KCI등재
Monte Carlo Study for Comparison of Weighted Least Square Mean and Variance (WLSMV) and Maximum Likelihood (ML) on the Latent Growth Modeling with Categorical Repeated Measures
저자
발행기관
학술지명
권호사항
발행연도
2007
작성언어
-주제어
KDC
370
등재정보
KCI등재
자료형태
학술저널
발행기관 URL
수록면
213-232(20쪽)
KCI 피인용횟수
1
제공처
소장기관
이 연구의 목적은 잠재성장모형에서 WLSMV와 ML의 결과를 시뮬레이션 연구를 통해서 비교하고자 하는 것이다. 반복측정의 현실적 조건을 고려하여 표집의 크기를 50, 100, 200, 400로, 성장패턴은 선형성장으로 제한하였다. 이 연구에서 주요 관심 추정치는 성장률의 평균, 성장률과 초기상태의 변량, 그리고 성장률과 초기상태의 공변량에 대한 추정치이다. 시뮬레이션 연구 결과 두 추정방법 모두 조금씩 편파적 추정치를 산출하였다. WLSMV 추정법은 표집의 크기가 커짐에 따라서 추정치들이 모수치에 매우 근접하였으나, ML 추정법은 표집이 상대적으로 큰 경우에도 추정치의 편파성이 크게 줄어들지 않았다. WLSMV와 ML 모두 표집의 크기가 늘어나는 경우 표집오차는 줄어들었다. 모델의 적합성 지수인 RMSEA는 WLSMV에서 비교적 정확한 정보를 제공하는 반면 ML에서는 1종 오류가 높아, 적합한 모델을 기각하는 경우가 빈번하였다. 두 추정방법을 실제 자료에 적용한 경우, 예상했던 바와 같이 추정치들이 달랐으며 아동의 언어력 성장 형태에 대해 서로 다른 결론을 유출하였다. 이 연구를 통해서 불편추정치를 얻기 위해서표집의 크기가 적어도 200명 정도 필요하며, 모수추정 방법을 선택함에 있어서 자료의 특징을 고려해야 함을 확인 할 수 있었다.
더보기The purpose of this study was to compare mean and variance adjusted weighted least squares (WLSMV) and maximum likelihood (ML) estimation methods with categorical repeated measures in latent growth modeling.<BR> We performed a simulation study using Mplus 3.0.Two estimators were compared across four sample sizes: 50, 100, 200, and 400. For the simplicity"s sake, we dealt with only a linear growth pattern. We also applied two estimators to real data with similar conditions to the simulated data.<BR> Regardless of estimators, all estimates were at least slightly biased. Particular focus was placed on four parameters: the mean of slope (LC), the variances of intercept (IS) and slope (LC), and the covariance between IS and LC. For WLSMV these estimates were biased positively. The bias for the variance of the LC was dramatically decreased as the sample size increased. On the contrary, ML estimates showed severe negative bias except for the mean of IS. One important finding is that this severe bias in ML estimates was not reduced even when the sample size increased. And ML results in lower standard errors of estimates than WLSMV. Increasing sample size result in decreasing in standard error for both WLSMV and ML. Chi-square as a model fit index tends to over-reject the true model in ML and is greatly influenced by sample size. RMSEA functions very well for WLSMV estimation and does not work well for ML estimation. In addition, as expected, two estimators leaded two different conclusions on the growth pattern of the nonsense word fluency (DIBELS) of first graders.<BR> From this study, we recommend in order to obtain unbiased estimates for latent growth model, at least sample size of 200 is needed for either estimator and to be careful to choose an estimator based on data under investigation.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2026 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2020-01-01 | 평가 | 등재학술지 유지 (재인증) | KCI등재 |
2017-01-01 | 평가 | 등재학술지 유지 (계속평가) | KCI등재 |
2013-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2010-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2008-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2006-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2004-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2001-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
1998-07-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.91 | 0.91 | 0.99 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
1.02 | 1.03 | 1.646 | 0.37 |
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)