학위논문통계

오늘은 설문지 데이터를 가지고 확률효과를 넣은 혼합모형을 쓸 수 없을까 하는 문제를 다뤄 보겠습니다. 모형은 편의상 가장 단순한 단순회귀분석으로 하죠. 독립변수가 여러개 들어가는 다중회귀분석도 마찬가지입니다. 독립변수는 변혁적 리더십, 종속변수는 자기효능감입니다. 즉 상사의 변혁적 리더십이 조직원의 자기효능감에 영향을 미치는가 하는 문제입니다. 그럼 모형식은 다음과 같습니다. 자기효능감=b0+b1*변혁적 리더십+오차 이걸 SPSS에서 회귀분석 메뉴에 가서 분석해도 되고 지난번 글에서 이야기했지만 혼합모형 메뉴에 가서 고정효과만 사용해서 분석해도 됩니다. 그럼 여기에 어떻게 하면 확률효과를 더 참가할 수 있을까 하는 문제입니다. 다음과 같이 하면 됩니다. 자기효능감=(b00+b01)+(b10+b11)*변혁..

이번에는 석사논문이나 저널논문에 자주 나오는 Baron & Kenny(1986)의 조절효과 검증을 혼합모형에서 어떻게 하는지 보겠습니다. 지난번에도 이야기했지만 여기서는 확률효과는 없고 오직 고정효과만 있습니다. 먼저 혼합모형 메뉴에 들어가면 첫 번째 메뉴가 뜹니다. 여기는 그냥 넘어갑니다. 이 메뉴는 패널데이터나 또는 반복측정, 또는 군집추출을 해서 아파트 단지, 병원, 또는 학교나 학급을 랜덤으로 선택할 경우만 이 메뉴를 사용합니다. 연구모형은 다음과 같습니다. 자기효능감=b0+b1*카리스마리더십+b2*연령+b3*(카리스마*연령) 여기서 성별같은 이진더미변수이면 별 문제가 없는데 연령같이 다범주, 즉 1=20대, 2=30대, 3=40-50대, 4=60대 이상 이렇게 코딩되어 있는 경우 조절효과를 보려..

지난번 글에서 고정효과와 확률효과에 대해서 설명을 했고요. 또 혼합모형은 기존의 통계 방법론의 확장된 분석 방법이라고 이야기했습니다. 즉 기존의 분산분석, 회귀분석, 조절효과 분석도 혼합모형을 이용해서 할 수 있습니다. 그래서 오늘은 좀 구체적으로 기존의 통계 방법을 혼합 모형에서 어떻게 할 수 있는지 구체적으로 설명하겠습니다. 그래서 혼합모형 이야기만 나오면 쫄아버리는 현상을 줄여볼까 합니다. 데이터는 흔히 여러분이 하는 설문조사 데이터입니다. 즉 횡단면 데이터입니다. 분석목적은 성별과 연령에 따라 자기효능감이 달라지는가이고 이원분산분석을 할 겁니다. 즉 자기효능감=성별+연령+성별*연령 입니다. 먼저 SPSS에서 혼합모형을 클릭합니다. 그럼 다음과 같은 메뉴가 뜹니다. 이 부분은 그낭 넘어갑니다. 즉 ..

혼합모형을 이해하기 상당히 힘든데요. 제가 공부할 당시 통계 교과서에서 나오지 않아서 체계적으로, 또는 학술적 권위가 있는 내용으로 배우지를 못했습니다. 그래서 여기서 쓴 내용은 제가 100% 옳다고 장담은 못하겠습니다. 저도 인터넷에서 자료 찾아보고(학술적 권위면에서 조금 약하죠), 저 나름대로 이리저리 시도해 보고 쓰는 내용입니다. 혼합모형이 왜 어려운가? 먼저 첫째, 이론적으로 이해를 해야 합니다. 둘째, 혼합모형은 기존의 대부분 모형, 즉, 분산분석, 회귀분석 등 또는 SPSS에 있는 repeated measure, variance component 등을 포함하는 매우 포괄적인 모형입니다. 그럼 이런 의문이 생길 수 있습니다. 기존에 내가 했던 방법은 틀린 것인가? 그럼 도대체 언제 이 혼합모형을..

오래간만에 글을 씁니다. 이번 학기 논문 시즌이 거의 끝나서 시간이 좀 나게 되었습니다. 오늘은 연구모형에 매개변수가 들어 있는 경우 구조방정식이나 프로세스 매크로를 쓰는데 두 방법의 차이에 대해서 간단히 설명하겠습니다. 1. 일단 학위논문의 경우 지도교수의 허락을 받아야 하기 때문에 지도교수가 요구하는 방법을 사용해야 합니다. 그러나 저널에 낼 경우 프로세스 매크로를 쓰는 것이 등재될 가능성이 좀 높아질 수 있습니다. 상대적으로 프로세스 매크로가 최근에 나온 방법이라 괜히 있어 보이거든요. 그리고 심사위원이 잘 모르기 때문에 통계 분석에서 그냥 넘어 가는 경우도 있고요. 프로세스 매크로는 Baron & Kenny(1986)의 방법을 개선 확장한 방법론입니다. B & K 논문에서 매개효과 검증과 조절효과..

