구조방정식모형에서 경로계수의 검정 방법들에 대한 비교 연구

Comparative Study on Testing Methods of Path Coefficient in Structural Equation Model

구조방정식모형을 이용하여 데이터 분석을 수행할 때 주요 관심이 되는 것은 경로계수들에 대한 추정과 검정이다. 경로계수들에 대한 검정 방법으로는 -값을 이용하는 방법, Satorra-Bentler의 척도화 검정통계량을 이용하는 방법, Bollen-Stine의 붓스트랩 방법 등이 사용된다. 이러한 방법들은 모두 근사적인 검정 방법으로서 주어진 데이터 및 모형의 형태에 따라서 서로 다른 검정결과를 제공하는 경우도 있다. 본 논문에서는 주요 검정 방법들에 대해 모의실험(simulation)을 사용하여 다양한 상황하에서 제1종 오류를 산출하였으며, 이를 통해 주요 검정 방법들의 성능이 어떤지를 평가하였다. ML 방법은 추정과 검정의 관점에서 ML 방법이 정규분포로부터의 이탈에 로버스트(robust)한 성질을 가지는 것으로 나타났다. 반면에 WLS 방법의 경우에는 표본크기가 작을 때 수렴하지 않는 비율이 상대적으로 높으며, 제1종 오류도 상대적으로 크게 나타났다. 따라서 WLS 방법은 표본크기가 상당히 클 때 유용하다는 것을 알 수 있다. 붓스트랩 방법의 경우에는 표본크기가 커질수록 제1종 오류가 오히려 커지는 경향이 있음을 볼 수 있다. 따라서 붓스트랩 방법을 적용할 때 이러한 현상을 개선할 수 있는 보완이 필요하다고 여겨진다.

When performing data analysis using the structural equation model, one of the main concerns is the estimation and testing of path coefficients. As a test method for path coefficients, a method using t-value, a method using a scaling test statistic of Satorra-Bentler, and a bootstrap method of Bollen-Stine are used. All of these methods are approximate testing methods, and in some cases provide different test results depending on the type of data and model given. In this paper, the type I error was calculated under special circumstances by using bootstrap simulation for the main test methods, and through this, the performance of these testing methods was evaluated. In terms of estimation and testing, the ML method was found to have a robust property in deviating from the normal distribution. On the other hand, in the case of the WLS method, the non-convergence rate was relatively high when the sample size was small, and the type I error was also relatively large. Therefore, it can be seen that the WLS method is useful when the sample size is quite large. In the case of the bootstrap methods, it can be seen that the type I error tends to increase as the sample size increases. Therefore, it is considered that a supplement to improve this phenomenon is necessary when applying the bootstrap methods.