잠재프로파일 설계

프로파일을 나눌 지표와 선행요인·결과변수, 탐색할 프로파일 수와 분산 구조, 예상 프로파일 이름을 정하고, 프로파일 수·선행요인·결과변수 가설과 권장 표본을 거쳐 설문까지 자동으로 작성하는 잠재프로파일분석(LPA) 설계 기능이며, 현재 «테스트 중» 단계다.

잠재프로파일분석은 변수 사이의 평균적인 관계 대신 «응답 양상이 비슷한 사람끼리의 하위 집단(프로파일)»을 찾는 사람 중심 접근이다. 어떤 지표로 프로파일을 나누고, 무엇이 소속을 가르며(선행요인), 프로파일마다 무엇이 달라지는지(결과변수)를 먼저 정해야 분석과 해석이 이어진다. SSRA 는 이 세 갈래를 설계로 받고, 추정 모수 수와 가장 작은 프로파일을 반영해 권장 표본을 계산하며, 연구대상의 일반적 특성을 위한 배경정보 문항도 함께 넣어 설문을 만든다.

1. 연구설계 화면에서 [새 잠재프로파일 설계 작성]을 누르고 연구 주제를 정한다.
2. 연구계획서 — 연구문제를 정의한다.
3. 프로파일 설계 구성 — 지표·선행요인·결과변수, 프로파일 수 범위·분산 구조·예상 이름, 응답자 배경정보(성별·연령대·학력·직업)를 정한다.
4. 가설설정 — 프로파일 수 가설과, 선행요인·결과변수마다 방향(어느 프로파일에서 높거나 낮은지)을 고른다.
5. 표본설계 — 가장 작은 프로파일 비율·최소 인원·추정 모수로 권장 표본을 확인한다.
6. 측정척도 구성 — 조작적 정의·측정문항·참고문헌을 적는다. AI 프롬프트와 일괄등록을 쓸 수 있다.
7. 설문지 작성 — 척도 문항과 배경정보 문항이 든 설문을 만든다.

잠재프로파일분석(LPA)

연속형 지표의 응답 양상이 비슷한 사람끼리 보이지 않는 하위 집단(프로파일)으로 묶는 혼합분포 모형. 변수 중심이 아니라 사람 중심 분석이다.

프로파일 지표

프로파일을 나누는 기준이 되는 연속 변수(보통 하위요인 척도 평균 3~10개).

분류 엔트로피

응답자가 프로파일로 얼마나 분명하게 나뉘었는지를 0~1로 나타낸 값. .80 이상이면 분류가 양호하다고 본다.

붓스트랩 우도비 검정(BLRT)

프로파일이 k−1개인 모형과 k개인 모형을 비교해 프로파일을 하나 더 두는 것이 나은지 검정하는 방법. BIC 와 함께 프로파일 수를 정하는 근거가 된다.

Q. SSRA에서 잠재프로파일분석(LPA) 연구를 설계할 수 있나요?

A. 연구설계 화면의 [새 잠재프로파일 설계 작성]에서 지표·선행요인·결과변수와 프로파일 수 범위를 정하고, 가설과 권장 표본을 거쳐 설문까지 이어서 만들 수 있습니다. (잠재프로파일 설계는 현재 테스트 중입니다.)

Q. 잠재프로파일분석에는 몇 명이 필요한가요?

A. 표본설계 단계에서 세 기준 중 가장 큰 값을 권장 표본으로 보여 줍니다 — 300명 이상(프로파일 수를 고르는 지수가 안정되는 크기), 가장 작은 프로파일에도 최소 인원이 들어가는 크기, 추정 모수 하나에 5명. (테스트 중)

Q. 성별·연령 같은 인구통계는 어떻게 다루나요?

A. 설계의 «응답자 배경정보(표본 기술용)»로 설문 끝에 넣고, 결과·보고서에 연구대상의 일반적 특성 표와 프로파일별 분포(χ² 교차분석)를 싣습니다. 프로파일 소속을 설명하는 변수로 쓰려면 선행요인으로 고르면 다항 로지스틱 회귀에 들어갑니다. (테스트 중)