AMOS로 종속변수가 binary인 모형을 돌리는데 모델핏이 낮은 이유는?
안녕하세요 저는 독일에서 심리학과 박사과정 중인 학생입니다.
제가 연구실 데이터로 분석을 하던 중 막히는 부분이 있어서요.
구글로도 검색해봤지만 통계가 전공은 아니라서 수식 이해에는 부족한 부분이 많아 사회과학도가 이해할 수 있는 수준에서 답변을 요청드리고자 글을 남깁니다 ㅠㅠ
제 모형의 경우는 두 개의 latent variable (각 4문항으로 구성)이 binary인 종속변수에 미치는 영향을 비교하는 연구입니다.
구글링을 열심히 한 결과, 변수가 non numerical한 경우 AMOS로는 몬테카를로 방식을 이용해 분석을 하라고 하여 가이드에 따라 Bayesian 분석을 실행하였습니다.
이에 모델 핏으로는 Posterior predictive p 값 (.5에 가까울 수록 좋다는..)을 보는데, 제 모델의 경우 값이 0.0-0.03을 넘어가지 않더라고요 ㅠㅠ
모델핏 차치하고도 독립->종속에 해당하는 값이 통계적으로 유의하지 않아 아마 대안을 찾아야 할 것 같은데 막연한 궁금증이 들어 질문하게 됐습니다.
1. 앞서 설명한 모형을 Bayesian 분석으로 돌리는 것이 맞나요? 일단 제 이해도 수준과 수집한 정보에 따라 분석하였는데, 애초에 이게 옳게 한건지 싶어서요.
2. 만약 위의 결과가 통계적으로 유의하였다면, 로지스틱 회귀 결과와 마찬가지로 “독립변수가 높을 수록 B할 확률이 ~(odds)이다”처럼 해석을 하는 것이 맞나요?
3. 제 모형의 경우 아쉽게도 posterior predictive p값이 기준점에 한참 모잘랐지만.., 모형의 어떤 지점이 모델핏이 낮게(혹은 높게) 만드는 건가요? 애초에 모형 자체가 make sense 하지 않은 경우인지 (eg. 독립->종속 관계가 없어서), 아니면 N수가 적어서인지 (제 모형의 경우는 심지어 다집단이라 집단별 100~300명 사이였습니다) 아무리 구글링을 해봐도 이해가 잘 안되어서요 ㅠㅠ
통계 고수님들의 조언을 부탁드려요 ㅠㅠ
Existing replies
이일현 (2018-05-31 18:18:44)
1.2. 예
3. 이 값만으로는 알 수 없습니다.
data 상태에 따라 모형에 따라 너무 많은 경우의 수가 있을 수 있습니다.
Legacy document_srl: 245336 / Legacy URL: http://www.statedu.com/QnA/245336
