness in compensation, job satisfaction, and organizational citizenship behavior (OCB). CR (composite reliability) and AVE (average variance extracted) for each construct in Model III were as follows: congruence between individuals and the organization (CR = 0.84, AVE = 0.63), leader's support (CR = 0.89, AVE = 0.62), fairness in compensation (CR = 0.88, AVE = 0.64), job satisfaction (CR = 0.78, AVE = 0.54), and OCB (CR = 0.88, AVE = 0.73). The range for all indices of the standardized coefficients were between 0.392 and 0. 907 at a significant level of ps<0.001. GFIAGFICFINFIRMSEAIndividual Items0.8810.8460.9250.8860.0724Two Items Parceled0.9560.9260.9760.9520.0537Table 6. Improvements in GFI Indices in General Model III In addition, we showed that better item-parceling can be made if we use AVE (average variance extracted) and SMC (squared multiple correlation) in order to select good indicators. Finally, we noted that with regard to item-parceling, the most important point is that we should confirm the unidimensionality of the indicators in each construct beforehand.

#구조방정식모델 #항목묶음 #적합도 지수 개선 #structural equation model #item parceling #improvement of GFI indices

참고문헌 (32)

참고문헌 신청

/ 1951 / Coefficient Alpha and the Internal Structure of a Test : 297 ~ 334

/ 1998 / Is More Ever Too Much? The Number of Indicator

/ 1999 / Sample Size in Factor Analysis 4 : 84 ~ 99

/ 2003 / 브랜드자산 형성과정에 관한 연구 11 : 59 ~ 77

/ 2003 / 유비쿼터스 접속성과 상황기반 제공성이 모바일 상거래 수용의도에 미치는 영향에 관한 연구: 기술수용모델 적용을 중심으로 33 (4) : 1043 ~ 1071

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

조현철

소속기관 한국마케팅과학회

주요연구분야 사회과학 > 경영학

논문수 3 이용수 14

강석후

소속기관 한국마케팅과학회

주요연구분야 사회과학 > 경영학

논문수 2 이용수 14

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (32)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)