|
■■ 프로그램 1: 구조방정식 모형의 기초이론과 적용 (초급: 총 3일) ■■
● 내용: 회귀분석에 대한 이해가 있으면 수강가능합니다. 기초부터 시작해서 중급수준까지 끌어 올리
는 단계입니다. 회귀분석에서 시작해서, 요인분석을 학습하고 최종단계에서는 구조방정식 모형을 분석
하고 해석하는 수준까지 배우게 됩니다. 통계 프로그램 AMOS 사용방법도 배우므로 워크샵 후엔 구조
방정식 모형을 적용한 독립적인 연구수행이 가능해집니다. 이 워크샵의 목표는 수강 후에 구조방정식
모형을 연구에 적용할 수 있도록 하는 것입니다. 각 주제에 대해 이론을 배우고 통계프로그램을 이용
하여 실습을 할 뿐만 아니라 실제 적용 논문사례를 같이 공부하므로 논문작성에 크게 도움이 될 것
입니다. 워크샵 주제는 아래와 같습니다.
◎ 상관과 회귀분석 복습
공분산, 상관, 편상관(partial correlation)
범주형 변수 코딩
◎ 탐색적 요인분석
요인의 개념
주성분 분석과 비교
주축분해법(principal axis factoring)과 최대우도법(maximum likelihood)
요인수 결정 (스크리 도표, 카이자승 검증, 적합도 지수)
회전방법(직각회전, 사각회전)
주성분 분석 결과와 비교
SPSS와 SAS 결과의 차이점
◎ 확인적 요인분석
탐색적 요인분석과 확인적 요인분석의 차이점
고차(higher order) 요인모형
이중부하(double loading) 모형
다특성 다방법(multi trait multi method: MTMM) 분석
◎ 구조방정식 모형의 기본개념
◎ 구조방정식 모형으로 표현한 하위모형
상관, 편상관
ANOVA, 회귀분석
◎ 경로분석
◎ 구조방정식 모형 개발
지표변수(indicator) 결정방법
문항결합(item parceling) 방법
표본수 결정
◎ 구조방정식 모형 추정방법
최대 우도법(maximum likelihood)의 논리
◎ 모형 적합도 평가
각 적합도 지수의 논리 및 선정기준
지수를 이용한 적합도 평가
◎ 모형수정
수정지수(modification index) 사용시 주의할 점
잘못된 모형수정의 예
오차공분산 허용의 대표적인 예
◎ 모형비교
내재적(nested) 모형비교, 비내재적 모형비교
◎ 논문 기술방법
■■ 프로그램 2: 구조방정식 모형의 다양한 모형 (중급: 총 4일) ■■
● 내용: 구조 방정식 모형의 초급 수준의 내용을 이해하고, 다양한 모델링을 시도하고자 하는 연구자
에게 적합한 워크샵입니다. 행동과학 연구를 하는데 있어서 많은 연구자들이 관심을 가지는 다양한 주제
와 분석시 발생하는 문제들에 대해 최신의 연구결과까지 포함하여 설명합니다. 각 주제에 대해 이론을
배우고 통계프로그램을 이용하여 실습을 할 뿐만 아니라 실제 적용 논문사례를 같이 공부하므로 논문
작성에 크게 도움이 될 것입니다. 이 과정에서는 AMOS외에 Mplus가 사용됩니다. Mplus는 다양한 결측치
처리방법, 범주형 자료분석, 잠재계층 분석 등 고급분석에 가장 강력한 구조방정식 모형용 프로그램
으로 고급수준을 목표로 공부하는 연구자라면 AMOS와 함께 반드시 배워야하는 프로그램입니다. 워크샵
주제는 아래와 같습니다.
