추가 적립 안내

다층모형은 적용분야가 매우 광범위함에도 불구하고 (적어도 사회과학 분과에서) 그다지 널리 사용되지 않고 있다. 여러 원인이 있겠지만 다층모형을 추정하는 데이터 분석 프로그램에 접근하기 쉽지 않은 것이 하나의 주요한 원인이다. R 프로그램을 활용한 체계적인 다층모형 분석서 『R을 이용한 다층모형』은 일찌감치 R의 매력에 빠져 다양한 연구에 활용하고 있는 저자가, 보다 많은 연구자들이 오픈소스 프로그램인 R을 이용해 위계적 데이터를 체계적이고 효율적으로 분석할 수 있도록 안내하기 위해 저술한 이론적·실용적 참고서적이다. 책에는 다층모형을 이해하기 위해 필요한 개념들, R을 이용하여 다층모형을 추정하는 일련의 과정(데이터 사전처리, 모형추정, 결과 해석 및 제시)을 담았다. 또 다층모형과 연관된 다른 데이터 분석기법들[구조방정식모형(SEM), 문항반응이론(IRT) 모형, 메타분석, 일반화추정방정식(GEE)]의 관계, 다층모형 사용 시 주의할 점과 논란이 되는 점 등도 소개하였다. 이 책을 통해 독자들은 오픈소스 프로그램인 R을 이용하여 비용 부담 없이, 그리고 간편하게 데이터를 사전처리하고, 다층모형을 추정하며, 그래픽 작업까지 일괄적으로 처리할 수 있는 방법을 익힐 수 있을 것이다.

다층모형, 위계적 데이터 분석에 적합한 통계분석기법
데이터 분석을 하다 보면 개인별로 시간에 따른 변화패턴이 다른 경우, 집단별로 개인의 태도나 행동을 예측하는 방정식의 형태가 다른 경우를 종종 접하기 마련이다. 이때 일반적으로 사용하는 데이터 분석기법인 회귀분석이나 분산분석을 사용하면 정확하지 않거나, 심지어 현상을 왜곡시키는 결과를 얻을 수도 있다. ‘다층모형(MLM, Multi-level model)’은 위계적 데이터를 분석할 때 측정수준별 효과를 보다 효과적으로 추정할 수 있는 분석기법으로, 이러한 경우에 매우 유용하게 사용할 수 있다.
구체적으로 다층모형은 개인이 집단에 배속되어 있는 형태의 군집형 데이터, 혹은 한 개체를 여러 시점에 걸쳐 반복적으로 측정한 형태의 시계열 데이터를 분석할 때 유용하다. 따라서 여러 시점에 걸쳐 반복적으로 측정된 시계열 데이터를 사용하거나 집단별로 개인의 태도형성이나 행동패턴이 어떻게 다른지를 연구하는 학문분과(언론학, 경제학, 사회학, 정치학, 교육학, 경영학 등)에 몸담고 있는 연구자들이 효과적으로 사용할 수 있다.

1부 일반선형모형과 다층모형
1장 다층모형은 왜 필요한가?
2장 위계적 데이터 분석시 일반선형모형 사용의 문제점
3장 다층모형 이해를 위한 필수 개념들
3.1 위계적 데이터 구조: 군집형 데이터 대(對) 시계열 데이터
3.2 효과의 종류: 고정효과 대(對) 랜덤효과
3.3 독립변수 변환: 전체평균 중심화변환 대(對) 집단평균 중심화변환
3.4 다층모형 추정법: 제한적 최대우도 추정법(REML) 대(對) 최대우도 추정법(ML)

2부 다층모형 추정을 위한 데이터 사전처리
1장 군집형 데이터의 사전처리: merge() 함수와 inner_join() 함수
2장 시계열 데이터의 사전처리: reshape() 함수와 gather() 함수
3장 집단평균 중심화변환

3부 다층모형 구성 및 추정
1장 2층모형
1.1 2수준 시계열 데이터
1.2 군집형 데이터
2장 3층모형
3장 일반다층모형: 정규분포가 아닌 종속변수인 경우
3.1 로지스틱 다층모형
3.2 포아송 다층모형
4장 교차분류모형

4부 다층모형과 기타 고급 통계기법
1장 구조방정식모형(SEM)
2장 문항반응이론(IRT) 모형
3장 메타분석(meta-analysis)
4장 일반화추정방정식(GEE)

5부 마무리
1장 요약
2장 다층모형을 둘러싼 논란

참고문헌
찾아보기