통계로 번돈 기부에 동참을 하면서 ~

통계분석 2012. 12. 4. 10:18 |

글 정말 오랜만에 써 봅니다. 프리랜서 생활 하다가 한 직장의 팀장으로서의 생활은 또 다른 패턴을 가져다 주네요

 

지난주 나름 뿌듯한 그래서 이 블로그를 빌어 저한테 통계를 맡겨주신분들에 대한 심심한 감사를 드리고자 글 올립니다.

 

사실 통계를 사이드잡으로 시작한지는 누차 말씀드렸다시피 꽤 되었습니다. 지난 2003년부터 되었겠네요. 제 글 잘 읽어보시면 아시겠지만 회사중에도 유학중에도 쉬지 않았습니다.

 

근데 항상 마음에 걸렸던게 부업으로 번외머니를 벌면서도 한번도 좋은 일을 한적이 없었다는 것입니다.

 

그래서 올해 통계로 제가 번 금액이 적은돈은 아니더라구요. 해가 갈수록 찾아주시는 분들도 많고, 졸업하신분들이 또 소개시켜 주시고 해서 제 능력이상의 돈을 번것같습니다. 근데 정말 기부라는것에 너무 인색했던것 같습니다. 2007년 한국으로 돌아오면서 아시아나 승무원이 예뻐서 주머니에 있는 돈 다 털어서 유니세프 봉투에 넣은 이후로 계속해서 유니세프에서 보내주는 지로용지에 대해서 납입하는 정도 입니다.

 

이번에는 좀 크게 기부할 마음을 먹었습니다. 제 이름이 아닌 저한테 의뢰주신 여러분들에 대한 이름으로 말입니다.

 

사실 작다면 작은 돈이고 저한테 크다면 큰 돈이라고 생각이 되지만 어디다 기부를 할까 생각을 했습니다. 사랑의 열매는 비리온상이라서 패스, 유니세프는 하고 있으니까 패스, ARS는 수수료가 너무 쎄서 패스, 그러다 보니 어떤곳이든 직접 전달해주는게 좋겠다는 생각이 들어서 지난번에 콩을 기부했던 단체에 기부를 하기로 결정했습니다.

 

결정하고 망설이기도 했지만 (사실 그돈이면 노트북을 최신형으로 바꿀수 있는 금액인데 ,전 아직도 2008년산 넷북으로 작업을 하거든요 가끔 프리징 현상이 일어나기도 하지만 아직은 쓸만합니다.) 간략한 메모와 함께 바로 보냈습니다.

 

저도 TV에서 본거는 있어서 누가 보냈는지 그런거는 적지도 않았습니다. 다만 "저와 제 블로그 고객의 힘을모아" 라는 메모 문구만 보냈습니다.

 

그리고는 아무도 알아주지 않은듯 해서.(기부 한번 하고 이렇게 생색내기 그렇지만) 여기에라도 올리는겁니다.

 

추운겨울 누군가에게 힘이 될수도 있다는 사실에 뿌듯한 마음이 들고 아울러 저한테 의뢰주신 여러분들에게도 감사드립니다.

 

로또가 되서 인생 은퇴 하지 않는 이상 계속 이 작업은 하렵니다 ~~

 

 

저작자표시


:

그 옛날 구조방정식을 공부하면서...

통계분석 2010. 4. 9. 10:17 |


벌써 몇년전 일인지요.. 조금 더 있으면 강산이 변하는 시점에 다가오네요...

선배들이 술 사주겠다고 통계 도와달라고 해서 재미 붙이다 보니.. 아 나도 이런쪽에  재능이 있구나 하는생각에 재미를 붙였던 통계.. 기초 통계를 시작으로 해서.. 고등학교때도 관심이 없었던 방정식까지 공부를 하고 보니..

"나도  공부를 못했던 것은 아니었구나 " 하는 생각이 들더랍니다..

그리도 사회생활 언 7년을 넘어선 시점에서 통계는 아직도 저에게 유용한 수단이자 도구입니다..^^

이번에 책을 다 정리하면서.. 문득 메모장에 예전에 AMOS 공부하면서 틈틈이 메모 적어놓은것 있어서 저같이 답답해 하셨던 분들한테 도움이 될까 하고 그래도 옮겨 봅니다...^^

-------------------

오차항

일상적으로 오차항은 독립변수의 왼쪽
종속변수는 오른쪽에 위치
측정변수 위에 마우스 놓고, 오차하이 자리를 잡을때까지 계속해서 마우스를 누른다. 그럼 왼쪽에 위치하게 된다.

