2016년 겨울 연구방법론 워크샵 안내

[심교린]

■■ 2016년 1월 연구방법론 집중 워크샵 ■■

안녕하세요. 구조방정식모형과 다층모형을 비롯한 고급계량모형에 대한 연구센터인 S & M Research Group (http://www.snmrg.com)에서는 방학 중에 홍세희 교수(고려대학교)의 연구방법론 집중워크샵을 실시하고 있습니다.

본 연구방법론 워크샵 시리즈에서는 횡단 다층모형(4일 집중과정), 종단 다층모형(4일), 구조방정식 모형(초중고급 총 11일), 잠재성장모형(4일), 메타분석(3일), 생존분석(4일) 등과 같은 행동과학의 고급 계량방법을 개론수준이 아니라 최고급수준까지 심층적으로 다루어서 다양한 분야의 교수, 연구원, 대학원생들에게 좋은 반응을 얻었습니다.

이번 겨울에는 메타분석, 종단자료 분석, 위계적 자료분석에 대한 연구자들의 높은 관심을 반영하여 아래와 같이 워크샵을 실시합니다.

● 프로그램 1: 메타분석의 이론과 적용, 2016년 1월 4일(월)-6일 (3일)

● 프로그램 2: 변화분석을 위한 잠재성장모형(LGM), 2016년 1월 12일(화)-15일 (4일)

● 프로그램 3: 위계적자료 분석을 위한 횡단다층모형(HLM), 2016년 1월 25일(월)-28일 (4일)

본 워크샵의 목표는 수강 후에 메타분석, 잠재성장모형, 다층모형을 연구에 적용할 수 있도록 하는 것입니다. 각 주제에 대해 이론을 배우고 통계프로그램을 이용하여 실습을 할 뿐만 아니라 실제 적용 논문사례를 같이 공부하므로 연구와 논문작성에 크게 도움이 될 것입니다.

■ 프로그램 1: 메타분석의 이론과 적용

● 시기 및 장소: 2016년 1월 4일 ~ 6일, 총 3일 (매일 오전 10시 - 오후 4시 30분), 고려대학교 (추후 자세히 공지)

● 내용: 국내 연구가 활발해지면서 동일한 주제로 많은 연구가 수행되었고, 많은 분야에 이미 메타분석을 실시할 수 있을 정도로 충분한 연구가 축적되었습니다. 개개 연구마다 다른 연구결과가 나오는 경우가 많으므로, 메타분석을 적용하여 다양한 결과의 이유를 설명하고 그것을 통합할 필요가 있습니다. 메타분석은 전통적으로 의학분야에서 많이 사용해 왔지만 최근에는 행동과학 분야에서도 사용빈도가 급격히 증가하고 있습니다. 최근 방법론적 측면에서도 메타분석은 많은 발전을 보이고 있는데, 이 워크샵에서 최신의 발전까지 반영한 방법을 학습하실 수 있습니다. 메타분석 연구는 해당 분야의 연구를 통합하는 주요연구가 되기 때문에 학위논문, 연구과제 등에 특히 적절합니다. 메타분석은 ANOVA, 회귀분석에 대한 이해가 있으면 수강이 가능하며 이 워크샵의 목표는 수강 후 메타분석 연구를 독립적으로 수행할 수 있도록 하는 것입니다. 각 주제에 대해 이론을 배우고 통계프로그램을 이용하여 실습을 할 뿐만 아니라 실제 적용 논문사례를 같이 공부하므로 논문작성에 크게 도움이 될 것입니다.

분석프로그램은 CMA(Comprehensive Meta Analysis)를 주로 사용합니다. 다양한 효과크기를 계산, 변환하는 것이 가능하고 그래픽 기능이 매우 우수하므로 CMA는 메타분석에서 가장 많이 사용됩니다. 보조적으로 Excel, SPSS, HLM이 사용됩니다. 프로그램 사용방법에 대한 사전 지식은 필수는 아닙니다. 구체적인 주제는 아래와 같습니다.

