구조방정식 모델링

구조방정식 모델링(構造方程式 - , 영어: structural equation modeling, SEM)은 경로 분석, 회귀 분석, 요인 분석이 합성되어 발전된 통계 방법이다. 구조방정식 모델링의 특징은 직접 측정할 수 없는 잠재변수(Latent variable)를 분석에 포함시킬 수 있다는 것이다. 따라서 사회과학 분야에서 각광받아온 방법론이나, 최근에는 자연과학 분야에서도 응용하려는 움직임이 나타나고 있다.

구조 방정식 모형에서 인과관계 모형을 밝혀내기 위해서는 측정이 타당하고 신뢰할 수 있어야 하며 충분한 사례 수가 필요하다. 변인이 많아지면 분석에 요구되는 사례수가 늘어나며, 인과 모형의 복잡도에 의해서도 필요한 사례수가 변화한다.

구조방정식(Structural equation)은 일반적으로 모델을 구성하고 있는 방정식을 말한다. 보통 개개의 방정식을 포함하는 경우가 많다. 그러므로 모델을 내생변수에 대해서 풀어, 각 방정식에 내생변수가 하나만 포함하는 방정식으로 만드는 것이 유용하다. 이것을 유동형(reduced form)이라 하여 일반적으로 예측할 때에 사용된다. 즉 이 유도형에서는 내생변수와 외생변수가 직접 계수(係數)에 따라 계류되어 있어서 외생변수에 예측치를 대입하면 즉시 내생변수의 예측치를 구할 수 있다.

경로분석(Path analysis), 확인적 요인분석(Confirmatory Factor Analysis: CFA), 잠재성장곡선모형(Latent Growth Curve Modeling), 구조회귀모형(Structural Regression Modeling), 조절분석(Moderation analysis), 매개분석(Mediation analysis)등을 구조방정식 모형을 통해 할 수 있다.

현재 교육학, 심리학, 사회학, 경영학, 경제학 등 사회과학분야의 다양한 부분에서 활용되고 있다.

국내에서는 SPSS의 친화성 및 경로모형을 직접 그릴 수 있다는 장점을 가진 GUI 툴인 AMOS가 가장 널리 사용되고 있으나, 전통적으로 많이 사용되어 왔던 LISREL, EQS 등의 툴도 존재한다. Muthen & Muthen 사에서 제작한 Mplus는 현존하는 구조방정식 소프트웨어들 중 가장 강력한 기능을 자랑한다. 이 외에도 최근에는 무료 통계분석 소프트웨어인 R의 패키지인 'sem'과 'lavaan'을 사용하여 구조방정식분석을 할 수 있게 되었다. 무료로 제공하는 것중에는 python패키지로는 seompy등도 사용된다.

• 개념적 모형
• 통계학
• 통계적 유의성
• 통계적 가설
• 통계적 추론
• 공업통계학(영어판)
  • 품질관리

• 위키미디어 공용에 구조방정식 모델링 관련 미디어 분류가 있습니다.
• SPSS 코리아 홈페이지
• (한국어) 통계분석연구회

이 문서에는 다음커뮤니케이션(현 카카오)에서 GFDL 또는 CC-SA 라이선스로 배포한 글로벌 세계대백과사전의 "구조방정식과 유도형" 항목을 기초로 작성된 글이 포함되어 있습니다.

이 글은 통계학에 관한 토막글입니다. 여러분의 지식으로 알차게 문서를 완성해 갑시다.