- 권한신청
- P-ISSN1229-067X
- E-ISSN2734-1127
- KCI
ISSN : 1229-067X
권호 목록
- 2024 (43권)
- 2023 (42권)
- 2022 (41권)
- 2021 (40권)
- 2020 (39권)
- 2019 (38권)
- 2018 (37권)
- 2017 (36권)
- 2016 (35권)
- 2015 (34권)
- 2014 (33권)
- 2013 (32권)
- 2012 (31권)
- 2011 (30권)
- 2010 (29권)
- 2009 (28권)
- 2008 (27권)
- 2007 (26권)
- 2006 (25권)
- 2005 (24권)
- 2004 (23권)
- 2003 (22권)
- 2002 (21권)
- 2001 (20권)
- 2000 (19권)
- 1999 (18권)
- 1998 (17권)
- 1997 (16권)
- 1996 (15권)
- 1995 (14권)
- 1994 (13권)
- 1993 (12권)
- 1992 (11권)
- 1991 (10권)
- 1990 (9권)
- 1989 (8권)
- 1988 (7권)
- 1987 (6권)
- 1986 (5권)
- 1985 (5권)
- 1984 (4권)
- 1983 (4권)
- 1982 (3권)
- 1981 (3권)
- 1980 (3권)
- 1979 (2권)
- 1976 (2권)
- 1974 (2권)
- 1971 (1권)
- 1970 (1권)
- 1969 (1권)
- 1968 (1권)
36권 4호
초록
본 연구에서는 중용 척도를 개발하고 타당화하였다. 중용은 삶속에서 역동적인 조화와 균형을 이루려는 태도로 인지, 정서 및 동기적 측면에서 정리하면 중용은 인지적인 유연성과 적응적인 정서 조절 및 균형적이고 안정된 정서 상태, 그리고 자발적으로 중용 행동을 지속적으로 선택하고자 하는 태도다. 연구 1에서는 선행 연구에서 이론적 접근과 경험적 접근을 사용하여 수집하고 인지, 정서 및 동기로 구분한 중용의 내용을 바탕으로 99개의 예비 문항을 마련하였고, 중용을 연구한 전문가 6인에게 평정을 요청한 뒤 선택한 37문항을 대학생 352명에게 실시하였다. 그 결과 조화/조절, 균형/안정 및 공감/포용의 3요인, 19문항으로 이루어진 중용 척도를 개발하였다. 연구 2에서는 일반인 368명을 대상으로 중용 척도와 관련 변인들을 측정하였고, 이중 57명에게 검사-재검사를 실시하였다. 확인적 요인분석을 통해 중용 척도가 3요인으로 이루어져있음을 재확인하였고, 검사-재검사 신뢰도가 수용 가능한 수준임을 밝혔다. 인구통계학적 변인과의 관계에서 중용은 연령과 유의미한 상관이 있었으며, 연령 변인을 통제한 뒤에도 결혼 상태 및 종교 유무에 따라 차이가 있어 중용이 삶의 다양한 경험을 통해 축적되어 가는 태도라고 해석할 수 있었다. 또한, 인지적 유연성, 정서 조절 및 내적 동기와 관련된 기본 심리적 욕구들과 상관이 있음이 확인되어 중용 척도의 타당도가 검증되었다. 한편, 중용 척도는 사회적 바람직성 요인과도 상관을 보였는데, 그 이유는 본 연구에서 사용된 사회적 바람직성은 자기기만적 측면으로써 방어적 속성과 함께 사회적으로 적응적 측면을 반영하고 있기 때문일 것으로 보았다. 마지막으로, 대만에서 개발된 중용적 사고척도와의 비교를 통해 공인타당도를 검증하였다. 이러한 결과를 바탕으로 추후 연구를 위한 논의와 시사점을 제시하였다.
