최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.28 no.5, 2017년, pp.1153 - 1165
서동기 (한림대학교 심리학과) , 정선호 (경희대학교 경영학과)
Structural equation modeling (SEM) is a basic tool for testing theories in a variety of disciplines. A maximum likelihood (ML) method for parameter estimation is by far the most widely used in SEM. Alternatively, two-stage least squares (2SLS) estimator has been proposed as a more robust procedure t...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
구조방정식모형의 역할은? | 구조방정식모형 (structural equation modeling; SEM)은 다양한 연구 분야에서 이론검정(theory testing)을 위한 분석도구로서 가장 널리 사용되고 있다 (Choi 등, 2013; Hong 등, 2016; Min과 Choi, 2016; Steenkamp와 Baumgartner, 2000). 이와 같은 구조방정식의 대중적 인기의 이유는 응용연구자들이 이론기반의 연구모형 (conceptual model)에 따라 잠재변수 간의 인과관계를 나타내는 잠재변수모형을 유연하고 다양하게 설정할 수 있을 뿐만 아니라 잠재변수와 관찰변수와의 구조적 관계를 나타내는 측정모형을 통해 측정오차(measurement error)를 효과적으로 통제할 수 있기 때문이다(Kaplan, 2009). | |
구조방정식모형에서의 모형명세화 오류 문제가 중요하게 다루어진 이유는? | 최근에 가장 활발하게 다루어진 방법론적 이슈들 중 첫 번째는 구조방정식모형에서의 모형명세화 오류 (model misspecification)에 관한 것이다 (Bagozzi와 Yi, 2012; Bollen 등, 2007; Fan과 Sivo, 2005; Jarvis 등, 2003; Olsson 등, 2000; MacKenzie 등, 2005). 이 문제가 중요하게 다루어진 이유는 구조 방정식모형이 연구가설 검정을 위한 확인적 분석기법인데 (James 등, 2006) 일반적으로 연구자들이 이와 같은 확인적 기법을 사용할 때 모형명세화의 오류를 사전에 쉽게 파악하기 어렵고 (Jarvis 등, 2003), 사후적으로 구조방정식모형 통계프로그램에서 산출하는 모형 합치도 지수 (goodness-of-fit index) 또한 모형이 자료에 잘 적합한지를 평가할 뿐 모형의 정확성에 대한 정보를 제공하지 못하기 때문이다 (Hayduk 등, 2007). 실제로 모형이 잘못 설정되더라도 수용수준 이상의 높은 합치도 지수를 얻을 수 있다 (Bollen 등, 2007). | |
구조방정식의 대중적 인기 이유는? | 구조방정식모형 (structural equation modeling; SEM)은 다양한 연구 분야에서 이론검정(theory testing)을 위한 분석도구로서 가장 널리 사용되고 있다 (Choi 등, 2013; Hong 등, 2016; Min과 Choi, 2016; Steenkamp와 Baumgartner, 2000). 이와 같은 구조방정식의 대중적 인기의 이유는 응용연구자들이 이론기반의 연구모형 (conceptual model)에 따라 잠재변수 간의 인과관계를 나타내는 잠재변수모형을 유연하고 다양하게 설정할 수 있을 뿐만 아니라 잠재변수와 관찰변수와의 구조적 관계를 나타내는 측정모형을 통해 측정오차(measurement error)를 효과적으로 통제할 수 있기 때문이다(Kaplan, 2009). |
Ansari, A., Kamel J. and Sharan J. (2000). A hierarchical Bayesian methodology for treating heterogeneity in structural equation models. Marketing Science, 19, 328-347.
Bagozzi, R. P. and Yi, Y. (2012). Specification, evaluation, and interpretation of structural equation models. Journal of the Academy of Marketing Science, 40, 8-34.
Baron, R. M. and Kenny, D. A. (1986). The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51, 1173-1182.
Bollen, K. A. (1989). Structural equations with latent variables, John Wiley & Sons, New York.
Bollen, K. A. (1996). An alternative two stage least squares (2SLS) estimator for latent variable equations. Psychometrika, 61, 109-121.
Bollen, K. A. and Bauer, D. J. (2004). Automating the selection of model-implied instrumental variables. Sociological Methods and Research, 32, 425-452.
Bollen, K. A., Kirby, J. B., Curran, P. J., Paxton, P. and Chen, F. (2007). Latent variable models under misspecification: Two-stage least squares (2SLS) and maximum likelihood (ML) estimators. Sociological Methods and Research, 36, 48-86.
