초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 연구는 벌점회귀모형을 활용해 교육학 및 사회과학 대용량/패널 자료에 빈번히 포함되는 리커트 척도 변수를 처리하는 방법을 논의하였다. 벌점회귀모형은 교육학 및 사회과학의 탐색적 연구에 유용하게 활용된다. 특히, 벌점회귀모형은 대용량/패널 자료에 포함된 수백 개 이상의 변수를 하나의 모형에서 동시에 처리할 수 있다는 장점을 갖고있다. 벌점회귀모형을 활용한 선행연구에서는 자료에 포함된 리커트 척도 변수를 별도의 처리 없이 개별 문항의 형태로 모형에 투입하였다. 본 연구에서는 전통적인 회귀분석에서 명명척도 변수와 서열척도 변수를 더미변환을 통해 처리한다는 점과 벌점회귀모형에서 그룹화(group)를 통해 하나의 변수에서 분화한 ...

본 연구는 벌점회귀모형을 활용해 교육학 및 사회과학 대용량/패널 자료에 빈번히 포함되는 리커트 척도 변수를 처리하는 방법을 논의하였다. 벌점회귀모형은 교육학 및 사회과학의 탐색적 연구에 유용하게 활용된다. 특히, 벌점회귀모형은 대용량/패널 자료에 포함된 수백 개 이상의 변수를 하나의 모형에서 동시에 처리할 수 있다는 장점을 갖고있다. 벌점회귀모형을 활용한 선행연구에서는 자료에 포함된 리커트 척도 변수를 별도의 처리 없이 개별 문항의 형태로 모형에 투입하였다. 본 연구에서는 전통적인 회귀분석에서 명명척도 변수와 서열척도 변수를 더미변환을 통해 처리한다는 점과 벌점회귀모형에서 그룹화(group)를 통해 하나의 변수에서 분화한 더미변수를 동시에 처리할 수 있다는 점에 착안하여, 리커트 척도 변수의 더미변환 및 그룹화 여부에 따른 벌점회귀모형의 변수선택 결과와 예측 성능을 비교하였다. 변수선택 결과와 예측 성능은 모의실험과 실제자료 분석을 통해 비교되었다. 모의실험을 위해 1,000개의 관측치와 200개의 변수를 포함한 자료를 구성하였으며, 동일한 모수 및 분포로부터 생성된 자료를 총 10회 재연하였다. 모의실험의 종속변수는 1:1 비율의 이분형 변수였고, 독립변수는 모두 5점 리커트 척도이며 참변수는 10개로 설정되었다. 모의실험 조건으로 두 가지 벌점회귀모형(group elastic net, group Mnet)을 활용하고 독립변수의 비대칭도, 참변수의 응집 정도, 참변수의 비선형 효과를 조정했다. 모의실험 결과 더미변환 및 그룹화 여부는 참변수의 비선형 효과가 존재할 경우 변수선택 결과와 예측 성능의 유의미한 차이를 야기하였다. 실제자료 분석에는 2018년 한국아동청소년패널조사(KCYPS2018)의 1차년도 (중학교 1학년) 자료를 활용하였다. 자료는 1,353개의 관측치와 270개의 변수를 포함하고, 종속변수는 진로결정수준을 측정하는 이분형 변수이며 비율은 약 1:1이었다. KCYPS 자료 분석 결과 총 16개 변수가 선택되었으며, 일부 변수는 모든 설정에서 선택된 반면 나머지 변수는 더미변환 및 그룹화 여부에 따라 일부 모형에서만 선택되었다. KCYPS 자료 분석 결과 더미변환 및 그룹화 여부에 따른 예측 성능은 유의미한 차이를 보이지 않았다. 본 연구의 결론은 다음과 같다. 참변수의 비선형 효과가 존재하는 경우 리커트 척도 변수의 더미변환 및 그룹화는 IC1(선택되지 못한 참변수의 수)을 감소시키고 IC2(참변수가 아님에도 선택된 변수의 수)를 증가시키며, Mnet 모형을 활용할 경우 IC2의 증가를 다소 억제할 수 있다. 또한, 참변수의 비선형 효과가 존재하는 경우 더미변환 및 그룹화는 유의미하게 높은 예측 성능을 야기한다. 따라서 비선형 효과가 존재하는 변수를 탐색하기 위해 더미변환 및 그룹화를 고려할 경우 Enet(elastic net) 보다는 Mnet 모형을 활용할 것을 제안하였다. 더불어, 비선형 효과를 갖는 일부 변수는 더미변환 및 그룹화를 적용한 모형에서 더 잘 선택되는 경향이 있으므로 비선형 효과를 갖는 변수를 탐색하기 위해 모든 변수를 더미변환 및 그룹화한 모형의 변수선택 결과와 그렇지 않은 모형의 변수선택 결과를 대조하는 방법을 활용할 것을 제안하였다.

주제어