소개글
결측 패턴 파악에 대한 SEM의 활용에 대한 자료입니다.
본문내용
결측 패턴 파악에 대한 SEM의 활용
(MCAR, MAR, MNAR)
A comparison of Missing Data Methods on Statistical Influence in Latent Growth Modeling (Shin, 2006)-replication
연구의 목적 및 필요성
모수 통계 이론에 근거, 양적 연구를 진행함에 있어 안정적인 결과를 얻기 위한 기본가정(적정 수 이상의 표본, 다변량 정규분포를 따르는 측정변인, 결측치가 없는 완전한 자료)
이러한 조건 중 가장 충족되기 어려운 것이 무엇보다 ‘결측치’가 없는 완전한 자료(패널 데이터의 경우 중도탈락, 의도를 갖고 결측을 유발시키는 경우) -> 추정의 Bias
결측 매커니즘(Missing Mechanism)
MCAR(Missing Completely At Random)
MAR(Missing At Random)
MNAR(Missing Not At Random)
->1. MNAR은 MAR의 성격도 포함한다.
2. 실제 연구에서 MNAR을 따른다고 증명하 는 것이 거의 불가능함
사용 Data 및 분석모형
KELS 1차년도부터 3차년도까지 중학생 국, 영, 수 척도점수를 사용하여 결측 패턴(구체적으로, MNAR확인과 분석)을 확인해 보았다.
MNAR 확인을 위한 모형으로는 PMM(Pattern Mixture Modeling)과 Diggle-Kenward의 선택모형을 사용했다. 이 둘 모두 SEM에서의 Latent Growth Modeling에 기초한다.