◎ 메타분석의 기초

◎ 효과크기 계산

평균에 대한 효과크기

상관에 대한 효과크기

위험비(risk ratio), 승산비(odds ratio)에 대한 효과크기

다양한 통계치(t값, F값, p값, 표본크기 등)를 이용한 효과크기 계산

◎ 효과크기의 변환

평균, 상관, 위험비, 승산비 사이의 변환

Excel 프로그램을 이용한 변환

CMA 프로그램을 이용한 변환

◎ 메타분석 모형

고정효과(fixed-effect) 모형

무선효과(random-effect) 모형

가중치(weight)의 개념

◎ 효과크기의 이질성(heterogeneity) 검증

◎ 검증력(power) 분석

Excel을 이용한 검증력 계산

검증력을 바탕으로 메타분석에 필요한 연구 수 결정

◎ 하위집단 분석(subgroup analysis)

고정효과 모형의 적용

무선효과 모형의 적용

◎ 메타 회귀분석(meta regression)

고정효과(fixed-effect) 모형

무선효과(random-effect) 모형

혼합효과(mixed-effect) 모형

◎ 동일연구에서 보고된 복수의 연구결과 처리방법

◎ 동일표본으로 보고된 복수의 연구결과 처리방법

◎ 코딩 방법

◎ 출판 편의(publication bias) 확인방법

◎ 회귀계수에 대한 메타분석

◎ SPSS를 이용한 메타분석 실습

◎ CMA를 이용한 메타분석 실습

◎ 다층 모형(multilevel models: HLM)을 적용한 메타분석

◎ HLM을 이용한 메타분석 실습

◎ 결측치(missing data) 처리방법

◎ 메타분석 정보

■ 프로그램 2: 양적 변화분석을 위한 잠재성장모형 (LGM)

● 시기 및 장소: 2016년 1월 12일 - 15일 (4일: 10:00am-4:30pm), 고려대학교

● 내용: 다양한 분야에서 종단연구의 사용빈도가 급증하고 있습니다. 많은 분야에서 연구자에게 관심있는 것은 특정시점에서 여러 변수들 사이의 관계를 알아보는 것이 아니라 어떤 변수의 '변화'가 다른 변수의 '변화'에 어떻게 영향을 주는가를 알아보는 것이므로 대부분의 경우에 종단연구가 보다 적절할 것입니다. 종단연구 방법으로는 최근 구조방정식 모형을 적용한 잠재성장모형(Latent Growth Models)이 가장 강력하고, 인기있는 기법으로 사용되고 있습니다. 이 방법은 결측치(missing data)가 있고 각 개인 별로 측정 시점도 다른 종단자료를 다룰 수 있으며 변화에 있어서의 개인 차이를 설명할 수 있다는 점에서 전통적인 분석방법에 비해 장점이 있습니다.

잠재성장모형을 적용하면, 변화형태을 간명하게 설명할 수 있는 함수는 무엇인가, 변화에 있어서 개인차가 있다면 그 개인차에 영향을 주는 변수는 무엇인가, 한 변수의 변화가 다른 변수의 변화와는 어떤 관계가 있는가, 변화의 결과는 무엇인가 등의 질문에 답할 수 있습니다. 구체적으로 보면, 청소년의 인터넷 중독 변화형태는 어떠한가, 환자상태의 변화는 환자의 특성과 치료자의 특성 사이의 상호작용에 어떻게 영향을 받는가, 개인의 업무 만족감 변화추이는 이직을 어떻게 예측하는가, 부부의 우울증 변화패턴은 얼마나 일치하는가, 프로그램 실시 후 선수의 기록은 어떻게 변화하는가 등에 대한 연구를 할 수 있습니다.

이 워크샵을 수강하는데 필요한 사전지식은 회귀분석에 대한 충분한 이해입니다. 분석프로그램은 AMOS를 주로 사용하며 제한된 상황에서 Mplus를 보조적으로 사용합니다. 프로그램 사용방법에 대한 사전 지식은 필수는 아닙니다. 구체적인 주제는 아래와 같습니다.

