논문에서 자주 인용되는 선행연구(2): 잠재계층분석/잠재프로파일분석 관련 논문

이번 포스팅에서는 잠재계층분석 혹은 잠재프로파일분석과 관련하여 자주 인용되는 논문들을 알아보고자 한다.

 

☞ 잠재계층분석 및 잠재프로파일 분석 관련 포스팅: 

2020/04/20 - [통계 공부/Mplus] - [Mplus] 잠재계층분석(LCA)/잠재프로파일분석(LPA) syntax 설명

2020/09/26 - [통계 공부/Mplus] - [Mplus] 잠재성장계층분석(LCGA) syntax 설명

 

Lo, Y., Mendell, N. R., & Rubin, D. B. (2001). Testing the number of components in a normal mixture. Biometrika, 88(3), 767-778.

Muthén, B., & Muthén, L. K. (2000). Integrating person‐centered and variable‐centered analyses: Growth mixture modeling with latent trajectory classes. Alcoholism: Clinical and experimental research, 24(6), 882-891.

Nylund, K. L., Asparouhov, T., & Muthén, B. O. (2007). Deciding on the number of classes in latent class analysis and growth mixture modeling: A Monte Carlo simulation study. Structural equation modeling, 14(4), 535-569.

 

잠재계층분석/잠재프로파일분석을 사용하는 연구논문의 경우, 위의 3가지 선행연구는 연구방법 부분에서 자주 인용된다. 예시를 살펴보도록 하자.

 

---

김기현, 유비, 손예진, 김경희(2018)는 아동학대판정을 받아 아동보호전문기관에서 사례가 진행 중이거나 사법기관에 연루되어 있는 아동학대행위자들을 대상으로 학대행위자들의 특성을 다양한 집단들과 비교하고, 프로파일 분석을 통해 학대행위자 하위유형을 탐색하였다. 그리고 연구방법 파트 중 분석단계 및 방법에서 Nylund et al. (2007)의 연구를 인용하고 있다. 

분석은 2개의 프로파일 집단에서부터 순차적으로 집단 수를 증가시키며, AIC와 adj. BIC 및 Entropy값 등의 index를 비교하였으며, 이 중 가장 낮은 수치를 보이는 프로파일 집단 수를 파악하는 방식으로 진행하였다(Muthén & Muthén, 2013; Nylund et al., 2007)

 

 

 

또 다른 예시를 살펴보도록 하자. 김하영, 이유진, 한윤선(2018)은 초기 청소년의 탄력성 발달궤적을 분석하고 그에 따른 사회적 지지체계가 시간의 흐름에 따라 어떻게 변화하는지 살펴보았다. 이러한 연구문제를 해결하기 위해 잠재계층성장분석(LCGA)와 다집단 성장혼합모형(GMM)을 적용하였는데, 분석방법에서 이와 관련하여 Muthén & Muthén (2000)과 Nylund, Asparouhov, & Muthén (2007)이 인용되고 있다.

 

본 연구는 먼저 초기 청소년의 탄력성에 대한 다양한 종단적 변화를 살펴보고자 잠재계층성장분석(Latent Class Growth Analysis, [LCGA])을 실시하였다. 잠재계층성장분석은 개인의 응답 패턴에 따라 유사한 응답자들을 하나의 집단으로 분류하는 방법이다(Muthén & Muthén, 2000). 표본을 분류하기에 가장 적합한 잠재집단수를 제시하며, 변인이 아닌 개인의 응답을 중심으로 이질적인 집단을 구분하는 것이 특징이다. 잠재집단수의 결정에는 Akaike Information Criterion (AIC), Bayesian Information Criterion (BIC), Entropy, Lo-Mendell-Rubin likelihood ratio test (LMR-LRT) 표본분포비율이 사용된다. AIC와 BIC는 수치가 낮을수록 모형의 좋은 적합도를 의미하고(Nylund, Asparouhov, & Muthén, 2007), Entropy는 1에 가까울수록 높은 분류의 질을 의미한다(Hix-Small, Duncan, Duncan, & Okut, 2004).

 

 

마지막으로 초등학교 고학년 아동의 부모, 교사 및 또래와의 관계유형에 대해 탐색한 이운경, 김민주(2019)의 연구에서는 자료분석에서 Lo, Mendell, & Rubin (2001)과 Nylund, Asparouhov, & Muthén (2007)의 논문을 인용하고 있다.

 

본 연구에서는 초등학교 고학년 아동의 부모, 교사 및 또래관계에 따른 잠재유형을 살펴보고, 잠재유형에 따른 정신건강, 학업스트레스 및 학업성취도 수준의 차이를 검증하고자 하였다. 이를 위해 먼저 부모, 교사 및 또래관계에 따른 잠재유형을 검증하기 위해 잠재프로파일 분석을 실시하였다. 이 때 하위 집단의 수를 결정하기 위해 집단의 수를 하나씩 늘려가며 Akaike Information Criteria (AIC), Bayesian Information Criteria (BIC), Sample-Size Adjusted BIC (SSA-BIC), Lo-Mendell-Rubin adjusted likelihood ratio Test (LMRT), Bootstrapped Log-likelihood Ratio Test (BLRT), Entropy 값을 확인하였다. 정보지수인 AIC, BIC, SSA-BIC의 경우 작은 값을 가진 모형을 선택하게 되고(Hong, 2019), 모형비교지수인 LMRT 및 BLRT의 경우 k개인 모형을 평가할 때 잠재계층이 k-1개인 모형과 차이를 검증하는 것으로 p값이 유의하면 k개의 잠재계층 모형을 선택하게 되고, 유의하지 않으면 k-1의 모형을 선택하게 된다(Lo, Mendell, & Rubin, 2001; Nylund, Asparouhov, & Muthén, 2007).