이 장에서는 lavaan으로 첫 구조방정식모형을 만드는 과정에 들어갑니다. 핵심 용어를 익히고, 모형을 구성하고 실행하는 방법을 배웁니다. 고전적인 Holzinger and Swineford (1939) 데이터셋을 사용해 정신 능력에 대한 단일 요인 모형을 만들어 봅니다.

모형 명세

텍스트 속도 모델 만들기

Political Democracy 모델 구성하기

모델 분석

텍스트 속도 모델 분석

정치적 민주주의 요약하기

모형 평가

표준화 적재량 살펴보기

적합도 지수 살펴보기

정치적 민주주의 살펴보기

단일 요인 모형

이 장에서는 lavaan을 활용해 다요인 모형을 만드는 기술을 확장합니다. 이전 장의 단일 요인 모형을 개선하여, 고전적인 Holzinger and Swineford (1939) 데이터셋에서 여러 잠재변수를 구성해 보겠습니다.

다요인 사양

자유도 0 모델 만들기

Zero df 모델 수정하기

다요인 모델 구축

다요인 모형 요약하기

모델 구조

상관이 0인 삼요인 모형

직접 경로 만들기

수정 지수

모형 분산 확인

수정 지수 검토하기

모형 비교

두 모델 비교

특정 적합 지수 선택하기

다요인 모형

구조방정식모형은 항상 매끄럽게 실행되지는 않습니다. 이 장에서는 흔히 발생하는 오류인 Heywood 사례를 진단하고 해결하는 방법을 배웁니다. 또한 R에서 semPlot 라이브러리를 사용해 모형을 다이어그램으로 표현하는 방법도 익힙니다.

잠재변수에서의 Heywood 사례

잠재 Heywood 사례 분석하기

잠재 Heywood 모델 수정하기

명시 변수에서의 Heywood 사례

명시적 변수의 Heywood 사례 분석

관측변수 헤이우드 모델 수정하기

semPaths()로 다이어그램 만들기

기본 SEM 다이어그램

레이아웃 편집하기

레이블 편집하기

모형 오류 해결과 다이어그램

이 장에서는 WAIS-III IQ 척도와 그 구조적 특성을 살펴봅니다. 앞선 세 장에서 익힌 역량을 바탕으로 WAIS-III에 대한 다양한 모형을 만들고, 그 과정에서 발생하는 오류를 해결하며, 최종 모형의 다이어그램을 작성합니다.

WAIS-III IQ 척도 모델링하기

네 요인 모형 만들기

모델 업데이트하기

최종 모델 다이어그램 그리기

WAIS-III 모델 업데이트하기

적합도를 높이기 위해 경로 추가하기

모델 비교

IQ의 위계적 모형

계층적 모형 만들기

위계적 모형 다이어그램화

코스 마무리

완성 예제와 확장

Latent Variable Heywood Case Data

WAIS-III IQ Data for Hierarchical Model

Negative Variance Heywood Case Data

데이터를 다루다 보면 미래를 예측하는 모델을 만들고 싶을 때가 많지만, 데이터가 어떻게 서로 연결되고 구조화되어 있는지도 더 깊이 이해하고 싶습니다. 이 강의에서는 R 프로그래밍 언어의 lavaan 패키지를 사용해 구조방정식모형(SEM)으로 데이터의 연결성을 탐구합니다. SEM을 통해 잠재변수와 관측변수를 배우고, 측정모형을 만드는 방법, 측정모형의 정확도를 평가하는 방법, 적합도가 낮은 모형을 개선하는 방법을 익히게 됩니다. 강의 전반에 걸쳐 Holzinger and Swineford (1939), Bollen (1989)와 같은 고전적인 SEM 데이터셋을 다루고, Wechsler 성인용 지능검사(Wechsler Adult Intelligence Scale)를 활용한 다요인 모형 사례 연구도 진행합니다. 이 강의를 마치면 데이터 속으로 더 깊이 들어가 전체가 어떻게 맞물려 있는지 훨씬 풍부하게 이해할 수 있게 됩니다.

Intermediate Regression in R

척도나 설문지 구조를 확인하는 측정 모델을 만들고 평가하는 방법을 배우세요.

R에서 lavaan으로 배우는 구조방정식모형

척도나 설문지의 구조를 확인하기 위한 측정 모형을 생성하고 평가하는 방법을 학습합니다.

명시 변수에서의 Heywood 사례

Create Your Free Account