multi-level structural equation modeling
1. 개요
종속변인-독립변인 간의 선형 관계뿐만 아니라 독립변인 간의 구조적 관계를 살펴볼 때 (구조방정식 모형) 자료의 위계적 속성을 반영하기 (다층 모형에서의 위계적 자료) 위해 사용하는 모형이다.다층 모형은 위계 구조를 가진 자료 분석에 적합하다는 장점이 있다. 그러나 구조방정식 모형이 지닌 장점인 여러 개의 측정변수로 이루어진 잠재변인을 표현하기, 변수들 간 인과적 관련성 고려하기, 연구모형의 적합성에 대한 정보 제공 등이 부실하다.[1] 다층구조방정식 모형은 양쪽의 단점을 보완할 수 있다. 다층 자료가 아닌 일반 자료의 회귀 분석 - 구조방정식 관계와 같다.
다층 구조방정식 모형과 같이 복잡하고 위계적인 구조를 가진 모형 분석에 있어 최대우도법(MLE)은 표본크기나 다변량 정규성 가정에 대한 민감성으로 인해 추정되지 않거나 헤이우드 케이스(heywood case) 등이 발생하는 문제점이 있다.[2] 강건최대우도법[3]으로 추정하면 불균형 자료에도 사용할 수 있다. [4]
매개효과의 유의성은 부트스트랩 방법으로 검정 가능하다.
1998년 Mplus 개발 이후 다층 구조방정식 모형이 실증 분석에 사용되기 시작했다. 따라서 Mplus를 학습할 필요가 있다.
2. 베이지안 다층 구조방정식 모형
다층 구조방정식 모형의 복잡성 및 최대우도법이 가진 한계점을 극복하기 위한 방법으로 베이지안 추정방법을 적용하고 있다. 다층 구조방정식 모형에서의 최대우도법 (MLE) 적용은 모형의 복잡성으로 인해 분산에서의 음수값이 흔히 발생할 수 있는 데에 반해, 베이지안 추정방법은 이러한 문제를 해결할 수 있어 최대우도법보다 더 정확하게 모수를 추정할 수 있다.[1] Bauer 2003, 학교교육의 효과성 검증을 위한 학교 내적인 과정과 학생의 인지적-정의적 학업성취의 관계 분석, 김소영(2015)에서 재인용[2] 다층 구조방정식 및 베이지안 다층 구조방정식에 대한 참조 논문[3] maximum likelihood estimation with Robust standard error. Muthén and Muthén, 2012[4] 출처