문서의 임의 삭제는 제재 대상으로, 문서를 삭제하려면 삭제 토론을 진행해야 합니다. 문서 보기문서 삭제토론 요인 분석 (문단 편집) ==== [[AMOS]]에서의 CFA ==== 사실 CFA의 용도로 처음 쓰였던 통계 패키지는 AMOS가 아니라 '''LISREL'''이었다. 당장 CFA의 가능성을 구체화한 저 [[스웨덴]]의 심리통계학자 칼 예레스코그(K.G.Jöreskog) 본인이 직접 LISREL을 만들고 매뉴얼도 찍어내고 엄청나게 세일즈를 했기 때문. 그러나 LISREL의 가장 큰 문제점은 바로 '''[[진입장벽]]'''에 있었다. 일단 모형 속의 모든 문자는 [[그리스 문자]]로 통일되었으며, 명령어를 코딩할 때에는 반드시 [[행렬]]의 형태로 코딩해야 했다. 이러다 보니 --[[수포자]] 출신이 상당수인-- [[사회과학]] 분야에서는 마음이 있어도 선뜻 시도할 수가 없었다. 국내에는 [[1990년대]]에 소개되었는데, 아직도 각 대학교의 나이 지긋하신 원로교수님들이나 굉장히 보수적인 --그리고 까탈스러운-- 연구자들은 여전히 LISREL에 대한 확고한 애착(…)을 갖고 있는 경우가 많다. 현대의 각 학문분야마다 가장 대세가 된 CFA용 소프트웨어는 이제 거의 '''[[AMOS]]'''로 굳어졌다. 그 이름은 "Analysis of Moment Structure" 의 약자이며, 제임스 아버클(J.L.Arbuckle)과 워너 워스케(W.Wothke)에 의해 개발되었으며[* Arbuckle, J. L., & Wothke, W. (1999). AMOS 4.0 user's guide. Chicago, IL: SmallWaters Corporation.] 이후로는 [[IBM]]과 제휴하여 서비스 중이다. 마치 [[SPSS]]가 그렇듯이, 이것도 유저 인터페이스에 있어서라면 '''시각적으로 직관적이고 활용하기가 매우 쉽다.''' 즉, [[진입장벽]]이 매우 낮은 프로그램이며, 평범한 [[대학원생]]들도 두어 시간 특강을 듣고 나면 간단한 모형을 만들 수 있을 정도이다. 게다가 SPSS와 동시에 버전업을 할 수 있으며, 심지어 두 프로그램 간에 연동도 된다! 사용하기 쉽다는 점 때문에 --[[중2병]]도 아니고 박사생 2년차 병에 걸린-- 일부 연구자들에게는 가소롭다는(?) 듯한 눈빛을 받기도 하지만, 쓰는 사람이 많다는 것은 곧 그만큼 '''가열찬 업데이트와 기능 보강'''을 보장한다는 얘기다. AMOS로 분석할 수 있는 기능들로는 [[부트스트랩]], 혼합 모델링(mixture modeling), 자료 대체(data imputation), 잠재성장모형(latent growth model), 마르코프 체인 [[몬테 카를로]](MCMC; Markov Chain Monte-Carlo) 방법을 활용하는 [[베이즈 확률론|베이지안 추정]] 등이 있다. 사실 저 [[SPSS]]도 워낙에 쓰는 이가 많다 보니 기존에는 지원하지 않던 희귀한 분석법이나 자주 쓰이는 기초적인 분석들은 해외에서나 국내에서나 연구자들이 .spe 파일 번들로 만들어서 마구 뿌려대고 학교 컴퓨터실마다 깔아놓고 하는 걸 보면(…) 결국 사용자 수가 소프트웨어의 분석력을 [[하드캐리]](?)하는 모양이다. 물론 AMOS에는 단점도 분명히 있다. 일단 앞에서 언급했듯이 '''조형지표모형을 제대로 다루지 못한다.''' 그래서 그런 모형에 한해서는 SmartPLS나 RAMONA 같은 다른 소프트웨어들에게 밀린다. 또 '''원천자료'''(raw data)를 직접 입력해야만 분석이 가능하다는 점은 [[양날의 검]]이 될 수 있는데, LISREL의 경우 원천자료가 없어도 행렬자료만 있으면 분석이 가능하다는 점과 잘 대비된다. 