보조변수를 이용한 다중대체법 시 구조방정식모형의 모형적합도

Model Fit of Multiple Imputation with Auxiliary Variables during Estimation of Structural Equation Modeling

본 몬테카를로 모의실험연구는 구조방정식모형 시 보조변수와 다중대체법이 모형적합도에 미치는 영향에 대하여 연구하였다. 본 연구는 표본크기, 결측률, 결측 메커니즘 조합, 결측 종류, 보조변수 사용 유무 등의 결합 조건이 모형적합도(χ2 또는 F-test)와 모형적합도지수(NFI, TLI, CFI, RMSEA, BIC 수정지수)에 어떤 영향을 주는지 조사하였다. 보조 변수를 대체모형에 포함시키는 것이 더 심각한 결합 조건에서 모형적합도를 다소 향상시키는 것으로 나타났다. 다중대체법이 대체로 완전제거법보다 양호한 결과를 보였는데, 특히 모형적합도에서, 모형적합도지수 중 NFI에서 그러하였다. 다변량 정규분포를 위배하는자료나 잘못 설정된 모형이 보조변수를 이용한 다중대체법에 미치는 영향을 후속 연구로 제시하였다.

This Monte Carlo study investigated the effect of including auxiliary variables on model fit during estimation of structural equation modeling with multiple imputation, compared to listwise deletion. Specifically, this study examined the influence of sample size, missing rates, missingness mechanism combinations, missingness types (linear or convex), and absence/presence of the auxiliary variables on fit statistic (χ2 or F-statistic) and ad hoc fit indices (NFI, TLI, CFI, RMSEA, and modified BIC index). Including auxiliary variables in the imputation model was found to improve the overall model fit with the more severe conditions. The MI techniques generally outperformed listwise deletion, particularly in terms of the overall model fit and the NFI index. The effect of multivariate nonnormal data and misspecified models on model fit with auxiliary variables in multiple imputation needs to be studied in future research.