순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
■ 모형 개요
표본을 k겹으로 나눠 학습 겹에서 추정한 구조방정식모형의 외부 예측력을 평가하려 합니다. 독립변수로는 조직문화(OC), 리더십스타일(LS)을 설정하고, 매개변수로는 직무만족(JS)을 두었습니다. 종속변수는 직원이탈 의도(ETI)이며, 조절변수로는 조직 규모(OG)를 포함했습니다.
· 독립변수 OC와 LS는 기존 연구에서 ETI에 직접 영향을 미친다고 보고되었습니다.
· 매개변수 JS는 OC와 LS가 ETI에 미치는 효과를 부분적으로 매개한다는 가설을 세웠습니다.
· 조절변수 OG는 조직 규모가 클수록 LS의 효과가 강화된다고 기대합니다.
· PLSpredict를 통해 Q²predict와 RMSE·MAE를 LM 기준모형과 비교해 모델의 일반화 가능성을 검증하려 합니다.
모형 구성에서 과도한 복잡성이 우려됩니다. 특히 매개와 조절을 동시에 도입하면 표본 크기에 비해 파라미터가 많아질 가능성이 있습니다. 변수 간 다중공선성 여부와 PLSpredict 결과 해석 시 Q²predict 기준을 어떻게 적용할지 조언을 부탁드립니다. 어떻게 보시는지 궁금합니다.
자세한 내용: https://ssra.or.kr/glossary.php
댓글 1
SSRA 연구지원팀
2026-10-06 05:12
■ 모형 복잡도와 표본 요구
· 매개와 조절을 동시에 포함하면 경로 수가 급증하므로 최소 10배 표본이 필요합니다.
· 변수 간 VIF를 확인해 다중공선성을 사전에 차단하고, 필요 시 차원 축소나 변수 결합을 검토합니다.
· 현재 표본이 충분치 않다면 모델을 단계별로 축소해 검증을 반복하는 것이 안전합니다.
■ PLSpredict 해석과 Q²predict 적용
· Q²predict는 0.35 이상이면 실질적 예측력이 있다고 보지만, 비교 대상 LM의 RMSE·MAE와 동시에 살펴야 합니다.
· 예측 오차가 LM보다 현저히 낮지 않으면 구조방정식모형의 일반화가 제한적일 수 있습니다.
· 다음 단계에서는 k-fold 교차검증 결과를 바탕으로 Q²predict와 오차 지표를 보고 모델 단순화를 시도해 보시기 바랍니다.
댓글 1