더불어 [[SPSS]]처럼 은근히 초보 분석가들을 골탕먹이는 지점들이 좀 있다. 예컨대 외생변인에 구조오차를 연결하는 실수를 해도 AMOS는 '''시스템 자체적으로 이를 막거나 경고를 보내지 않으며,''' 내생변인에 오차항을 붙여주지 않고 분석을 강행해도 이를 그냥 허용해 준다. 마지막으로, 변인 이름을 지정할 때 심지어 [[한글]]까지도 인식할 수 있는 주제에, 정작 [[띄어쓰기]]는 인식하지 못한다(…). 위에서도 언급했지만 아직까지도 연구 현장에서 [[높으신 분들]]은 LISREL이 무조건 진리(…)라는 숭고한 가르침을 받으며 연구해 왔기에, 간혹가다 후학이 AMOS를 쓴다고 했을 때 코웃음을 치거나 무조건 LISREL로 갈아타라고 요구하는 경향이 다소 잔존해 있다고 한다. 사실 이분들이 통계를 배울 때만 하더라도 LISREL이 실제로 [[최고존엄]]이기 때문인 것도 하나의 이유지만, AMOS는 처음부터 강력한 [[다크호스]]로 등장했다기보다는 꾸준히 업데이트를 거치면서 개선되어 온 소프트웨어였다는 점도 다른 이유이다. 이 때문에 실제로 초창기 버전의 AMOS는 한계가 굉장히 많고 LISREL보다 여러 모로 뒤처졌지만, 현대의 최신 버전의 AMOS는 LISREL과 비교해서 전혀 손색이 없는 강력함을 자랑한다. 그렇기 때문에 '''LISREL과 AMOS 간의 [[최강논쟁]]은 더는 의미가 없다'''고 봐도 될 것이다. 실질적인 이용 팁을 몇 가지 언급할 수 있을 것이다. 먼저 AMOS 상에서 '''모형분석 결과를 보고'''하는 경우다. 우선 '''위반추정량'''(offending estimate)이 있는지 걸러내려면, 헤이우드 사례가 있는지, 1.0을 초과하는 표준화 계수가 있는지, 계수의 표준오차가 큰 것이 있는지, 오차분산이 0에 가까운 것이 있는지 확인해야 한다. AMOS에서 말하는 '''임계비'''(CR; critical ratio)는 모수의 값을 표준오차 추정치로 나눈 것인데, 검정을 위한 임계치로 쓰일 수 있다. 또 '''요인 점수의 가중치'''를 찾기 위해서는 Properties ▶ Output ▶ Factor score weights 로 들어가면 된다. 다음으로 AMOS에서의 '''모형 추정'''을 조금 언급하자면, AMOS는 미지의 모수행렬에 들어갈 원소들을 표본행렬 속의 실제 관측된 데이터에 최대한 일치시키기 위하여 '''반복추정법'''(iterated estimation)을 실시한다. AMOS는 그 기준으로서 우리가 이미 접해봤던 ML을 비롯하여 일반최소제곱법(GLS; generalized least squares), 비가중최소제곱법(ULS; unweighted least squares), 척도자유최소제곱법(scale-free least squares), 점근분포자유법(ADF; asymptotically distribution-free) 등등의 현란한(…) 테크닉들을 갖고 있다. 이를 둘로 구분하자면, ML과 GLS, ADF는 각각의 회귀식을 따로 추정하는 게 아니라 모형 속의 모든 계수들을 한꺼번에 추정하는 '''완전정보기법'''(full information technique)에 속하며, 이 때문에 한 모수에 변화가 생기면 다른 모수들도 영향을 받기 쉽고, 설정오차에 더 민감하다. 만약 이런 문제를 피하고 싶다면 '''부분정보기법'''(partial information technique)에 해당하는 ULS를 골라서 명령하면 된다.저장 버튼을 클릭하면 당신이 기여한 내용을 CC-BY-NC-SA 2.0 KR으로 배포하고,기여한 문서에 대한 하이퍼링크나 URL을 이용하여 저작자 표시를 하는 것으로 충분하다는 데 동의하는 것입니다.이 동의는 철회할 수 없습니다.캡챠저장미리보기