잠재변수를 활용한 상호작용 효과 분석 방법 비교 : LMS, RCSLMS, RAPI 방법을 중심으로
Comparing Methods for Analyzing Interaction Effects Using Latent Variables: Focusing on LMS, RCSLMS, and RAPI
- 주제어 (키워드) 잠재상호작용 , 곱 지표변수 접근법 , 분포분석 접근법 , 단일지표 분석방법 , latent interaction , product indicator approach , distribution analytic approach , single-indicator method
- 발행기관 서강대학교 일반대학원
- 지도교수 석혜원
- 발행년도 2025
- 학위수여년월 2025. 2
- 학위명 석사
- 학과 및 전공 일반대학원 심리학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000079803
- UCI I804:11029-000000079803
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
심리학을 포함한 여러 사회과학 분야에서 상호작용 효과 모형은 활발하게 이용되는 분석 방법이나 잠재변수가 아닌 관찰변수를 이용한 분석이 주를 이루고 있다. 이에 심리학에서는 직접 관찰되지 않는 변수를 다루는 경우가 많은 만큼 측정오차를 통제하여 잠재변수를 활용한 상호작용 효과 분석 방법이 여러 연구자들에 의해 제안되었다. 대표적으로는 곱 지표변수 접근법과 분포 분석 접근법이 있으며, 각 방법은 장단점을 가지고 있다. 곱 지표변수 접근법은 적합도 지수를 도출한다는 장점이 있으나 복잡한 비선형 제약과 단계적 분석으로 인한 절차적 복잡성이 단점으로 여겨지고, 분포분석 접근법은 모형으로의 확장성과 추정의 정확성은 높으나 표본 크기가 작은 경우에는 비수렴 문제가 발생할 가능성이 있고 모형의 복잡성에 따라 추정에 매우 많은 시간이 소요된다는 단점이 있다. 이에 최근에는 곱 지표변수 접근법과 분포분석 접근법 모두에서 단일 지표변수를 활용한 연구들이 대안으로 제시되었다. 그러나 기존 연구들의 경우 측정 모형 내 요인 부하량의 동일성을 가정하는 평행 또는 타우 동등성 모형을 상정하였다는 점에서, 실제적인 자료 수집 상황을 고려해 보았을 때 다소 비현실적인 측면이 있다. 이에 본 연구에서는 상호작용 효과를 분석하는 모형으로 (1) 전통적인 다중 회귀 분석 방법(MREG), (2) 잠재 조절 구조식(LMS), (3) 신뢰도 교정 단일지표 잠재 조절 구조방정식(RCSLMS), (4) 신뢰도 조정 곱 지표변수 방법(RAPI)에 따라 분석 결과의 정확성에 어떤 차이가 있는지 시뮬레이션 연구를 통해 확인해 보고자 하였다. 구체적으로, 표본 크기, 상호작용 효과 계수, 신뢰도, 요인 부하 동일성 수준을 시뮬레이션 조건에 포함하였으며, 각 모형별로 추정의 정확성을 확인해 보고자 하였다. 분석 결과, 요인 부하 동일성 조건이 위배되지 않을 경우에는 단일 지표변수를 활용한 잠재 상호작용 분석 방법의 모수 추정이 우수하였으나, 동일성 조건이 위배 될수록 추정 및 가설 검증의 정확도가 낮아지는 것으로 나타났다. 반면, 분포분석 접근법은 표본 크기가 작은 경우에 비수렴 문제가 발생하긴 하였으나, 요인 부하 동일성 수준과 관계없이 대부분의 조건에서 안정적인 추정을 하는 것으로 나타났다. 본 연구는 이를 토대로 자료의 조건과 상황에 따른 적절한 분석 방법을 제안하였다. 이와 함께 연구의 의의 및 한계점을 논의하고, 후속 연구 방안을 제시하였다.
more초록 (요약문)
In psychology and other social sciences, interaction effect models are widely used analytical tools. However, most analyses rely on observed variables rather than latent variables. Given the frequent need to analyze latent constructs in psychology, several methods have been proposed to incorporate latent variables into interaction effect models while accounting for measurement error. Among these, the product indicator approach and the distribution analytic approach are particularly notable, each with distinct strengths and limitations. The product indicator approach allows for the evaluation of model fit indices but is often criticized for procedural complexity due to nonlinear constraints or stepwise analyses. Conversely, the distribution-based approach offers high estimation accuracy and scalability for complex models but faces risks of non-convergence with small sample sizes and requires extensive computational time for such models. Recently, studies utilizing single-indicator methods have emerged as alternatives within both the product indicator and distribution-based frameworks. However, existing research often assumes equality of factor loadings under parallel or tau-equivalent conditions, which may not accurately reflect real-world data collection scenarios. To address these limitations, this study investigates the accuracy of analytical results across four interaction effect modeling approaches through a simulation study: (1) traditional multiple regression analysis (MREG), (2) Latent Moderated Structural Equations (LMS), (3) Reliability-Corrected Single-Indicator Latent Moderated Structural Equations (RCSLMS), and (4) the Reliability-Adjusted Product Indicator method (RAPI). The simulations include varying conditions such as sample size, interaction effect coefficients, reliability, and levels of factor loading equivalence to evaluate the accuracy of parameter estimates for each model. The results indicate that single-indicator methods perform well in parameter estimation when the assumption of factor loading equivalence is met. However, as violations of this assumption increase, the accuracy of estimation and hypothesis testing deteriorates. In contrast, the distribution-based approach demonstrates robust estimation across most conditions, despite occasional convergence issues in small samples. Based on these findings, this study proposes appropriate analytical methods tailored to different data conditions. Additionally, the study discusses its implications, acknowledges limitations, and offers directions for future research.
more목차
Ⅰ. 서론 1
1. 연구 배경 1
2. 잠새상호작용 분석 방법 4
2-1. 전통적인 접근법 4
2-2. 곱 지표변수 접근법 5
2-3. 분포분석 접근법 10
3. 단일지표를 활용한 잠재상호작용 분석 13
3-1. RAPI 방법 13
3-2. RCSLMS 방법 15
4. 단일지표 분석방법 관련 선행연구 16
Ⅱ. 연구 방법 18
1. 자료 생성 방법 18
2. 시뮬레이션 절차 21
3. 평가 준거 23
Ⅲ. 연구 결과 25
1. 모수 편향 26
2. 표준오차 편향 31
3. MSE 36
4. 95% coverage 41
5. 1종 오류 & 검정력 46
6. 비수렴률 51
Ⅳ. 논의 52
참고문헌 58
