다수 집단의 측정동일성 검정을 위한 임의효과 모형: 다층 확인적 요인분석(ML CFA)과 다층 요인혼합모형(ML FMM)의 비교Measurement Invariance Testing Using Random Effects model for Many groups: Multilevel Confirmatory Factor Analysis (ML CFA) and Multilevel Factor Mixture Modeling (ML FMM)
- Other Titles
- Measurement Invariance Testing Using Random Effects model for Many groups: Multilevel Confirmatory Factor Analysis (ML CFA) and Multilevel Factor Mixture Modeling (ML FMM)
- Authors
- 손수경; 김효진; 홍세희
- Issue Date
- 2019
- Publisher
- 한국심리학회
- Keywords
- 국가비교; 측정동일성; 잠재평균 비교; 다층 확인적요인분석; 다층 요인혼합모형; many group comparison; measurement invariance; latent means comparison; multiple group analysis; multilevel confirmatory analysis; multilevel factor mixture modeling
- Citation
- 한국심리학회지:일반, v.38, no.2, pp.185 - 218
- Indexed
- KCI
- Journal Title
- 한국심리학회지:일반
- Volume
- 38
- Number
- 2
- Start Page
- 185
- End Page
- 218
- URI
- https://scholar.korea.ac.kr/handle/2021.sw.korea/70116
- DOI
- 10.22257/kjp.2019.6.38.2.185
- ISSN
- 1229-067X
- Abstract
- 집단 비교 연구 시 측정동일성의 성립 여부는 집단 간 의미 있는 비교를 하기 위한 필수 요건으로 제시되고 있다. 이를 위해 일반적으로 다집단 확인적요인분석(MG CFA)이 널리 사용되어 왔으나, MG CFA는 비교집단이 소수일 경우에 적합한 것으로, 많은 집단을 비교하게 되는 국가 비교 연구에서는 그 한계가 제기된다. 따라서 본 연구에서는 10개 이상의 많은 수의 국가(혹은 집단)를 비교하기에 적절한 방법론인 다층 확인적요인분석(ML CFA)과 다층 요인혼합모형(ML FMM)을 이용한 분석 방법론을 기술하였다. ML CFA는 절편만을 임의효과로 추정하는 임의절편모형과 요인계수도 임의효과로 추정하는 임의절편 및 임의요인계수모형으로 구분하여 장단점을 기술하였다. 구체적으로 각 방법론에 대한 이론적 모형과 측정동일성 검정 절차를 제시하고, 기존의 MG CFA에 비해 지니는 이점 및 적용 시 유의해야 할 사항을 서술하였다. 또한 이러한 방법론을 적용한 예시로서, PISA 2015 자료를 활용하여 학생이 인식한 과학의 도구적 동기 및 즐거움에 대해 국가별 측정동일성 검정 절차를 분석하고 국가별 잠재평균을 추정하였다. 마지막으로 본 연구의 향후 연구 및 의의에 대해 논의하였다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - College of Education > Department of Education > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.