10월 292009
 

2009-1 문화적응세미나 (김민식)

 

– 구조방정식의 편리한 활용 –

 

A New Approach to Structural Equation Modeling: Generalized Structured Component Analysis by Heungsun Hwang (McGill University), 2009-09-11

 

이훈재 (VCC Lab.)

2009-10-30

 

학부 전공 강의시간에 구조방정식 모델을 접해본 적은 있지만 실제로는 거의 모르는 상태로 세미나에 참석했다. 듣고나니 구조방정식모델(Structural equation modeling; SEM)은 비교적 익숙한 요인분석 +다중회귀분석 및 경로분석으로 정리해 볼 수 있었다. 다른 이름들은 공분산구조분석(covariance structure analysis), 잠재변수모델(latent variable model) 등이 있다고 한다.

 

세미나의 앞부분은 SEM에 대한 간략한 정리와 SEM을 추정하는 추정방법으로서 Covariance structure analysis; CSA와 Partial least squares; PLS가 소개되었다. CSA는 비교적 전통적인 방법으로 보였는데, 충분한 이론적 근거를 가지고 확인적인 연구를 할 때 주로 활용될 수 있다. 반면 PLS는 표본수가 적고 데이터가 정규분포를 따르지 않아도 된다는 장점이 있어 탐색적인 연구를 할 때에도 조금은 사용될 수 있는 장점이 있었다. 강연자인 황흥선 교수가 고안한 Generalized structured component analysis; GSCA는 이 두 가지 접근법의 장점을 취한 새로운 SEM 추정방법이었다. CSA가 음수가 나오는 것을 방지하면서도 PLS처럼 비정규분포에서도 문제가 없는 방식이라 한다. 자세히 소개되거나 이해할 수 있지는 못했지만 지각, 인지 외의 타 심리학 분과에서 구조방정식 모형을 사용할 기회가 꽤 있는 것을 고려하면 유용한 시간이었다. Hwang & Takane (Psychometrika, 2004) 와 GSCA를 바로 활용할 수 있는 웹 상의 무료 통계 소프트웨어인 GeSCA( www.sem-gesca.org) 는 기억해 둘 만 하다.

 

구조방정식보다는 ANOVA나 t-test를 자주 할 입장에서, 개인적으로는 통계 방법론에 대한 이런저런 생각을 해 볼 좋은 기회가 되었다. 사실 SEM은 오해와 편견에 쌓여있는 통계방법중 하나이다. 나 역시 SEM으로 통계분석을 했다는 논문을 볼 때면 그냥 원하는 결과를 다 만들어낸 게 아닐까 싶어 일단은 의심을 먼저 하는 편이었다. (방법을 이론적으로 잘 모르면서도) 이론적으로는 화살표를 이리저리 많이 연결하면 할수록 설명력, 모델적합도 수치는 높아지게 되어있다. 결국 무언가 논리적이고 이론적인 배경 없이 통계적 유의미를 위해 변수를 연결하는 것이 문제인 셈이다. 마찬가지의 문제를 t-test 에도 적용할 수 있을 것 같다. 별다른 이론적 함의없이 설정된 독립변수의 효과가 유의미하다고 해서 무슨 의미가 있을까? 통계를 이용하는 연구자의 올바른 자세와 좋은 연구란 유의미한 통계 수치에 달려있는 게 아니라는 당연한 사실을 되새김할 수 있는 계기가 되어 유익한 시간이었다.

 Leave a Reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>