Boomsma, A. and Hoogland, J. J. (2001). The robustness of LISREL modeling revisited. In Structural Equation Modeling: Present and Future (Cudeck, R., Du Toit, S. & Sorbom, D., eds), SSI Scientific Software, Chicago, 139-168.
Budaev, S. V. (2010). Using principal components and factor analysis in animal behaviour research: Caveats and guidelines. Ethology, 116, 472-480.
Chen, F., Bollen, K., Paxton, P., Curran, P. J. and Kirby, J. (2001). Improper solutions in structural equation models: Causes, consequences, and strategies. Sociological Methods and Research, 29, 468-508.
Cohen, J. (1988). Statistical power for the behavioral sciences, 2nd ed., Lawrence Erlbaum, New Jersey.
Efron, B. (1982). The jackknife, the bootstrap and other resampling Plans, SIAM, Philadelphia.
Fan, X. and Sivo, S. A. (2005). Sensitivity of fit indices to misspecified structural or measurement model components: Rationale of two-index strategy revisited. Structural Equation Modeling, 12, 343-367.
Fox, J. (2006). Structural equation modeling with the sem package in R . Structural Equation Modeling, 13, 465-486.
Grace, J. B., Anderson, T. M., Olff, H. and Scheiner, S. M. (2010). On the specification of structural equation models for ecological systems. Ecological Monographs, 80, 67-87.
Grewal, R., Cote, J. A. and Baumgartner, H. (2004). Multicollinearity and measurement error in structural equation models: Implications for theory testing. Marketing Science, 23, 519-529.
Hair, J. F., Ringle, C. M. and Sarstedt, M. (2011). PLS-SEM: Indeed a silver bullet. Journal of Marketing Theory and Practice, 19, 139-151.
Hastie, T., Tibshirani, R. and Friedman, J. (2001). The elements of statistical learning; Data mining, inference, and prediction, Sringer-Verlag, New York.
Hayduk, L., Cummings, G. G., Boadu, K., Pazderka-Robinson, H. and Boulianne, S. (2007). Testing! testing! one, two three-Testing the theory in structural equation models. Personality and Individual Differences, 42, 841-850.
Henseler, J. (2012). Why generalized structured component analysis is not universally preferable to structural equation modeling. Journal of the Academy of Marketing Science, 40, 402-413.
Hoerl, A. E. and Kennard, R. W. (1970). Ridge regression: Biased estimation for nonorthogonal problems. Technometrics, 12, 55-67.
James, L. R., Mulaik, S. A. and Brett, J. M. (2006). A tale of two methods. Organizational Research Methods, 9, 233-244.
Jarvis, C. B., MacKenzie, S. B. and Podsakoff, P. M. (2003). A critical review of construct indicators and measurement model misspecification in marketing and consumer research. Journal of Consumer Research, 30, 199-218.
Jung, S. (2013). Structural equation modeling with small sample sizes using two-stage least-squares estimation. Behavior Research Methods, 45, 75-81.
Kaplan, D. (2009). Structural equation modeling: Foundations and extensions, 2nd ed., Sage, California.
Lee, S. (2007). Problems caused by model equivalence in developing and testing models. Journal of Educational Evaluation, 20, 125-146.
McArdle, J. J. and McDonald, R. P. (1984). Some algebraic properties of the reticular action model. British Journal of Mathematical and Statistical Psychology, 37, 234-251.
MacKenzie, S., Podsakoff, P. and Jarvis, C. (2005). The problem of measurement model misspecification in behavioural and organizational research and some recommended solutions. Journal of Applied Psychology, 90, 710-730.
Olsson, U. H., Foss, T., Troye, S. and Howell, R. (2000). The Performance of ML, GLS, and WLS estimation in structural equation modeling under conditions of misspecification and non-normality. Structural Equation Modeling, 7, 557-595.
Sideridis, G., Simos, P., Papanicolaou, A. and Fletcher, J. (2014). Using structural equation modeling to assess functional connectivity in the brain: Power and sample size considerations. Educational & Psychological Measurement, 74, 733-758.
Steenkamp, J. B. E. M. and Baumgartner, H. (2000). On the use of structural equation models for marketing modeling. International Journal of Research in Marketing, 17, 195-202.
Tenenhaus, M., Pages, J., Ambroisine, L. and Guinot, C. (2005). PLS methodology to study relationships between hedonic judgments and product characteristics. Food Quality and Preference, 16, 315-325.
Tenenhaus, M. (2008). Structural equation modeling for small samples, HEC school of management (GRECHEC).
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.