구조방정식모델에서 베이지언 추정법을 사용한 헤이우드 케이스 해결에 대한 연구 (A Study of the Heywood Case Resolution Using Bayesian Estimation Method in Structural Equation Modeling)

서지정보

· 발행기관 : 한국상품학회
· 수록지 정보 : 상품학연구 / 43권 / 1호 / 107 ~ 113페이지
· 저자명 : 우종필

초록

본 연구는 헤이우드 케이스와 그에 대한 해결책으로 제시되는 방법과 베이지언 추정법에 대해서 알아보았다. 헤이우드 케이스 잠재변수와 관측변수간 특정 모수에서 표준화 요인부하량의 수치가 1 이상인 비정상적인 수치를 보이면서, 측정오차의 분산이 음의 수치를 보이는 경우로서, 구조방정식모델에서 구조적인 문제점중 하나로 지적되어 온 현상이다. 해결책으로 제시된 3가지 수정모델은 (1) 수정모델 1: 음오차분산이 발생하는 오차항에 .005처럼 아주 적은 수로 고정한 모델, (2) 수정모델 2: 표준화계수에서 1이 넘는 모수를 1로 고정한 모델, (3) 수정모델3: 문제를 일으키는 관측변수와 오차항을 제거한 모델이였고, (4) 베이지언 추정법을 사용한 모델도 함께 분석되었다. 분석결과, 수정모델 1, 수정모델 2는 조사자가 처음 개발한 원본모델과 비슷한 통계수치를 보였으나, 경로의 유의성이나 모델적합도 측면, 그리고 표본의 증감과 관계없이 헤이우드 케이스가 나타나지 않으면서, 원본모델과 동일한 결과를 보여주는 방법은 베이지언 추정법이 유일한 것으로 나타났다. 베이지안 추정법에서는 추정하려는 파라미터의 사전정보를 반영하기 위해 사전분포를 생성하는데, 사전분포는 조사자의 주관이나 다양한 사전 정보를 기반으로 설정되기에, 표본의 수가 적은 경우에도 추정의 정확성을 높일 수 있기 때문으로 추정된다.

영어초록

In this study, we examined the Heywood case, and the several solution methods including Bayesian estimation method. It is a phenomenon that has been pointed out as one of the structural problems in the structural equation model, showing an abnormal number of standardized factor loads of 1 or more in a specific parameter between the Haywood case latent variable and the observation variable, and the variance of the measurement error is negative.The three modified models presented as solutions are (1) modified model1: a model in which the error term causing negative error variance is fixed to a very small number such as .005, (2) modified model2: a model in which parameters exceeding 1 in the standardized coefficient are fixed to 1, and (3) modified model3: a model that removed observed variables which show negative error terms, and finally a model using Bayesian estimation was also analyzed. The results show while modified model1 and modified model2 showed similar statistical values compared with original model developed by the researcher, Bayesian estimation only showed the same statistical results as the original model about significance of the paths and model fits regardless of the sample sizes. The Bayesian estimation method generates prior distribution to reflect prior information of the parameter to be estimated, and it is estimated that the accuracy of estimation can be increased even if the number of samples is small because the prior distribution is set based on the subjectivity of the investigator or various prior information.

참고자료

· 없음