◎ 종단연구의 기초

◎ 종단자료 분석시 사용된 기존 연구방법의 문제점

◎ 국내 패널자료 소개

◎ 잠재성장 모형을 위한 회귀분석 복습

◎ 구조방정식 모형의 기초

◎ 구조방정식 모형을 적용한 변화모형

◎ 선형 잠재성장모형

◎ 변화에 있어서 개인차를 설명하는 조건모형

◎ 집단변화평균 그래프, 개인변화 그래프 개발

◎ 다층 선형변화모형과 잠재성장모형의 강점과 제한점 비교

◎ 시간코딩 방법

◎ 정의변수(definition variable)을 이용한 개인별 측정시점이 다른 자료분석

◎ 변화에 있어서의 개인차를 설명하는 독립변수와 초기치 사이의 상호작용 모형

◎ 변화의 원인과 결과 검증

변화의 결과변수가 이분형인 경우

◎ 시간의존적 변수 사용

시간의존적 변수의 동시효과 모형

시간의존적 변수의 지연효과 모형

시간의존적 변수의 자기회귀 모형

◎ 시간의존적 변수의 개인간 무선효과 검증

◎ 결측치(missing data) 처리방법

확률회귀 대체법 (Stochastic regression imputation)

Expectation-maximization (EM) 방법

완전정보 최대우도 (full information maximum likelihood) 방법

다중대체 (multiple imputation) 방법

◎ 측정오차 통제를 위한 고차 잠재성장모형

◎ 비선형변화 형태를 위한 2차함수 모형

◎ 변화함수 형태 추정을 위한 Latent basis models

시점 사이의 변화량 추정

◎ 비연속 잠재성장모형

분할함수 (piecewise) 모형

부가 성장효과 모형

◎ Cohort Sequential 잠재성장모형

◎ 변화사이의 관계 추정을 위한 다변량 잠재성장모형

◎ 다변량 잠재성장모형을 이용한 매개효과 검증

Bootstrapping을 이용한 매개효과 검증

◎ 변화에 있어서의 집단차이 분석

다집단 분석

집단 더미변수를 이용한 분석

◎ AMOS 프로그램 사용방법 및 결과 해석

◎ Mplus 프로그램 사용방법 및 결과 해석

■ 프로그램 3: 위계적자료 분석을 위한 횡단 다층모형 (HLM)

● 시기 및 장소: 2016년 1월 25일 - 28일 (4일: 10:00am-4:30pm), 고려대학교

● 내용: 다층모형(Multilevel Models 또는 위계선형모형(Hierarchical Linear Models: HLM))은 자료내의 표본이 상위집단에 속해있는 자료를 분석하는 모형입니다. 각 개인(학생, 회사원) 자료가 조직(학교, 회사) 자료에 속해 있는 자료를 다층자료라고 합니다. 이런 자료에 다층모형을 적용하면 각 개인의 결과변수를 개인특성과 조직특성, 그리고 개인과 조직 사이의 상호작용으로 설명할 수 있습니다. 개인의 결과를 개인특성으로서만 설명하는 것이 아니고 개인을 둘러 싼 맥락효과(환경)까지 고려한다는 점에서 다층모형은 매우 자연스런 모형입니다. 상위수준 자료는 반드시 조직수준일 필요는 없으며 개인일 수도 있습니다. 예를 들면 여러 환자는 의사에 속하는 다층구조를 이룰 수 있으며 환자의 치료효과와 같은 결과변수는 환자특성, 의사특성, 환자와 의사 사이의 상호작용으로 설명될 수 있습니다. 마찬가지로 조직 내 팀원의 성과는 팀원의 개인특성, 팀장의 리더십, 그리고 개인특성과 리더십의 상호작용으로 설명될 수 있습니다.

구체적으로 보면, 다층모형은 학생성적에 대한 학생특성, 교사특성, 학교특성의 영향검증, 회사원 업무성과에 대한 회사원 특성과 상사특성, 회사특성 사이의 상호작용 연구, 환자의 치료효과에 대한 환자특성과 치료자 효과 검증 등과 같은 연구에 적용할 수 있습니다. 또한 다층모형은 기관효과 연구, 부부와 같은 커플 연구, 네크워크 자료분석, 가족연구, 상담자 효과 연구, 조직변수가 다른 조직변수나 개인변수를 통해 개인변수에 영향을 주는 다층매개효과 검증 등에 적용할 수 있으며, 확장하여 메타분석 연구 등에도 적용할 수 있을 정도로 그 활용의 범위가 대단히 넓습니다.

