Amos를 이용한 그룹 차이(조절) 분석5 (실전3)

 

[통계 이야기/SEM 기초 및 Amos] - Amos를 이용한 그룹 차이(조절) 분석1 (이론)

[통계 이야기/SEM 기초 및 Amos] - Amos를 이용한 그룹 차이(조절) 분석2 (이론 심화)

[통계 이야기/SEM 기초 및 Amos] - Amos를 이용한 그룹 차이(조절) 분석3 (실전1)

[통계 이야기/SEM 기초 및 Amos] - Amos를 이용한 그룹 차이(조절) 분석4 (실전2)

[통계 이야기/SEM 기초 및 Amos] - Amos를 이용한 그룹 차이(조절) 분석5 (실전3) ◁ 현재 포스팅

 

이 전 포스팅에 이어서 이번에는 Amos를 사용해서 구조방정식을 할 때에 그룹 차이를 보는 방법에 대해서 알아볼게요.

반드시 확인적 요인분석에서 그룹 차이가 없는지 확인하고 이 단계로 넘어오셔야 해요. 이 단계는 전 포스팅에 나와있어요.

​

우리는 지금 감정적인 후회와 인지적인 후회가 수업 성적에 영향을 미칠 때 남자 학생과 여자 학생간의 차이가 있는지를 보고있어요.

​

Unconstrained and Model 1

확인적 요인분석에서와 마찬가지로 그룹을 나눈 후

빨간 동그라미 안에 있는 아이콘을 누르고 확인적 요인분석에서 마지막으로 한 invariance test (weak factorial invariace)와 같게 체크박스를 표시해주세요. 이 전 포스팅에서 한 것처럼 model 1에 measurement weights에만 체크했어요.

그 결과,

Unconstrained, Model 1 이런 애들이 생겼어요.

여기서 Model 1에 더블클릭해서 들어가보면 위와 같은 탭이 떠요.

전과 마찬가지로 a1_1은 여성의 Emo_Reg -> ER2 요인적재량이고, a1_2는 남성의 Emo_Reg -> ER2의 요인적재량이예요. 이렇게 각각의 요인적재량이 같다고 제한한 모델이 model 1이예요.

그리고 확인적 요인분석과 다르게 밑에 a9 과 a10이 추가됐어요.

모형 그림을 보면 Emo_Reg -> FinalGPA 경로가 a9_1인거 보이시나요? 지금 female을 선택해놓았기 때문에 이 경로가 a9_1인거고 male을 선택하면 이 경로는 a9_2가 되는걸 확인할 수 있을거예요.

즉, model 1에서는 "감정적 후회와 인지적 후회가 성적에 미치는 영향이 성별에 따라 다르지 않다" 라고 설정해놓은 거라고 생각하시면 돼요.

근데 우리가 알고싶은건 각각의 경로에서 성별간에 차이가 있는지를 보는거잖아요?

따라서 모델을 더 생성해줄거예요.

 

Model 5 & 6

New 탭이 보이나요? 이걸 누르면 새로운 모델이 생성이 돼요.

여기다가 model 1에 있는 등식을 똑같이 복사 붙여넣기 하시고, 경로 중 하나만 지워주세요.

새롭게 생성된 model number 5 보이시죠? 여기서 저는 먼저 a9을 지웠어요.

 

그리고 다시 new를 눌러서 또 다른 모델을 만들어주세요(Model 6). 그러고 이번에는 a10을 지울게요.

이렇게요. 여기까지 잘 따라 오셨나요?

 

각 모델이 뭘 의미하는 걸까?

결과를 보기 전에, Unconstrained 모델과 Model 1, 그리고 새롭게 만든 Model 5 & 6가 뭘 의미하는지 잘 생각해봐야 해요. (Model 2 & 3은 지워버려도 돼요. 그냥 헷갈리실까봐 놔뒀어요)

쉽게 말해보면, Unconstrained 모델은 모든 경로계수, 요인적재량 등에 있어서 각 그룹(성별)을 따로 계산하는 거예요.

Model 1은 이와 반대로 경로계수와 요인적재량에 그룹(성별) 간 차이가 없다고 고정시켜버린 거고요.

새롭게 만든 model 5는 model 1에서 a9 (Emo_Reg -> FinalGPA)만 삭제했잖아요? 즉, Emo_Reg -> FinalGPA 이 경로만 그룹별로 각각 계산하고, 나머지는 그룹간 차이가 없다고 고정시키는 거예요.

Model 6는 a10만 삭제했으니 a10 경로만 빼고 나머지는 그룹간 같다고 고정한거고요.

​

그럼 이번에는 각 모델을 비교해서 생각해보세요.

만약 model 1과 model 5간에 차이가 없다고 생각해봐요.

그 말은 a9이 그룹간 차이가 없다는 뜻이겠죠?

a9이 그룹간 차이가 있다면, a9이 그룹 간 차이가 없다고 고정한 model 1과 model 5는 달라야 할거예요.

마찬가지로 model 1과 model 6을 비교해봤을 때, 두 모델 간에 차이가 없다면 a10이 그룹간 차이가 없는게 되겠죠.

​

그룹 차이 결과

자 그럼 이제 피아노 건반을 눌러서 결과 값을 봅시다. 바로 모델을 비교해볼게요.

우리가 가장 중요하게 봐야할 부분은 모델 비교예요.

Model Comparison에 들어가면 카이스퀘어 차이 분석 결과가 나오는데, 여기서 p값이 유의미하면 모델간에 통계적으로 차이가 있다는 뜻이예요.

우리는 model 1 vs. model 5 그리고 model 1 vs. model 6를 봐야해요.

이렇게 비교해야 하는 이유는 위에서 이해하셨죠?

​

model 1과 model 5간에는 유의미하게 모델 핏 차이가 난다고 나왔어요(p = .02)

따라서 a9 경로는 성별간에 차이가 있어요.

model 1 과 model 6간에는 유의수준 .1을 기준으로 유의미한 차이가 있어요(p = .06)

따라서 a10 경로 역시 성별간에 차이가 있다고 볼 수 있겠네요.

그럼 어떻게 차이가 날까요?

Estimate 에 들어가서 확인해보면,

여성의 경로계수

 

남성의 경로계수

남성과 여성간 차이가 없다고 고정한 model 1의 값을 보면 안되겠죠?

아무것도 고정하지 않은 unconstrained 모델을 보시고, 각 경로 값을 확인해보세요.

여성의 a9 값은 .009 (ns)이고, 남성의 a9 값은 -.372 (p = .079)네요.

즉, 여성의 경우 감정적인 후회가 성적에 영향을 미치지 않지만, 남성의 경우 유의수준 .10을 기준으로 감정적인 후회가 성적에 부정적인 영향을 미친다고 나오네요.

​

그리고 여성의 a10 값은 -.224 (ns), 남성의 a10 값은 -.068 (ns), 두 그룹 모두 인지적 후회는 성적에 영향을 미치지 않네요.

​

이런식으로 분석하시면 돼요.

논문 쓰실때는 카이스퀘어 말고도 다른 적합도 값들도 얼마나 차이가 나는지 리포팅 해주시고요.

​

Amos를 이용한 그룹 차이 분석은 여기까지고요, 이 부분에 대해 더 궁금한 점 있으시면 댓글 남겨주세요.

오늘도 도움이 됐기를 바라며,

​

열논문!

 

 

​도움이 됐다면 커피 한 잔 사주시면 감사하겠습니다^^

EPIK is 어려운 지식을 가능한 한 쉽게 공유하는 곳이예요 :)