잠재전이분석에서 종단측정동일성 검증을 위한 적합도 지수 수행력 탐색

Investigating the Performance of Fit Indices for Testing Longitudinal Measurement Invariance in Latent Transition Analysis: A Monte Carlo Simulation Study

잠재전이분석(Latent Transition analysis, LTA)에서 종단측정동일성(Longitudinal Measurement Invariance, LMI) 가정은 전이확률에 대한 해석을 간명하게 해주고, 모형 식별에 도움을 주며, 모수 추정의 편파를 줄여주는 등 개념적이고 통계적인 측면에서 이점을 가진다. 따라서 LTA에서 LMI 가정을 위한 동일성 검증이 필요하나, 이에 대한 인식과 실제적 방법론에 대한 논의가 부족했던 것이 사실이다. 이에 본 연구는 다양한 LMI 유형 중 구조동일성 수준에 초점을 맞춰 연구자들이 LTA에서 LMI 검증을 하는데 필요한 적합도 지수의 수행력 분석을 주요 연구문제로 다루고자 한다. 이를 위해 몬테카를로 시뮬레이션 방법에 따라 모의실험 연구를 설계하고 다양한 모의조건에서 LMI 검증 기준으로 흔히 활용되는 네 가지 적합도 지수의 수행력을 탐색하고 비교했다. 연구 결과 첫째, 구조동일성 모형 검증을 위한 적합도 지수의 수행력은 완전동일 및 부분동일 조건에 비해 비동일 조건에서 낮은 양상을 보였다. 둘째, 비동일 조건 중에서도 표본크기가 작고 탐지해야 하는 구조비동일성 정도가 작을 때 적합도 지수의 검증 수행력이 좋지 못했다. 셋째, 적합도 지수별로 수행력의 차이가 확인되었다. 마지막으로 본 연구를 논의하고 추후 연구를 위한 제언을 추가하였다.

In latent transition analysis (LTA), the assumption of longitudinal measurement invariance (LMI) carries significant advantages, such as simplifying interpretation of transition probabilities, aiding model identification, and reducing bias in parameter estimation. Despite it’s importance, there’s a notable lack of practical methodologies for LMI testing in LTA models. This study aims to address this gap by investigating and comparing the performance of four commonly used fit indices such as AIC, BIC, SABIC, and LRT-for structural LMI tests in LTA under various conditions. This will provide empirical guidelines for researchers conducting LMI tests in the context of LTA. To this end, a simulation study was designed and conducted using the Monte Carlo method. In total, 560 conditions were manipulated, and data were generated from 500 iterations for each condition. Mplus 8.3 and the R package ‘MplusAutomation’ were used for data generation and model analysis, while the Python libraries ‘pandas’ and ‘pdfminer’ were used for preprocessing the results. The results are as follows. First, all model fit indices demonstrated favorable performance when the LMI was satisfied completely or partially. Second, the performance of the fit indices was weaker when the LMI was not met, due to the small sample size and the subtle degrees of LMI violation to be detected. Third, the AIC showed stable performance in detecting LMI violations across all conditions, followed by LRT, SABIC, and BIC. Finally, the practical implication of the results were discussed.