Abstract
This article describes the development and validation of the Zhongyong Questionnaire(ZQ), a self-report instrument for measuring Zhongyong attitude. Theoretically, Zhongyong includes three aspects: (a) dialectic thinking and cognitive flexibility; (b) emotion regulation and balanced affect; (c)internal motive to consistently choose Zhongyong behavior. In study 1, thirty-seven out of 99 preliminary items were selected by six scholars studying Confucianism and Zhongyong for the face validity and the 37-item ZQ was administered to 352 college students. Data suggest that the ZQ consists of 19-item with three-factor structure. In study 2, 368 people participated to investigate the instrument’s reliability and validity and the relations between the ZQ and related scales. Results from two studies indicate that the 19-item Zhongyong Questionnaire has a three-factor structure(harmony/regulation, balance/stability, empathy/ tolerance), good internal consistency and 2-week test-retest reliability. The ZQ was significantly correlated with other measures of cognitive flexibility, dichotomous thinking, emotion regulation and dysregulation, and basic psychological need satisfaction, confirming the scale’s convergent construct validity. The concurrent construct validity of the ZQ was demonstrated by its correlation with the Zhong-yong Thinking Style Scale. There was a significant correlation with age and Zyongyong attitude. When controlling for age, there was a significant difference in the level of Zhongyong attitudes based on marital status and religion. These results suggest that the Zhongyong attitude can be developed through diverse experience. In the discussion section, the implications and limitations of this study and suggestions for future research are discussed.
초록
평행분석은 표본 자료의 고윳값과 무선 자료의 고윳값을 비교하여 요인의 개수를 추정하는 방법이다. 이 방법은 고윳값에 근거하여 요인의 개수를 추정하는 다른 절차들(카이저 방법, 스크리 검사)보다 이론적으로 더 타당한 근거를 갖고 있고 경험적으로도 요인의 개수를 더 정확히 추정하는 것으로 평가 받는다. 그러나 평행분석의 이론적 근거의 타당성에 대해서도 여러 비판이 제기되어 왔고 이에 따른 다양한 수정 절차들도 제안되었다. 또한 평행분석이 상대적으로 낮은 정확성을 나타내는 조건들에 대한 우려도 있어 왔다. 본 연구는 고윳값과 평행분석이 요인의 개수를 추정하는 데 사용될 수 있는 이론적 근거와 한계를 검토하고 이를 바탕으로 평행분석의 정확성이 낮게 나타날 수 있는 조건들을 구체화하였다. 또한 모의실험을 통해 평행분석의 정확성에 영향을 줄 수 있는 다양한 요인들의 효과를 검토하고 평행분석의 사용에 주의를 요하는 조건들을 확인하였다. 모의실험의 결과는 평행분석의 요인수 추정 정확률이 요인상관의 크기, 요인부하량의 크기, 요인의 개수, 요인당 변수의 개수에 따라 크게 영향을 받으며 정확률이 낮은 조건에서 표본크기의 영향이 매우 크다는 것을 보였다. 또한 요인부하량이 낮은 변수들로 구성된 약한 요인이 포함된 경우 요인수 추정의 정확률이 크게 낮아짐을 확인하였다. 전반적으로 상관행렬에 대한 평행분석(PA-PCA)보다 축소상관행렬에 대한 평행분석(PA-PAF)의 정확률이 높았으며 특히 요인상관이 높은 경우에는 PA-PAF가, 요인상관이 낮은 경우에는 PA-PCA가 높은 정확률을 보이는 경향이 확인되었다. 마지막으로 모의실험의 결과를 기초로 요인상관의 크기, 요인부하량의 크기, 요인의 개수의 조합으로 구성되는 다양한 조건에서 평행분석이 90% 이상의 정확률을 제공하기 위해 요구되는 표본크기를 제안하였다.