◎ 구조방정식 모형 복습
◎ 비정상분포 자료분석
Bootstrapping 방법
Robust 추정방법
Robust 추정방법 사용시 모형비교
◎ 계수 사이의 비교 검증
◎ 다집단 분석(multi group analysis)
완전동일성, 부분동일성
◎ 다집단 구조방정식 모형
구조계수 제약 순서 방법
◎ 구조방정식 모형을 이용한 공분산분석(ANCOVA)
◎ 잠재평균 모형
잠재변수의 평균비교
잠재평균차이의 효과크기 Cohen's d
더미변수 방법과 비교
MANOVA와 비교
효과코딩과 대비코딩의 적용
◎ 매개모형
회귀분석을 이용한 매개모형 검증
Baron & Kenny 방법
Sobel 검증 방법
구조방정식 모형을 이용한 매개모형 검증
Sobel 검증
Bootstrapping 방법
Bootstrapping 신뢰구간 설정방법 (percentile 방법, bias-corrected 방법)
Phantom 변수를 이용한 개별매개효과(specific indirect effect)에 대한 bootstrapping
◎ 상호작용 모형
회귀분석을 이용한 상호작용모형 검증
평균 중심화(mean centering)의 개념 및 필요성
상호작용변수의 신뢰도 문제
잠재변수 사이의 상호작용
상호작용 변수의 표준화 계수 교정
계수 제약에 대한 구체적인 계산절차
다집단 분석과의 차이점
◎ 결측자료(missing data) 분석
완전정보 최대우도법(full information maximum likehood: FIML)의 논리
결측자료가 있을 경우의 bootstrapping 적용방법
결측자료에 대한 탐색적 요인분석
결측자료에 대한 구조방정식 모형
FIML에서 보조(auxiliary)변수 이용방법
◎ 순환모형 (nonrecursive models)
서로에게 영향을 주는 쌍방관계 검증
Order condition과 rank condition
◎ 커플자료 분석 (dyadic data analysis)
커플(예, 부부, 부모-자녀, 상사-부하)로부터 각각 얻은 자료분석
행위자-상대자 상호의존 모형 (actor-partner interdependence model: APIM)
◎ 신뢰도를 이용한 단일 지표변수 (single indicator) 방법
◎ AMOS의 알고리즘을 적용한 최적화된 모형 탐색방법
■■ 프로그램 3: 구조방정식 모형의 고급방법 (고급: 총 3일) ■■
● 내용: 구조 방정식 모형의 초, 중급 수준의 내용을 이해하고 최고급 수준의 복잡한 모형에 관심있는
연구자에게 적합한 워크샵입니다. 이 과정을 통해 구조방정식 모형의 고급이론과 최신이론을 학습하실
수 있다고 자부합니다. 최고급 수준의 주제를 다루지만 초,중급 수준을 이해하는 분들이라면 충분히
이해가능한 수준으로 강의합니다. 각 주제에 대해 이론을 배우고 통계프로그램 AMOS, Mplus를 이용하여
실습을 할 뿐만 아니라 실제 적용 논문사례를 같이 공부하므로 논문작성에 크게 도움이 될 것입니다.
워크샵 주제는 아래와 같습니다.
◎ 고급 매개효과 분석
다변량 델타방법의 기초
다양한 매개효과 검증을 위한 공식 개발방법
다변량 델타방법을 이용한 고차 매개효과 검증
다변량 델타방법을 이용한 직접효과와 매개효과의 비교검증
다변량 델타방법을 이용한 다중 매개효과 대비검증
Bootstrapping 방법 복습
개별매개효과, 전체매개효과에 대한 bootstrapping 검증
Phantom 변수를 이용한 고차 매개효과에 대한 bootstrapping 검증
Phantom 변수를 이용한 직접효과와 매개효과의 비교에 대한 bootstrapping 검증
Phantom 변수를 이용한 다중 매개효과, 매개효과 대비에 대한 bootstrapping 검증
◎ 고급 상호작용효과 분석
비선형 제약 모형
잠재점수 모형
비 제약 모형
상호작용 변수의 표준화 계수 교정
◎ 매개효과와 상호작용효과의 결합
중재된 매개 (moderated mediation)
매개된 중재 (mediated moderation)
Phantom 변수를 이용한 다집단 매개분석의 예
◎ 결측자료(missing data) 분석방법
결측사례 제거방법 (listwise deletion, pairwise deletion)
평균대체법 (mean imputation)
회귀대체법 (regression imputation)
확률 회귀대체법 (Stochastic regression imputation)
EM (expectation-maximization) 방법
다중대체법 (multiple imputation: MI)
MI에서 보조(auxiliary) 변수 이용방법
MI를 이용한 후 문항결합(item parceling)
완전정보 최대우도법(full information maximum likehood: FIML)
MI, FIML의 비교
◎ 범주형 변수 모형
로지스틱 모형의 기초
프로빗 모형의 기초
범주형 변수 요인분석
범주형 변수 구조방정식모형
범주형 변수에 대한 매개효과검증
◎ 혼합모형 (mixture models)
변수중심적(variable-centered) 방법과 사람중심적(person-centered) 방법
잠재계층(latent class)의 개념
잠재계층 모형
적합도 지수와 모형비교를 이용한 잠재계층 수 결정방법
잠재프로파일(latent profile), 잠재계층군집(latent class cluster) 모형
잠재계층, 잠재프로파일 모형과 군집분석(cluster analysis)의 비교
혼합 회귀(mixture regression) 분석
혼합 구조방정식(mixture structural equation) 모형
|