오차항 문구 특별히 신경 쓸필요 없음 (amos)

잠재요인 리그레션 웨이트 = 1

CFA 기본틀 그리고 = 관측변수 3개를 가진 하나의 측정모형을 만듦

좌클릭 상태에서 드래그로 타원 그리기-> 마우스 포인트를 타원에 놓고 마우스 좌클릭 세번

측정오차의 변수명은 plugin기능을 활용하여 자동적을 한꺼번에 입력

(plugins) -> (name unobserved variables) 클릭

손가락 클릭-> 잠재변수 다섯개 좌클릭 -> (plugins-draw covariances) 클릭

EFA를 CFA로 다시 사용한 예 DABHOLKAR AND BAGOZZI (2002) .. 그렇지만 연구자들의 입장에서는 매우 조심스러운 입장이다.

FILE -> DATA FILES -> 해당 파일 클릭

개별로 분석하고 -> 전체로 분석하고...

----------------------------------------

정렬하는 방법은 Ctrl Key 누르고 수직 / 수평으로 갈것

가로 세로 바꾸기 -> Edit -> Space -> Vertically

오차항의 위치변경은 (내생변수)에서 클릭, 클릭 할것

연구모형을 가로 세로 바꾸기는 View -> Interface -> Properties -> page layout -> Orientation -> Landscape

외생변수의 공분산 자동으로 하기는 잠재요인지정 -> menu -> plgins -> draw covariances

경로모형을 시트내에 맞추게 하기 위해서는 네모칸에 화살표 각 방향으로 간것..

-------------------------------

5개의 잠재변수를 가지고 확인요인분석 실시 후 마지막 두개의 판별타당성에 문제가 있을경우

둘 중 하나 혹은 둘다를 제거하는 방법을 선택.

 

적합도 지수를 고려하여 더 좋은것을 선택할것

 

선행연구 대부분이 3-4개의 관측변수 설정

 

수정지수는 카이제곱값이 얼마나 작아지는가에 대한 값이다.

 

RMR < 0.05  GFI > 0.90 

 

AGFI >0.90 & GFI > AGFI 가 되어야 함

 

RMSEA  <0.05  /  TLI, NFI, CFI  >0.09

 

NOTE FOR MODEL에 오류가 생길경우 분석결과 신뢰가 어려우므로 오류를 수정해야 한다. 가장 많은 오류는 음오차분산이다

분산은 제곱의 개념이기 때문에 음수가 나올수 없다. 만약 X가 음오차 분산이라면 다음과 같은 메시지가 뜬다.

 

해결방법은 해당 변수에 마우스 우클릭 -> OBJECT properties-> parameter탭의 variances에 0.0005를 입력해주면 된다.

 

그러나 음오차 수정을 하기에 앞서 모형을 수정해봐라..

6

그 다음 model fit을 확인 카이제곱 RMSEA GFI  AGFI  NFI  RFI  IFI  TLI  CFI  를 본다

 

지수 체크 후 잠재변수와 관측변수간의 상관관계인 윕실런 유의성을 체크 /비표준 웹실런과 C.R은 양수가 되어야 한다 (유의해야 함)

 

준거변수 맞추기..

 

수정

 

-----------

 

amos 아웃풋 창에서 여러가지 지수가 제시된다,

 

적합도 지수 중 카이제곱 값을 보면 카이제곱=19.576 d.f=2  p=0.000 으로 나타났다. 이는 카이제곱의 p값이 0.05보다 커야 바람직하다는 기준치를

충족시키지 못하고 있다. 그러나 적합도 지수 중 카이제곱은 표본의 크기가 클 경우 기준치를 충족시키기는 어렵다는 점을 고려할때 큰 문제가 되지 않는다

다른 적합도 지수인 RMR은 0.038로 나타나 기준치를 충족시켰으며 GFI도 .960으로 나타나 기준치를 충족시켰다.  이러한 내용을 고려할때 본

잠재요인의 측정 적합도 지수는 수용할만하다고 볼수 있겠다.

 

적합도 지수가 수용 가능하며 요인부하량을 점검해야 한다. 이는 통계적으로 유의해야 하는데 만약 유의적이지 못하면 그 항목은 제거해야 한다.

REGRESSION WEIGHTS가 요인부하량이다. .

 

 

 

--------------------------------

 

regression weights (인과계수)에서 c.r값은 spss 에서 언급하는 t값과 동일한 의미이다. 그러므로 +- 1.96보다 클때는 그  의미가 있는것이다

 

C.R값은 인과계수를 표준오차로 나눈 값이다

 

표준화된 인과계수는 절대치의 대소나 부호를 보면서 인과관계를 파악한다.

 

VARIANCES 에서는 각 잠재요인과 측정변수의 분산 값을  보여준다 ESTIMATES 값이 마이너스로 나오면 안된다. 이럴경우 HEYWOOD CASE라 한다.

 

이 케이스가 발생하였다면, SMC 값과 적합도 검정결과를 파악하는 것은 무의미 하다. 제일먼저 처리를 해야 한다.