축구계도 정치판처럼 정말 쓸 이야기가 많네요. 1. 승부조작 선수 사면 이건 축구계에서 엄청난 비난을 받았죠. 그러나 비난의 내용이 매우 한심한 수준입니다. 1) 먼저 엄청난 비난이 뻔히 보이는데도 불구하고 현대 축구협회장은 왜 이런 일을 벌렸을까요. 여기에 대한 이야기는 전혀 안하고 있죠. 도대체 왜 이런 일을 저질렸죠. 축협장 재선을 위해서 한 것일까요. 이 자리가 그 사람에게 그리 중요한 것인가요. 2) 이걸 결정한 이사회인가 하는 얘들도 왜 이런 짓을 한 것일까요. 엄청난 욕을 먹을 것이 뻔한 일인데 왜 사면에 찬성한 것일까요. 이건 당연하죠. 이쪽에서 밥 벌어먹고 한자리 하려면 축구협회장의 심기를 건드리면 안되죠. 그런데 이 사면을 비난하는 얘들도 이런 점은 이야기 안하죠. 3) 변명하는 꼬라지..

1. 외국 관광객 선호 조사 인터넷에서 외국 관광객의 선호 상품 조사에 문제점을 제기하는 기사가 있었는데요. 중국은 화장품, 미국은 의류, 일본은 식료품 등을 선호한다고 합니다. 그런데 기사는 이런 분석이 과연 타당한가하는 문제를 제기합니다. 총 조사인원을 보면 별 문제가 없는 것처럼 보이지만 각 나라별로 세분해서 조사하면 중요 나라별 조사 인원이 40-50명밖에 안된다는 것이죠. 이 40-50명 조사한 것 갖고 제대로 된 분석이라고 할 수 있을까요. 현재 대통령이나 정당지지도도 40-50명 조사해서 발표한다고 해보죠. 아마 난리가 날 겁니다. 40-50명 조사한 것을 어떻게 믿는가 하는 점이죠. 대한상의가 하는 조사기관에서는 표본 수가 30이 넘으면 표본의 대표성을 보장할 수 있기 때문에 별 문제가 없..

1. 매개효과(간접효과) 매개효과의 정의는 다음과 같습니다. 그림에서 직접효과=c, 매개효과=a*b, 총효과=직접효과+매개효과=c+(a+b) 여기서 a, b, c는 표준회귀계수입니다. 이걸 논문에서 표로 정리하면 됩니다. 여기서 매개효과 크기를 구하는 것은 바로 됩니다. 그러나 구한 매개효과가 유의적인지 아닌지는 여전히 알 수 없습니다. 즉, 다음 가설 귀무가설 H0: 구한 매개효과 (a*b)가 0이다. 대립가설 H1: 구한 매개효과 (a*b)가 0이 아니다. 이 가설을 검증하려면 Bootstap을 해야 합니다. 즉, 매개효과 크기를 알려면 구조방정식 회귀계수 값을 보고 손으로 직접 계산해도 되지만 이 매개효과가 유의적인지 검증하려면 Boostrap을 돌려야 합니다. 이 경우 매개효과 크기도 손으로 직접..

사실 벤투에 대해서 이런 저런 상반된 이야기가 나오고 또 그런 주장 밑에 합리적인 근거가 있으면 제가 여기서 축구에 대해 글 쓸 필요도 없죠. 그런데 보자 보자 하니 너무 한심한 소리만 찌껄이고 벤투를 비난하면 마치 친일파처럼 취급하는 것을 보고 화가 나서 도저히 참을 수가 없었다는 것입니다. 지금 정치도 완전히 삼류 막장인데 축구도 더 하네요. 저야 어릴 때 다 하듯이 골목길에서 공차고 젊었을 때 야외 나가면 축구하고 이런 경험밖에 없죠. 축구 경기는 지금과 같이 국가대표 경기 아니면 거의 본 적도 없고요. 그리고 조금 유심히 보기 시작한 것이 박지성이가 맨유에서 뛰기 시작한 때였죠. 그러나 운동은 좀 좋아하는 편입니다. 공 갖고 노는 운동은 취미로 거의 다 해봤고요, 축구, 야구, 농구, 테니스 취미..

탐색적 요인분석에서 결과표에 많이 제시하는 측정값으로 KMO 값과 Bartlett chi 제곱 구형성 검증이 있습니다. 오늘은 여기에 대해서 간단히 설명하겠습니다. 이 2개의 값은 설문문항들의 상관계수 행렬과 밀접한 관계가 있습니다. 측정문항의 신뢰도와 타당도가 좋으려면 각 측정문항의 상관계수 행렬이 독립적으로 나오면 안됩니다. 예를 들어 고객만족을 측정하기 위해 설문문항 4개를 만들어서 설문응답자 200명에게 물어 봤다고 하죠. 이 설문문항 4개는 고객만족을 측정하려고 만든 문항이기 때문에 이 4개의 설문문항의 상관관계가 매우 높아야 합니다. 만약 이 4개의 설문문항이 서로 독립적이라고 하면 이 4개의 설문문항은 고객만족이 아닌 각각 다른 의미의 변수를 측정한다고 보는 것입니다. Bartlett 구형성..