이 워크샵을 수강하는데 필요한 사전지식은 회귀분석에 대한 충분한 이해입니다. 분석프로그램은 HLM을 주로 사용합니다. 프로그램 사용방법에 대한 사전 지식은 필수는 아닙니다. 구체적인 주제는 아래와 같습니다.

◎ 다층모형의 기초

◎ 다층모형을 위한 회귀분석 복습

◎ 주요 개념

고정효과 및 무선효과

집단내 상관 (ICC)

생태학적 오류 (ecological fallacy), 원자론적 오류 (atomistic fallacy)

◎ 2수준 모형

무조건 모형

조건모형

◎ 중심화 (centering)

집단평균 중심화 (group-mean centering)

전체평균 중심화 (grand-mean centering)

◎ 추정방법

Full maximum likelihood

Restricted maximum likelihood

Empirical Bayes estimation

◎ 모형비교

◎ 3수준 모형

다양한 교차수준 상호작용

◎ 교차분류 모형(cross-classified Models)

3수준 모형과 2수준 교차분류 모형의 비교

2수준 교차분류 모형 (2수준에서 교차분류가 발생한 경우)

3수준 교차분류 모형 (2수준에서 교차분류가 발생하고 3수준에 내재된 경우)

◎ 다층모형에서의 매개효과 분석

단층자료내 매개효과 분석

다층자료내 2수준 -> 2수준 -> 1수준 매개효과 분석

다층자료내 2수준 -> 1수준 -> 1수준 매개효과 분석

다층자료내 1수준 -> 1수준 -> 1수준 매개효과 분석

◎ 결측치 (missing data) 분석

전통적인 결측치 분석방법

다중대체(multiple imputation) 방법의 논리

HLM을 이용한 다중대체 자료의 분석

◎ 일반화 선형모형의 기초

◎ 이분형, 다분형, 서열형, 빈도형 종속변수에 대한 회귀분석

◎ 이분형 종속변수에 대한 다층모형

◎ 다분형 종속변수에 대한 다층모형

◎ 서열형 종속변수에 대한 다층모형

◎ 빈도형 종속변수에 대한 다층모형

◎ HLM 프로그램 사용방법 및 결과해석

● 수강안내

본 워크샵을 수강하는데 필요한 사전지식은 회귀분석에 대한 충분한 이해입니다. 계량 전공자가 아닌 일반 연구자(대학원생 포함)를 대상으로 워크샵을 실시하기 때문에 내용은 기초부터 시작됩니다. 하지만 수준을 높여 나가서 최신 고급방법까지 포함합니다. 이 워크샵 내용은 최신 문헌까지 포함하고 있으며, 폭넓은 범위와 깊이는 최고수준이라고 자부합니다.

각 워크샵에서 실습을 위해 사용하는 프로그램은 데모버전을 다운받아서 사용하시면 됩니다. 모든 프로그램 사용법은 간단하므로 워크샵 중에 배우게 되며, 프로그램 사용에 대한 사전 지식은 필수는 아닙니다. 프로그램 다운로드에 대해 등록자께 추후 자세히 안내해 드리겠습니다.

세 과정은 독립적인 과정이며 한 과정이 다른 과정의 선수과정은 아닙니다. 각 과정의 내용은 한 학기 이상의 강의내용이며 3-4일 동안 intensive한 강의가 이루어집니다.

종단연구, 다층연구는 여러 점에서 매력적이지만 자료수집이 연구수행에 있어서 가장 큰 어려움입니다. 하지만 최근 우리나라에서도 다양한 자료(예, 아동청소년 패널자료, 교육종단자료, 노동패널자료, 아동패널자료, 여성가족패널자료, 빈곤패널자료, 고령자패널자료, 장애인고용패널자료 등)가 여러 기관에서 구축되어 연구용으로 공개되고 있습니다. 이런 자료는 다층구조, 종단구조를 가지고 있고 표본크기가 매우 크며 다양한 변수를 제공하고 있다는 점에서 연구에 매우 유용합니다. 이런 다양한 자료를 가지고 다양한 다층, 종단자료 분석기법을 적용한 연구를 할 수 있을 것입니다. 메타분석의 경우에도 기존의 문헌연구를 통해 효과크기를 산출하고 이를 이용해서 분석이 진행되므로 자료수집이 용이한 편입니다.