 

1) 헤이우드 케이스를 제거하던지 2) 아니면 변수를 그대로 사용하기 위해서는 일반적으로 오차항을 0.005와 같이 아주 작은 값으로 고정시켜야 한다. 오차분석을 0.005로

제한하면 오차분산이 마이너스로 나타나지 않는다.  오차분산을 0.005로 고정시키는 이유는 적재치를1보다 작은  값으로 하기 위해서이다.

 

--------------------

 

CMIN/DF -> 일반적으로 2이하이면 모델이 적합하다고 한다.

 

 

 

저작자표시


:

요즘 경로모형 하시는분들이~(논문통계)

통계분석 2009. 5. 11. 15:30 |

요즘 논문통계 의뢰주시면서 AMOS 문의하시는 분들이 많아서요...^^

http://www.heybears.com/2512043  원문은 여기입니다...^^
 

1. 일단 AMOS7을 실행시키면 다음과 같은 화면이 나옵니다. 화면을 보면 상단에 메뉴가 있고, 왼쪽에 도구모음이 있습니다. 그리고 가운데에는 이런저런 결과값들을 보여주는 상태화면이 있고, 오른쪽에는 경로모형을 그리게 될 스테이지가 있습니다. 



2. AMOS를 실행하기 위해서는 먼저 데이터를 매칭시켜야 한다고 하네요. 그래서 원천데이터를 SPSS에 입력을 해 놓은 후에 그것을 불러서 지정해야 합니다. 특강 시간에 예제로 받은 데이터 중에 Joreskog가 설명한 '노조에 대한 호감도 모형'인가 하는 데이터를 매칭시켜 사용하였습니다. SPSS 데이터를 지정해 주기 위해서는 File > Data Files를 선택합니다.



3. File > Data Files를 선택하면 창하나가 뜨는데, 여기서 File Name을 선택합니다. 



4. 열기 대화창이 뜨면 매칭시킬 SPSS 데이터를 선택하고 '열기' 버튼을 클릭합니다.



5. 파일이 지정되었습니다. OK 버튼을 클릭하면 완료됩니다.



6. 이렇게 하면 SPSS 데이터와 그리려고 하는 경로모형이 매칭되었습니다. 이제 경로모형을 그리면 됩니다. 특강 교수님께서는 최종적으로 그리게 될 경로모형은 연필로 종이에 먼저 그려 놓고 캔버스에 그대로 옮겨 놓으라고 말씀하셨습니다. 미리 그려 놓지 않으면 삽질을 할 가능성이 크기 때문이겠지요. 최종적으로 그려야할 경로모형은 다음과 같습니다.


이러한 모양으로 그리기 위해서 왼쪽에 있는 도구모음을 이용하게 되는 것입니다.


7. 도구모음 중 자주 사용할 것 같은 몇가지를 설명해보겠습니다.


도구모음 상단에 보면 네모, 동그라미, 그리고 조직도 처럼 생긴 것이 있습니다. 

네모는 외생변수와 내생변수를 그리는 아이콘입니다. 네모를 그린 후 영향을 주고 받는 형태를 화살표로 표시하고, 그곳에 변수이름을 적어 경로모형을 완성하게 됩니다. 여기서 주의할 점은 변수이름은 SPSS에서 지정한 변수명과 동일해야 합니다. 

동그라미는 오차변수를 그리는 아이콘입니다. 오차변수는 이름은 마음대로 지정할 수 있지만, 항상 1로 고정해야 합니다. 오차변수를 그린 후에 화살표를 내생변수 쪽으로 그려줘야 합니다. 내생변수는 반드시 오차변수가 있어야 합니다.

조직도 처럼 생긴 아이콘은 구조방정식을 그릴 때 내생변수와 오차변수를 한꺼번에 그려주는 도구입니다. 네모와 동그라미 그리고 화살표를 가지고 하나씩 그려줘도 괜찮지만 이 아이콘을 이용하면 시간을 절약해 줄 수도 있고, 오차변수에 1을 할당하지 않는 오류를 방지할 수도 있습니다.

화살표에는 단방향 화살표와 양방향 화살표가 있습니다. 단방향 화살표는 외생변수에서 내생변수로 그려주는 것이고, 양방향 화살표는 상관관계를 나타내는 것입니다. 모든 외생변수 간에는 양방향 화살표를 그려주어여 합니다. 

흰색 네모와 동그라미가 연결되어 있는 아이콘은 내생변수에 오차변수를 자동으로 그려주는 아이콘입니다. 이 아이콘을 사용하면 계수를 자동으로 1로 할당해 주기 때문에 오류를 줄일 수 있습니다. 내생변수에 대고 클릭할 때마다 위치가 변하니 원하는 위치에 그려주면 되겠습니다. 



