본 연구의 목적은 다양한 모형을 나타낼 수 있는 구조방정식의 특징을 살리면서 대규모자료를 분석하는 탐색적인 상황에서 사용하는 의사결정나무가 결합된 SEMtree와 SEMtree 에 앙상블(ensanble) 방법이 적용된 SEMforest를 소개하고 그 실용성을 보이는 것에 있다. 이를 위해 자료의 규모가 크고, 측정된 배경변인이 많은 ECLS-K:2011 자료에서 6 시점의읽기 성취도 점수, 인구통계학적 변인 4개, 사회적 행동을 측정한 4개의 변인을 활용하여SEMtree와 SEMforest를 분석하였다. 그 결과 인구통계학적 변인만을 투입한 인구통계학적SEMtree와 SEMforest에서는 사회경제적 지수의 중요성이 가장 높게 나타났고 인구통계학적 변인뿐만 아니라 사회적 행동을 측정한 변인들까지 투입한 완전 SEMtree와 SEMforest 에서는 학습 태도 및 행동 변인의 중요도가 가장 높았다. 이러한 결과를 통해 대규모 자료를 탐색적으로 분석해야 하는 상황에서, 구조방정식이 가지는 다양한 모형을 명세화할 수 있다는 장점과 결정된 군집 내에서 이질성을 최소화하는 방향으로 자동적으로 집단을 분류할 수 있는 의사결정나무 방법의 실용성에 대해 논의하였다.
Ⅰ. 서 론
Ⅱ. 이론적 배경
Ⅲ. 분석 방법
Ⅳ. 분석 결과
Ⅴ. 결론 및 논의
참고문헌