Abstract
Parallel analysis is a method of estimating the number of factors by comparing the eigenvalues of sample data with the eigenvalues of random data. This method is considered to be theoretically more valid and empirically more accurate in estimating the number of factors than other methods, such as Kaiser method and scree test, that estimate the number of factors based on the eigenvalues. However, several criticisms have been raised about the validity of the rationale for parallel analysis and various modifications have been proposed. There have also been concerns about the conditions under which parallel analysis shows relatively low accuracy. The current study examined the rationale and limitations of the use of eigenvalues and parallel analysis to estimate the number of factors, and based on this, we specified the conditions under which the accuracy of parallel analysis may be low. We also examined, through a simulation, the effects of various factors that may affect the accuracy of parallel analysis and confirmed the conditions where cautions are needed when applying parallel analysis. The results of the simulation show that the accuracy of estimating the number of factors in the parallel analysis is greatly influenced by the size of factor correlations, the magnitude of factor loadings, the number of factors, and the number of variables per factor. In addition, we confirmed that the accuracy of the parallel analysis is significantly lower when a factor model includes a weak factor with low factor loadings. Overall, the accuracy of the parallel analysis for the reduced correlation matrix (PA-PAF) was higher than the parallel analysis for the correlation matrix (PA-PCA), which in particular, PA-PAF showed high accuracy when factor correlations were high, and PA-PCA showed high accuracy when factor correlations were low. Based on the results of the simulation analyses, we proposed sample sizes required for parallel analysis to provide accuracy of 90% or higher under conditions with different levels of factor correlation, factor loading, and the number of factors.
초록
최근 심리척도의 차원 구조를 연구하기 위한 측정적 속성 탐색에 있어 쌍요인(Bifactor) 모형 활용에 대한 논의가 증가하고 있다. 쌍요인 모형은 척도의 모든 문항의 공통 분산을 공유하는 하나의 일반요인(general factor)과 일반요인이 설명하지 못하는 문항의 분산을 공유하는 집단요인(group factor)로 이루어져있으며 일반요인과 집단요인은 서로 상관이 없다(orthogonal)고 가정하는 모형이다. 쌍요인 모형을 활용하면, 이론적으로 하나의 일반요인을 측정하고자 제작된 척도가 문항의 표현 효과(wording effect) 등과 같은 방법 요인(method factor)으로 인해 다차원으로 구성된 척도인 것처럼 보이는 것이 아닌지 테스트할 수 있다. 본 논문에서는 척도의 차원성을 연구할 때 매우 유용하게 사용될 수 있고 쌍요인 모형 적합 결과부터 도출될 수 있는 모형 기반 신뢰도인 오메가 계수(ω coefficients)와 일차원 검정을 분명하게 할 수 있는 일차원 검정 지수인 ECV(Explained Common Variance)를 중심으로 쌍요인 모형의 유용성을 개관하고자 한다. 이들 지수들을 어떻게 계산하고 해석하는지 예시하기 위하여 본 개관 논문에서는 Rosenberg 자아존중감 척도와 정서접근적 대처 척도(Emotional Approach Coping Scale)를 사용하였다. 확인적 요인분석 결과 Rosenberg 자아존중감 척도의 경우 쌍요인 모형의 적합도가 가장 우수하며 오메가 계수와 일차원 지수(ECV) 값을 모두 고려할 때 방법요인으로부터 설명되는 개인차는 매우 적고 일반요인의 영향력이 가장 커 단일 차원으로 보는 것이 타당한 것으로 밝혀졌다. 정서접근적 대처 척도의 경우 모형 적합도는 쌍요인 모형이 가장 우수하였으나 오메가 계수와 일차원 지수(ECV) 값을 고려할 때 집단요인에 비해 일반요인의 크기가 상대적으로 지배적이지 않아 2요인 구조로 척도를 이해하는 것이 이론적․해석적 측면에서 용이한 것으로 나타났다. 이를 통해 쌍요인 모형 적용 시 적합도 뿐 아니라 도출할 수 있는 여러 지수를 통해 보다 명확한 척도의 차원성을 밝힐 수 있음을 제시하였다.
Abstract
Bifactor modeling approach is increasingly being applied to the study of psychometric properties of psychological measures. A bifactor structure consists of a single general factor that is purported to explain co-variances of all the items and a set of group factors that are purported to explain residual co-variances of some items that cannot be accounted for by a general factor. The model assumes that the general and group factors are uncorrelated. Bifactor modeling approach enables researchers to test whether a given psychological scale that is originally designed to measure a theoretically unidimensional construct appears to be multidimensional due to nuisance factors such as method factors. In this article, we gave an overview of statistical indices such as omega coefficients and explained common variance(ECV) that can be effectively employed to investigate dimensionality of a given scale. We illustrated how to compute various types of omega coefficients and explained common variance(ECV) and interpret them using Rosenberg Self-esteem scale(RSES) and Emotional Approach Coping Scale(EAC).