메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
신재은 (중앙대학교 심리학과) 이태헌 (중앙대학교)
저널정보
한국심리학회 한국심리학회지:일반 한국심리학회지:일반 제36권 제4호
발행연도
2017.1
수록면
477 - 504 (28page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
최근 심리척도의 차원 구조를 연구하기 위한 측정적 속성 탐색에 있어 쌍요인(Bifactor) 모형 활용에 대한 논의가 증가하고 있다. 쌍요인 모형은 척도의 모든 문항의 공통 분산을 공유하는 하나의 일반요인(general factor)과 일반요인이 설명하지 못하는 문항의 분산을 공유하는 집단요인(group factor)로 이루어져있으며 일반요인과 집단요인은 서로 상관이 없다(orthogonal)고 가정하는 모형이다. 쌍요인 모형을 활용하면, 이론적으로 하나의 일반요인을 측정하고자 제작된 척도가 문항의 표현 효과(wording effect) 등과 같은 방법 요인(method factor)으로 인해 다차원으로 구성된 척도인 것처럼 보이는 것이 아닌지 테스트할 수 있다. 본 논문에서는 척도의 차원성을 연구할 때 매우 유용하게 사용될 수 있고 쌍요인 모형 적합 결과부터 도출될 수 있는 모형 기반 신뢰도인 오메가 계수(ω coefficients)와 일차원 검정을 분명하게 할 수 있는 일차원 검정 지수인 ECV(Explained Common Variance)를 중심으로 쌍요인 모형의 유용성을 개관하고자 한다. 이들 지수들을 어떻게 계산하고 해석하는지 예시하기 위하여 본 개관 논문에서는 Rosenberg 자아존중감 척도와 정서접근적 대처 척도(Emotional Approach Coping Scale)를 사용하였다. 확인적 요인분석 결과 Rosenberg 자아존중감 척도의 경우 쌍요인 모형의 적합도가 가장 우수하며 오메가 계수와 일차원 지수(ECV) 값을 모두 고려할 때 방법요인으로부터 설명되는 개인차는 매우 적고 일반요인의 영향력이 가장 커 단일 차원으로 보는 것이 타당한 것으로 밝혀졌다. 정서접근적 대처 척도의 경우 모형 적합도는 쌍요인 모형이 가장 우수하였으나 오메가 계수와 일차원 지수(ECV) 값을 고려할 때 집단요인에 비해 일반요인의 크기가 상대적으로 지배적이지 않아 2요인 구조로 척도를 이해하는 것이 이론적․해석적 측면에서 용이한 것으로 나타났다. 이를 통해 쌍요인 모형 적용 시 적합도 뿐 아니라 도출할 수 있는 여러 지수를 통해 보다 명확한 척도의 차원성을 밝힐 수 있음을 제시하였다.
#Bifactor model #general factor #group factor #omega coefficients #ECV #confirmatory factor analysis

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0