• AI글쓰기 2.1 업데이트
PARTNER
검증된 파트너 제휴사 자료

다수준 분석 시에 동질상향적 개념의 측정을 위해 참조점 이동의 필요 여부에 대한 판단방법으로서 다집단 분석 (Multigroup analysis in the context of multilevel analysis to judge if a referent-shift model is needed for measurement of composition emergence)

25 페이지
기타파일
최초등록일 2025.04.08 최종저작일 2019.02
25P 미리보기
다수준 분석 시에 동질상향적 개념의 측정을 위해 참조점 이동의 필요 여부에 대한 판단방법으로서 다집단 분석
  • 미리보기

    서지정보

    · 발행기관 : 한국산업및조직심리학회
    · 수록지 정보 : 한국심리학회지: 산업 및 조직 / 32권 / 1호 / 29 ~ 53페이지
    · 저자명 : 안정원, 이순묵, 정현주, 이회영

    초록

    본 연구에서는 다수준분석 시 집단참조 일치모형에 의한 동질상향 개념이 개인 및 집단 수준 모두에서 사용될 때, 참조점이 다른 ‘나(self)’ 및 ‘우리(we)’ 자료가 모두 필요한지, 둘 중 하나로도 충분한지 여부를 판단하기 위한 방법으로서 다집단 분석을 소개하였다. 동질상향적(composition) 개념화를 위하여 점수들 간의 일치도를 기초로 하는 접근에는 Chan(1998)이 제안한 개인참조의 일치모형(direct consensus model)과 집단참조의 일치모형(referent- shift consensus model) 있다. 전자는 ‘자기’ 참조 문항으로 개인수준 자료를 수집한 후 조사내용을 평균하여 집단수준 변수를 구성하는 경우로서, 개인참조 반응의 내용(측정치간 공분산)이 집단 차이에서 발견되는 내용과 동질성이 있다는 이론적 논거가 필요하다. 후자는 참조점을 ‘개인’에서 ‘집단’으로 이동하여 측정하는 경우인데, 구성개념이보다 잘 표상될 수 있다는 장점이 있지만, 해당 개념이 개인 수준에서도 사용된다면 집단에 대한 측정과 달리 개인에 대한 측정도 실시해야 하는 불편이 있다. 실제에서는 많은 경우, ‘자기’ 참조 문항으로 개인 수준 자료를 수집한 후, 조사내용을 통합(aggregate)하여 동일 개념에 대한 상위수준의 측정치로 사용한다. 이러한 방식은 편리하지만 여기에는 개인참조 자료와, 연산(평균 또는 합산)을 통해 상층(예: 집단, 조직)으로 참조점이 이동된 자료 간에 측정동일성이 성립한다는 가정을 검증없이 받아들이는 문제가 있다. 본 연구에서는 다집단 분석 방법을 활용하여 그 가정을 검증하는 예를 보였다. 어떤 개념에 대한 측정에서 참조점을 달리한 두 자료간에 측정동일성이 검증되면, 추후의 연구들은 그것을 근거로 ‘개인’ 또는 ‘조직’을 참조로 하여 1회의 측정만으로 다수준 분석을 할 수 있다. 또한 이런 경우, ‘집단’ 참조의 자료를 하층의 측정모형과 상층의 동질상향 모형에 사용하는 편이, 집단차이에 의한 효과를 보다 분명히 할 수 있다. 그러나 이러한 측정동일성이 성립하지 않는다면 연구자는 개인수준 모형과 집단수준 모형이 모두 분석될 경우 반드시 참조점을 바꾸어가며 ‘나’ 자료와 ‘우리’ 자료를 각각 수집해야 한다.

    영어초록

    This study demonstrates how a multigroup analysis approach is used in the analysis of multilevel data to judge if a referent-shift consensus model is needed to measure a compositional property. A compositional property in multilevel context means that the forms of emergence from individual levels to group levels are isomorphic as individuals interact, communicate perspectives, and iteratively construct a common interpretation, so that all individuals in the collective are similar. The measurement principle for conceptualization of multilevel compositional properties is to use a referent-shift consensus model proposed by Chan(1998). However, if the researcher wants to use the samel construct in individual levels as well as in group levels, she needs to administer the same items to the same individuals again with a change of reference from “group” to “ individual”. It sounds bothersome and creates difficulties in reality. For that reason, researchers often collect data from individuals using self-referenced items, aggregate, and then use the aggregate scores as measures of group level variables. However in these cases, measurement invariance is tacitly assumed across the individual and group levels. We pointed out the problems of this unjustified assumption in analyses of multilevel data, and presented an analytic procedure to test the assumption using multigroup analysis framework. In sum, if measurement invariance across levels is established, researchers can use either a self-referent or a referent-shift data at individual levels and aggregate data at group levels without dual measurement. Moreover, in such a case, using a referent-shift data(‘we’ data) is more appropriate in light of construct validity because of its higher possibility to reveal group effects. If the measurement invariance across levels is not supported, researchers should collect data separately for individual level variables with a self-reference items and for group level variables with group-referenced items.

    참고자료

    · 없음
  • 자주묻는질문의 답변을 확인해 주세요

    해피캠퍼스 FAQ 더보기

    꼭 알아주세요

    • 자료의 정보 및 내용의 진실성에 대하여 해피캠퍼스는 보증하지 않으며, 해당 정보 및 게시물 저작권과 기타 법적 책임은 자료 등록자에게 있습니다.
      자료 및 게시물 내용의 불법적 이용, 무단 전재∙배포는 금지되어 있습니다.
      저작권침해, 명예훼손 등 분쟁 요소 발견 시 고객센터의 저작권침해 신고센터를 이용해 주시기 바랍니다.
    • 해피캠퍼스는 구매자와 판매자 모두가 만족하는 서비스가 되도록 노력하고 있으며, 아래의 4가지 자료환불 조건을 꼭 확인해주시기 바랍니다.
      파일오류 중복자료 저작권 없음 설명과 실제 내용 불일치
      파일의 다운로드가 제대로 되지 않거나 파일형식에 맞는 프로그램으로 정상 작동하지 않는 경우 다른 자료와 70% 이상 내용이 일치하는 경우 (중복임을 확인할 수 있는 근거 필요함) 인터넷의 다른 사이트, 연구기관, 학교, 서적 등의 자료를 도용한 경우 자료의 설명과 실제 자료의 내용이 일치하지 않는 경우
문서 초안을 생성해주는 EasyAI
안녕하세요 해피캠퍼스의 20년의 운영 노하우를 이용하여 당신만의 초안을 만들어주는 EasyAI 입니다.
저는 아래와 같이 작업을 도와드립니다.
- 주제만 입력하면 AI가 방대한 정보를 재가공하여, 최적의 목차와 내용을 자동으로 만들어 드립니다.
- 장문의 콘텐츠를 쉽고 빠르게 작성해 드립니다.
- 스토어에서 무료 이용권를 계정별로 1회 발급 받을 수 있습니다. 지금 바로 체험해 보세요!
이런 주제들을 입력해 보세요.
- 유아에게 적합한 문학작품의 기준과 특성
- 한국인의 가치관 중에서 정신적 가치관을 이루는 것들을 문화적 문법으로 정리하고, 현대한국사회에서 일어나는 사건과 사고를 비교하여 자신의 의견으로 기술하세요
- 작별인사 독후감
해캠 AI 챗봇과 대화하기
챗봇으로 간편하게 상담해보세요.
2026년 02월 05일 목요일
AI 챗봇
안녕하세요. 해피캠퍼스 AI 챗봇입니다. 무엇이 궁금하신가요?
12:58 오전