구조방정식(SEM) 요약

ㅇ SEM의 장점 (기존 vs. SEM)

   - 회귀분석은 연구모형에서 독립변수-종속변수 간의 관계를 각각 돌려줬어야 했는데 SEM은 한 번에 가능 (조절 효과는 예외)

   - 기존과는 다르게 "확인적 요인분석(신뢰성+타당성)", "경로/회귀분석", "상관관계"의 결과를 한 번에 도출 

   - 심지어, 종속변수가 여러개인 다변량 분석 또한 한 번에 가능

   - 오차를 고려하기 때문에 더 정확

   - 회귀분석은 새로운 연구모형을 검증하는 것이라면 (귀납적), SEM은 선행 연구의 연구모형을 검증함 (연역적) 

     (비유적으로 얘기하자면 기존의 회귀분석은 비지도 학습, SEM은 지도학습 같은 느낌)

   - 부트스트래핑으로 인해 굳이 중심극한정리를 가정 안해도 괜찮음

   - 소프트웨어 툴이 점점 간편해짐 (AMOS인 CB-SEM은 회귀분석 BLUE 조건 중 잔차 가정이라도 충족했어야 했는데 PLS-SEM을 따르는 SmartPLS는 이 조차도 안따로도 됨)

 

 

ㅇ 변수 구성

   - 관측(측정)변수 : 기존 방법에서 요인(설문 문항)을 의미함

   - 관측오차 : 관측변수의 오차를 의미

   - 잠재변수 : 모든 변수를 의미하며, 외생(잠재)변수와 내생(잠재)변수로 나뉨 

   - 구조오차 : 잠재변수의 오차를 의미

   - 외생변수 : 기존 방법에서 독립변수를 의미함 (외생변수 간에는 공변량으로 얼마나 관련이 있는지 파악)

   - 내생변수 : 기존 방법에서 종속변수를 의미함

    

ㅇ 경로 분석 

   - 잠재변수간의 관계를 살펴볼 수 있으며, 직간접 효과를 다 확인할 수 있음

 

ㅇ 탐색적 요인분석 (EFA) vs. 확인적 요인분석 (CFA)

   - EFA는 기존 방법에서 쓰는 방법

   - 어떠한 변수와 요인이 서로 영향을 미치는지 모르기 때문에 경우의 수를 다 따짐

   - CFA는 이미 기존 연구로 검증이 됐기 때문에 명확한 요인만 연결 

   - CFA를 통해서는 데이터로부터 도출된 연구모형과 이론으로부터 도출된 연구모형이 얼마나 적합하지 판단할 수 있는 적합도 지수(Fit indices)를 구할 수 있음

 

ㅇ SEM 모형은 Measurement Model과 Structural Model로 구성

   - 구조방정식은 잠재변수를 측정하는 측정모델(measurement model)과 측정된 잠재변수 간의 인과관계 (causal relationshop)를 분석하는 구조모델(structural model)로 구성

   - 일반적으로 측정모델은 확인적 요인분석(Confirmatory Factor Analysis, CFA)를 사용하고, 구조모델은 다중회귀분석(multiple regression analysis)을 사용 

   - 측정모델

     > Measurement Model은 CFA을 실시하는 모델로 신뢰도, 타당도, 적합도 지수 등을 구함

     > 신뢰도

        * Composite Reliability(CR) >= 0.6~0.7 이상 (합성 신뢰도)

        * 크롬바알파 0.7 이상

     > 집중타당도 

        * Average Variance Extracted (AVE) >= 0.5 이상 (평균 분산 추출)

        * Factor Loading >= 0.6 이상 (요인적재량)  ※CFA는 크로스로딩은 없음 

     > 판별타당도

        * 루트 AVE 값의 대각선을 계산해서 해당 값이 가장 크면 문제가 없음 확인, 그러나 해당 방법이 너무 느슨하다 하여 요즘에는 HTMT를 많이 봄

        * HTMT는 (그 변수만의 상관계수) / (1-공통상관계수)로 계산하며, 0.85보다 큰게 있으면 문제가 있다고 봄

        * 0.85 이상이면 두 변수간의 상관성이 높아서 판별이 안된다고 해석. 

        * 이상적으로는 변수를 지우는게 맞으나, 실제로는 바로 지우는 것보다 요인들의 상관도와 AVE 등을 확인해가며, 여유있는 변수의 요인을 삭제하면서 다시 확인해봄 

   - 구조모델 (잠재변수들의 관계 검증)

     > Structural Model은 가설을 검증하는 모델 (잠재변수 간 경로분석을 수행해 잠재변수 간의 영향관계를 검정)

     > 물론, Measurement Model를 통한 CFA 결과가 좋아야 Structural Model에서 가설 검증을 하는 것임. 

 

 

ㅇ CB-SEM vs. PLS-SEM (AMOS와 smartPLS의 차이점)

   - CB-SEM은 MLE 알고리즘을, PLS-SEM은 OLS 알고리즘을 활용

   - OLS 알고리즘은 에러 변수가 없음. 때문에 PLS-SEM이 CB-SEM보다 더 정확하다 말할 수 없다.

   - smartPLS는 조형적(Formative) 모델도 검증 가능 (일반적인 연구모형에서 사용되는 것은 반영적(Reflective) 모델임)

   - PLS-SEM은 Self-develped 한 변수가 있을 때 검증하기 적합한 모델. 

   - CB-SEM은 측정문항이 3~50개만 돌아가는데 PLS-SEM은 1~2개도 잘 돌아감