YesStat — 잠재성장모형 (LGM) (결과)

잠재성장모형 (LGM)

초기치 · 변화율 · 개인차 · 예측변수 투입

그림 17. 잠재성장모형100%

초기치(Intercept)는 적재량을 모두 1로, 변화율(Slope)은 0·1·2·3으로 고정합니다. 두 잠재변수의 평균과 분산이 핵심 결과입니다.

표 1. 모형 적합도

모형	χ²	df	χ²/df	CFI	TLI	RMSEA	SRMR	AIC
무변화 모형	184.62	8	23.08	.684	.658	.218	.142	1284.6
선형 성장	12.48	5	2.50	.982	.978	.048	.032	1128.4
이차 성장	3.14	1	3.14	.994	.962	.062	.018	1126.8

선형 성장모형이 간명성과 적합도의 균형이 가장 좋아 채택되었습니다.

표 2. 성장요인 추정값

요인	평균	S.E.	t	p	분산	S.E.	p
초기치 (i)	3.412	.068	50.18	<.001	.284	.042	<.001
변화율 (s)	0.128	.021	6.10	<.001	.046	.012	.002
i ↔ s 공분산	−.038	.014	−2.71	.007	—	—	—

r(i, s) = −.184.

표 3. 예측변수 투입 결과

경로	B	S.E.	β	p	해석
직무자원 → 초기치	.584	.062	.612	<.001	자원이 높을수록 출발점이 높음
직무자원 → 변화율	.082	.028	.214	.003	자원이 높을수록 증가폭도 큼
초기치 → JP_t4	.412	.068	.448	<.001	출발점이 성과를 예측
변화율 → JP_t4	.628	.142	.338	<.001	증가폭이 성과를 예측

해석interp_rules.rule_id = LGM_LINEAR_SIG · 매칭조건 slope_mean_p<.05 AND slope_var_p<.05

선형 성장모형의 적합도가 우수하였습니다(χ²/df = 2.50, CFI = .982, RMSEA = .048).

변화율의 평균이 0.128로 유의하여(p < .001) 직무열의가 시점당 평균 0.128점씩 증가하였습니다. 변화율의 분산도 유의하여(σ² = .046, p = .002) 개인마다 변화 양상이 다름이 확인되었습니다. 이 분산이 유의하지 않으면 예측변수를 투입할 이유가 없습니다.

초기치와 변화율의 상관이 r = −.184로 부적이어서, 출발점이 낮았던 사람이 더 크게 증가하는 따라잡기 현상이 관찰되었습니다.

코드 생성 · 이 분석을 다른 프로그램 문법으로

MODEL:
  i s | WE_t1@0 WE_t2@1 WE_t3@2 WE_t4@3;
  i s ON JR_mean;
  JP_t4 ON i s;
ANALYSIS: ESTIMATOR = MLR;
OUTPUT: STDYX TECH4;

sem (I -> WE_t1@1 WE_t2@1 WE_t3@1 WE_t4@1) ///
    (S -> WE_t1@0 WE_t2@1 WE_t3@2 WE_t4@3), ///
    means(I S) latent(I S) method(mlmv)

mod <- ' i =~ 1*WE_t1 + 1*WE_t2 + 1*WE_t3 + 1*WE_t4
 s =~ 0*WE_t1 + 1*WE_t2 + 2*WE_t3 + 3*WE_t4
 i ~ JR_mean
 s ~ JR_mean'
fit <- growth(mod, data=dat); summary(fit, fit.measures=TRUE)

* SPSS는 LGM을 지원하지 않습니다. AMOS 또는 Mplus를 사용하십시오.

모형이나 변수 지정을 바꾸면 네 코드가 함께 갱신됩니다. 심사자가 다른 프로그램으로 재현을 요구할 때 그대로 전달할 수 있습니다.