정렬법을 이용한 범주형 자료의 근사 측정동일성 분석

주영신; 장승민

doi:10.22257/kjp.2023.6.42.2.119

추천

검색

자료유형: 학술저널

저자정보: 주영신 (성균관대학교) 장승민 (성균관대학교)

저널정보: 한국심리학회 한국심리학회지:일반 한국심리학회지:일반 제42권 제2호

발행연도: 2023.6

수록면: 119 - 140 (22page)

DOI: 10.22257/kjp.2023.6.42.2.119

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

요인모형을 이용한 측정동일성 분석에는 다집단 확인적 요인분석이 주로 사용되어왔다. 전통적인 관점에서는 측정동일성이 성립한다고 결론을 내리기 위해 비교 집단이나 시점 사이에 요인구조와 측정모수가 차이가 없이 완전히 동일하다는 근거가 필요하다. 그러나 집단의 수가 많은 경우 이와 같은 조건은 지나치게 엄격하거나 비현실적이 되기도 한다. 근사 측정동일성(approximate measurement invariance)은 비교 집단의 개수가 많을 때 이들 사이의 측정동일성을 현실적으로 검토하기 위해 제안된 완화된 형태의 측정동일성을 의미한다. 근사 측정동일성을 분석하는 주요 절차인 다집단 확인적 요인분석의 정렬법은 주로 연속형 측정변수에 대한 요인모형을 다수 국가 간에 비교하는 데 사용되어 왔다. 반면 연령에 따른 측정동일성의 분석은 주로 다집단 확인적 요인분석을 이용하여 둘 또는 셋으로 구분된 연령 집단을 비교하는 방식으로 수행되어 왔다. 그러나 연령에 따른 측정동일성의 분석에도 연령 집단을 세분한 다수의 연령 집단에 대해 근사측정동일성을 적용할 수 있다. 본 연구는 근사 측정동일성의 개념과 필요성, 분석 모형에 대해 논의하고 정렬법을 이용하여 심리검사의 연령에 따른 근사 측정동일성을 분석하는 방법과 절차를 예시하였다. 특히 범주형 자료에 대한 측정동일성 및 근사 측정동일성 분석에서의 개념적 유사점과 차이점을 논의하였으며 다집단 확인적 요인분석과 정렬법을 이용하여 인지기능 평가를 위한 검사인 K-MMSE 검사점수의 26개 연령 집단에 대한 측정동일성 및 근사 측정동일성을 분석하였다. 이를 통해 전통적인 측정동일성과 비교하여 근사 측정동일성 분석의 유용성을 강조하고 범주형 자료의 근사 측정동일성 분석과 관련된 논의사항들을 정리하였다.

Multiple-group confirmatory factor analysis (CFA) has been widely used to analyze measurement equivalence using factor models. Traditionally, in order to conclude that measurement equivalence exists, it is necessary to have evidence that the factor structure and measurement parameters, such as factor loadings are completely identical, with no differences across target groups or measurement occasions. However, when the number of groups is large, these conditions can become overly stringent or impractical. Approximate measurement invariance is a relaxed form of measurement invariance and proposed to practically examine measurement invariance between many groups. Alignment is a widely used procedure for analyzing approximate measurement invariance and has been used to compare measurement models with continuous indicator between many countries. On the other hand, the analysis of measurement invariance of test scores across ages reflecting developmental changes in psychological attributes has been mainly conducted by comparing two or three small age groups using multiple-group CFA. However, in the analysis of measurement invariance across ages, approximate measurement invariance can be applied to ages that are divided into a large number of age groups. The current study discusses the idea, necessity, and analytical model of approximate measurement invariance and illustrates the analysis of the approximate measurement invariance of psychological tests over time using the alignment method. In particular, we discussed the conceptual similarities and differences between measurement invariance and approximate measurement invariance for factor models with categorical data, and introduced the analytical process of measurement invariance and approximate measurement invariance for 26 age groups of K-MMSE test scores, a test for assessing cognitive function, using multiple-group CFA and the alignment method. Based on the results of the analysis, the implications of approximate measurement invariance versus traditional measurement invariance were explained, and discussions related to analysis of approximate measurement invariance with categorical data were summarized.

#범주형 변수의 요인분석 #다집단 확인적 요인분석 #근사 측정동일성 #정렬법 #K-MMSE #categorical confirmatory factor analysis #multiple group confirmatory factor analysis #approximate measurement invariance #Alignment #K-MMSE

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

주영신

소속기관 성균관대학교

주요연구분야 사회과학 > 심리과학

논문수 2 이용수 10

장승민

소속기관 성균관대학교

주요연구분야 사회과학 > 심리과학 의약학 > 의학 일반

논문수 14 이용수 357

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)