확인적 요인분석과 구조방정식모형분석에서 다차원 척도에 대한 다양한 문항묶음방법 적용연구

오숙영

학술저널

저자정보: 오숙영

저널정보: 한국교육방법학회 교육방법연구 교육방법연구 제29권 제2호

오류 신고하기

피인용 45

검색

초록·키워드

본 연구의 목적은 확인적 요인분석과 구조방정식모형분석에서 다차원 척도에 대하여 개별문항방법과 다양한 문항묶음방법(요인․상관․방사․다차원)을 적용한 후에, 개별문항방법 결과와 다양한 문항묶음방법 결과를 비교분석함으로서 문항묶음방법의 효과성을 파악하는 것이다. 문항묶음은 측정모형에서 여러 관측변수들을 평균이나 합산으로 묶어서 사용하는 방법론이다. 이를 실시했을 때는 자료비정규성 완화, 모형간명화, 측정오차 감소, 공통분산 증가, 모형적합도 안정성, 모수추정 안정성이라는 장점이 있게 된다. 그러나 문항묶음방법론은 다차원 척도에 적용할 때에 일차원성 가정이라는 논쟁점이 제기되며, 다양한 시뮬레이션 연구를 할 때에 모형적합도 및 모수추정의 안정성 혹은 편향성이라는 상반된 연구결과가 제기되고 있다. 따라서 본 연구는 문항묶음방법론의 논쟁점에 대한 제언을 제시하고자, 기존 연구와 차별성을 두는 다음의 연구를 진행한다. 첫째, 다차원(다요인)에 속한 하나의 요인에 대하여 일차원성검정을 한 후에, 일차원성이 검정된 하나의 요인에 대하여 문항묶음방법을 적용한다. 둘째, 다양한 상황의 가설들을 설정하여 문항묶음방법을 적용한 후에, 문항묶음방법이 어떤 경우에는 효과적이고 어떤 경우에는 비효과적인지 파악한다. 다양한 상황을 고려한 모형은 단순한 다차원(다요인)의 모형, 위계적인 다차원(다요인)의 모형, 작은 표본에 적용한 모형, 표준도구이지만 과다한 요인과 문항을 포함한 복잡한 다차원(다요인)의 모형, 그리고 다차원(다요인)의 모형들 간의 구조모형이다. 셋째, 다양한 연구모형에 개별문항과 다양한 문항묶음(요인․상관․방사․다차원)을 적용한 후에, 정규성, 확인적 요인분석의 모형적합도 및 수렴타당도, 구조방정식모형의 모형적합도 및 효과크기를 검정한다. 다음은 결과이다. 첫째, 확인적 요인분석 결과이다. 문항묶음방법은 개별문항방법과 비교해서, 정규성과 모형적합도(TLI, CFI, RMSEA) 및 수렴타당도(경로계수, 개념신뢰도, 분산추출지수)가 훨씬 더 안정적이며 좋은 수치로 추정되었다. 둘째, 구조방정식모형분석 결과이다. 문항묶음방법은 개별문항방법과 비교하여, 모형적합도와 경로계수(직접효과, 간접효과, 총효과)가 약간 더 안정적이었다. 셋째, 다양한 문항묶음방법론비교 결과이다. 확인적 요인분석에는 방사묶음, 구조방정식모형분석에는 다차원묶음이 효과적이었다. 넷째, 다양한 상황의 가설 결과이다. 문항묶음방법은 작은 표본에 적용했을 경우에, 요인과 문항이 과도하게 많은 복잡한 모형에 적용했을 경우에, 정규성과 모형적합도 및 경로계수가 매우 안정적으로 되었다. 따라서 작은 표본이면서 개별문항수보다 문항묶음수가 크게 감소하는 경우에는 모수 당 표본의 수가 증가되므로, 추정의 안정성은 더욱 향상될 것이다. 여섯째, 문항묶음방법은 정규성가정이 만족되는 자료보다는 위배되는 자료에 적용했을 경우에, 적합도 및 모수추정이 현격하게 좋아졌다. 본 연구는 문항묶음방법론에 대한 이론적인 설명 및 경험적인 결과를 제시하면서, 문항묶음방법이 개별문항방법보다는 효과적임을 검정하면서, 문항묶음방법의 효과적인 적용을 위한 조언도 제시했다.

The purpose of this study is to apply the methods of factor․correlation․radial․multidimensional parceling to multidimensional scales in Confirmatory Factor Analysis and Structural Equation Model, and then investigate the possibility of the utility of item parceling method by comparing the results of the individual item method with the results of item parceling method. The item parceling method, defined as the sum or mean scores of individual item scores, have been widely used as observation variable in setting up the measurement model in CFA and SEM. The item parceling method is used in data: (1) that is not optimal(nonnormality); (2) that the sample size is small; (3)that has many items in factor; (4) that has hierarchical and complex factors in scale; and (5) that use the standardized scale which is failed to test CFA. The merits of item parceling method are; (1) the alleviation of nonnormality of data; (2) the simplicity of model; (3) the diminution of measure error index; (4) the increasing of communality; (5) the diminution of unique variance; (6) the stability of model fit; and (7) the stability of parameter estimates. The dispute of item parceling method is the assumption of unidimension and the results of stability or deviation of parameter estimate and model fit in simulation research. The model of research in this study are as follows. The CFA is testified in the model; (1) which has small factors in scale; (2) which has many hierarchical factors in scale; (3) which has small subject; (4) which has many and complex factors and items in standardized scale, and the SEM is testified in the model which has multidimensional factors. The item parceling methods which are composed of factor․correlation․radial․multidimensional method and the individual item method are applied to the measurement variables in models which are explained. The results are as follows. First, the item parceling method is more effective than individual item method in CFA. For example, the indexes of normality, model fit as χ2, TLI, CFI, and RMSEA, parameter estimate, and convergent validity as construct reliability and AVE in item parceling method are more stable than it. Second, the item parceling method is more effective than individual item method in SEM. For example, the indexes of model fit and parameter estimate in item parceling method are more stable. Third, the most effective item parceling method in CFA is radial parceling method and in CFA is multidimensional parceling method. Forth, the item parceling method is effective as it is applied in the model that has small subject. Fifth, the item parceling method is effective as it is applied in the model that has many, complex, and standardized items. Sixth, the item parceling method is more effective than individual item method in SEM. This study suggests the theory of item parceling method from the point of view in psychological measurement and structure equation, the variable methods of item parceling, the merits of item parceling, and the differences between item parceling method and individual item method from empirical research results. This study makes the suggestions that item parceling method can perform to its potential when; (1) the subject size is small; (2) the psychometric properties of the given data is nonnormality; (3) model is complex, (4) there are violations of the assumptions for SEM(e.g., correlated errors), and that item parceling method should not be used in the measurement model which is based on wrong theory and concept.

#요인묶음방법 #상관묶음방법 #방사묶음방법 #다차원묶음방법 #확인적 요인분석 #구조방정식모형분석 #Factor Item Parceling Method #Confirmatory Factor Analysis #Structural Equation Model.

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

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

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료