추가 적립 안내

이 책은 두 부분으로 나뉜다. 제1부는 다중회귀분석에 초점을 둔다. 처음에는 단순, 이분산회귀분석(simple, bivariate regression)에 초점을 둔 후, 두 개, 세 개 그리고 네 개의 독립변수를 가진 MR 쪽으로 초점을 확대해 간다. 우리는 흥미롭고 중요한 연구문제에 답하는 하나의 방식으로서 MR의 분석과 해석에 집중할 것이다. 그러한 과정에서, 또한 여러분이 MR을 수행할 때 무슨 일이 일어나고 있는지를 이해할 수 있도록 하기 위하여 MR에 관한 분석적인 세부사항을 다룰 것이다. 여러분이 연구문헌에서 접하게 될 MR의 세 가지 다른 유형 또는 특색, 장단점 그리고 적절한 해석에 초점을 둘 것이다. 다음 단계로, 다중회귀분석에 범주형 독립변수를 추가할 것인데, 그 지점에서 MR과 ANOVA의 관계가 더 명확해질 것이다. 회귀선에서 상호작용과 곡선도표를 검정하는 방법과 이러한 방법을 흥미 있는 연구문제에 적용하는 방법을 학습할 것이다. 제1부의 끝에서부터 두 번째 장(章)은 MR에 대해 학습해 왔던 것을 요약하고 통합하는 검토의 장이다. 그것은 제1부를 학습한 사람에게 검토할 기회를 제공해 줄 뿐만 아니라, 주로 제2부의 내용에 관심이 있는 사람에게 유용한 도입부(introduction)가 될 것이다. 아울러 이 장은 이전 장들에서 완벽하게 다루어지지 않았던 몇 가지 중요한 주제를 소개한다. 제1부의 마지막 장은 두 개의 관련 분석방법, 즉 로지스틱 회귀분석(Logistic Regression: LR)과 다수준모형분석(Multilevel Modeling: MLM)을 MR에 대해 학습해 왔던 것을 사용하여 개념적인 방식으로 제시한다.

제2부는 이 책 부제의 ‘넘어(Beyond)’ 부분인 SEM에 초점을 둔다. 우리는 PA 또는 측정변수가 있는 SEM에 관한 논의로 시작한다. 단순경로분석은 MR분석을 통해 쉽게 추정되며, MR의 적절한 활용과 해석에 대한 질문 중 상당 부분은 이러한 발견적인 도움(heuristic aid)으로 답해질 것이다. 이 장들에서는 인과성(causality)의 신뢰할 수 있는 대(對) 신뢰할 수 없는 추정의 문제에 관하여 좀 더 심층적으로 다룰 것이다. 오차(error, ‘연구의 골칫거리’)의 문제는 PA에서 잠재변수를 포함하는 분석방법(CFA와 잠재변수 SEM)으로의 전환을 위한 출발점이 될 것이다. CFA는 측정오차를 구인(construct) 때문에 발생하는 편차(variation)에서 분리함으로써 연구에서 주요한 관심 구인에 좀 더 근접하게 접근한다. 잠재변수 SEM은 CFA의 장점과 함께 PA의 장점을 이 책을 읽어 감에 따라 우리가 논의하게 될 문제 중 상당 부분을 부분적으로 없애 주는 강력하고 융통적인 분석 시스템 속에 통합한다. SEM에 관한 심화 주제를 다룸에 따라, 우리는 SEM 모형에서 상호작용과 잠재변수의 평균 간 차이를 검정하는 방법을 학습하게 될 것이다. SEM은 잠재성장모형(Latent Growth Models: LGM)과 같은 분석방법을 통해 시간 경과에 따른 변화를 분석하는 데 매우 효과적이다. 심지어 상당히 복잡한 SEM을 논의할 때조차도, 우리는 일반적으로 비실험 연구와 구체적으로 SEM의 일어날 수 있는 위험에 대해 한 번 더 반복한다.