손가락 1개짜리 아이콘은 오브젝트를 선택하는 아이코이고, 손가락 4개짜리는 다중선택하는 아이콘이고, 주먹 아이콘은 선택한 오브젝트를 해제시키는 아이콘입니다.

복사기 모양 아이콘은 복제 아이콘이고, 소방차 모양 아이콘은 오브젝트를 이동시키는 아이콘입니다. 엑스모양의 아이콘은 오브젝트를 지울 때 사용합니다.


8. 이런 저런 아이콘을 활용해서 경로모형을 그려보면 다음과 같습니다. 외생변수끼리 서로 상관관계가 있다는 것을 표시하기 위해서 양방향 화살표를 맞게 그어 주었고, 오차변수도 제대로 할당되었습니다. 그리고 SPSS에 있는 변수이름과 동일하게 네모 속의 변수이름도 잘 적어 주었네요. 성공적입니다.



9. 이렇게 하고 나면 경로모형 그리기는 끝이 나고 결과값을 계산해야 합니다. Analyze > Calculate Estimates 메뉴를 선택합니다. 도구모음에도 이에 해당하는 아이콘이 있으니, 아이콘을 찾아 클릭해도 됩니다.



10. 그러면 가운데의 상태영역에 무언가 휘리릭 텍스트들이 지나가는 것을 확인할 수 있습니다. 뭔가 잘못되었다면 오류 메시지가 뜰 것이고 정상적이라면 chi-square 값이 나올 것이라고 하는군요. 제가 실습할 때는 정상적으로 된 것 같습니다.



11. 이제 계산 결과를 봐야겠습니다. View > Text Output을 클릭하면 결과 화면을 볼 수 있습니다.



12. AMOS의 output 화면입니다. 원하는 영역별로 값들이 나와 있으니 이것을 가지고 해석을 하면 된다고 합니다. 그런데 아직 내공이 부족하여 결과값별로 해석을 어떻게 해야하는지는 모릅니다. 이 부분은 차차 공부를 하면서 정리를 다시 해야할 것 같습니다.



이렇게 해서 경로모형에 대한 실습을 해 보았습니다. 특강 때 같이 해 보고 나중에 다시 해보았는데, 그다지 어려운 부분은 없었습니다. 물론 이렇게까지 한다고 해서 모든 것이 끝나는 것이 아님을 잘 알고 있습니다. 결과에 대한 해석과 논의가 더 중요하기 때문입니다. 


13. 아...그런데 여기서 중요한 것을 하나 놓치고 있었습니다. 바로 결과값을 계산하라고 하기 전에 어떤 옵션을 통해 할 것인가를 지정해야하는데요. View > Analysis Properites를 클릭하여 옵션을 지정해야 합니다.



View > Analysis Properites를 클릭한 후 Output 탭으로 가면 여러가지 옵션이 있습니다. 이 중에서 반드시 Minimization history, Standardized estimates, Squared multiple correlation, Modification indices, Indirect/direct & total effects, Tests for normality and outliers를 체크하고 Threshold for modification indices는 4로 지정을 해야한다고 합니다. 이거 정말 중요하다고 하는군요. 



이런 옵션을 체크하고 나니 앞의 결과와는 다르게 modification indices라는 메뉴가 생깁니다. 이게 뭐냐면 결과값이 유의미하지 않으니 수정해야하는 '수정지수'를 추천해 주는 것이라고 합니다. 결과값을 보니 e2와 e1 사이에 양방향 화살표를 그려주거나, DEFER와 SUPPO 사이에 단방향 화살표를 그어주라고 나옵니다. 여기서 추천해 주는값은 통계적인 계산에 의해서 나온 것이고, 이 중에서 어떤 것을 선택할 것인지는 이론적인 배경을 통해 결정해야 합니다. 일반적으로 오차변수 간의 양방향 화살표보다는 외생/내생변수들 간의 화살표가 의미가 있으니 그것을 우선적으로 해야 한다고 합니다.



14. 수정지수를 반영하여 DEFER에서 SUPPO쪽으로 화살표를 하나 그렸습니다. 그런 다음 estimates를 다시 하면 수정지수를 반영한 결과가 나오게 됩니다.



15. Output 기능을 통해 결과를 해석할 수 있습니다. 이때 활용되는 메뉴가 Model Fit입니다. 경로모형으로 그린 경로도가 통계적으로 적합한 것인지를 확인하는 메뉴라고 할 수 있습니다. 여러가지 적합도 조건이 있겠으나, HOELTER 값이 200이 넘으면 괜찮은 경로도라고 판단할 수 있다고 하는군요. 왜 그런지는 모르겠습니다만...



--- 저기서 좀 가지고 왔습니다...
저작자표시


:

티스토리툴바