■ 등록방법 및 기타사항 ■

● 워크샵 등록비

◎ 프로그램 1: 메타분석의 이론과 적용 (3일): 학생 38만원, 일반 48만원

◎ 프로그램 2: 변화분석을 위한 잠재성장모형(LGM) (4일): 학생 45만원, 일반 58만원

◎ 프로그램 3: 위계적자료 분석을 위한 횡단다층모형(HLM) (4일): 학생 45만원, 일반 58만원

참고:

1. 프로그램을 동시에 2개 이상 신청하시면 5만원이 할인됩니다.

2. 학생은 석, 박사과정생, 입학예정자, 박사수료생까지 포함되며 학생할인을 받으시려면 각 워크샵 첫날 학생증, 재학증명서, 또는 입학예정증명서를 제시하셔야 합니다.

3. 학교 연구비를 제외한, 다른 기관에서 지원받는 경우에는 학생할인이 적용되지 않습니다.

● 신청은 2015년 12월 16일(수) 오전 9시 부터 아래 이메일로 받습니다.

snmsem@daum.net

수강희망 과정, 성명, 소속, 직위, 전공분야, 핸드폰번호를 적어 위의 이메일로 신청해주세요(연락 및 수료증 제작 용도로 필요합니다). 신청은 반드시 수강자 본인 명으로 해주셔야 하며 타인에게 양도할 수 없습니다.

선착순으로 수강하실 분이 확정되면 신청자의 이메일로 입금안내를 합니다.

● 등록한 분에게는 워크샵에서 사용되는 통계 프로그램과 읽을 논문에 대한 자세한 안내를 드립니다.

● 신청하신 워크샵을 이수하신 경우, 수료증을 드립니다 (유학준비생, 외국방문 연구자를 위해 영문으로도 발급이 가능합니다).

● 워크샵을 위해 제작된 교재, 실습자료 및 다과가 제공됩니다. 워크샵 교재는 수강생에게만 제공되며 별도로 판매하지는 않습니다.

● 매일 워크샵 일정을 마친 후에 개인연구에 대해 통계자문을 받을 수 있습니다.

● 기타 자세한 정보는 아래 이메일이나 전화번호로 연락해서 확인하시기 바랍니다. 빠른 답변드리도록 하겠습니다 (이메일 선호).

이메일: snmsem@daum.net

홈페이지: http://www.snmrg.com

전화: 02) 3291-9919

■ 강사 : 홍세희 교수 (고려대학교 교육학과) ■

● 학력:

◎ 서울대학교 심리학과 학사

◎ Ohio State University 심리학과 박사: 계량 심리학(Quantitative Psychology) 전공

● 경력:

◎ University of California, Santa Barbara 교육학과 및 심리학과 조교수-부교수 (종신교수) (1998 - 2003)

◎ University of California, Santa Barbara 사회과학 학제 간 계량프로그램 참여교수 및 교육학과 연구 방법론 프로그램 주임교수 역임

◎ 이화여자대학교 심리학과 조교수-부교수 (2003 - 2005)

◎ 연세대학교 사회복지학과 부교수-교수 (2005 - 2008)

◎ 고려대학교 교육학과 교수 (2008 - 현재)

◎ Tanaka Award 수상, Society of Multivariate Experimental Psychology 최우수 연구상

◎ 고려대학교 명강의상

● 주요논문:

◎ Power analysis for covariance structure models using GFI and AGFI. Multivariate Behavioral Research, 32, 193-210.

◎ Sample size in factor analysis. Psychological Methods, 4, 84-99.

◎ Generating correlation matrices with model error for simulation studies in factor analysis: A combination of the Tucker-Koopman-Linn model and Wijsman's algorithm. Behavioral Research Methods, Instruments, & Computers, 31, 727-730.

◎ Sample size in factor analysis: The role of model error. Multivariate Behavioral Research, 36, 611-637.

◎ An investigation of the influence of internal test bias on regression slope. Applied Measurement in Education, 14, 351-368.

● 홈페이지: http://www.seheehong.com

[김민애]

유익한 정보 감사합니다~~^^