III. 연구방법
4. 분석방법
본 연구에서는 기술통계분석, 상관분석을 위해 SPSS 25.0을, 구조모형 검증을 위해 AMOS 23.0을 사용하였으며, 분석의 순서는 다음과 같다.
첫째, 연구 참여 대상자들의 성별, 연령 등 인구통계학적 특성을 분석하 기 위해 빈도분석을 실시하였다.
둘째, 연구 변인들의 정규성을 확인하기 위해 각 문항들의 평균, 표준편 차, 왜도 및 첨도에 대한 기술통계분석을 실시하였고, 왜도 < , 첨도
< 의 조건에 위배되는 문항을 삭제하였다 (Kline, 2011). 또한 측정 도구의 신뢰도를 확인하기 위해 각 척도별 내적합치도 (Cronbach’s
α
)를 계산하였고, 신뢰도를 제고하기 위해 문항 제거 시 내적합치도가 상승하 는 문항들은 분석에서 배제하였다.셋째, 확정된 문항들을 대상으로 잠재 변인을 측정하는 문항 꾸러미 (item parceling)를 구성하였고, 측정변인들이 정규성 조건을 충족하는지 확인하였다. 문항꾸러미란 결합하는 문항이 단일차원을 지닌다는 가정 하에, 여러 개별 문항의 합 또는 평균을 계산하여 분석에 사용함으로서 측정 변인의 수를 줄이는 방법이다 (Bagozzi & Edward, 1998). 측정 문 항의 수가 많은 경우, 개별 문항을 모두 측정 변인으로 사용하게 되면 잠재 변인을 구인하기 위해 추정해야 할 모수의 수가 많아져 다변량 정 규분포 가정의 위배 가능성이 높아지는데, 문항 꾸러미를 사용하면 이러 한 문제를 극복할 수 있다.
본 연구의 경우, 평가염려 완벽주의를 제외한 모든 잠재변인들이 단일 요인으로 구성되어 있으므로, 요인계수 방법 (factorial algorithm)을 사 용하여 개인기준 완벽주의 2개 (PS1 4문항, PS2 3문항), 추상적-분석적 반복사고 2개 (AERT1 3문항, AERT2 3문항), 구체적-경험적 반복사고 2개 (CERT1 3문항, CERT2 3문항), 우울 5개 (SDS 1~5: 각 3문항)로 구성된 문항 꾸러미로 나누었다. 평가염려 완벽주의는 수행에 대한 의심 (DA 4문항)을 하나의 꾸러미로, 실수에 대한 염려를 요인 부하량 순서 대로 2개의 꾸러미에 각각 CM1 4문항, CM2 5문항으로 나누어 구성하 였다. 총 14개의 문항꾸러미에 대해 평균, 표준편차, 왜도 및 첨도를 계 산하였다.
넷째, 연구 변인들의 상관관계를 분석하기 위해 잠재 변인들의 Pearson
의 적률상관계수를 계산하였다.
다섯째, 측정 모형의 타당성을 검증하기 위해 측정 변인들이 잠재 변인 들을 적절히 구인하고 있는지 확인적 요인분석을 실시하였다. 모형의 적 합도는
, RMSEA (Root Mean Square Error of Approximation), CFI (Comparative Fit Index), TLI (Tucker-Lewis Index), SRMR (Standardized Root Mean square Residual)을 기준으로 평가하였다.
통계값은 영가설이 지나치게 엄격하고 표본 크기에 민감하여 모형과 자 료의 불일치를 과대 추정하는 특성이 있다 (이순묵, 1990; 홍세희, 2000).따라서 모형의 전반적인 적합도를 평가하는 절대적합도 지수 RMSEA, SRMR과 상대적합도 지수 중 표본 크기의 영향을 받지 않는 CFI, TLI 를 함께 고려하였다.
절대적합도 지수인 RMSEA, SRMR은 <.05 이면 좋은 (good) 적합도,
<.08이면 괜찮은 (reasonable) 적합도, <.10이면 보통 (mediocre) 적합도,
>.10 이면 나쁜 (unacceptable) 적합도를 나타낸다고 보았다. 상대적합도 지수인 CFI, TLI는 >.90일 때 좋은 모형으로 간주하였다 (이순묵, 1990, 홍세희, 2000; Brown & Cudeck, 1993; Hu & Bentler, 1999).
여섯째, 구조 모형의 타당성을 검증하기 위해 잠재 변인 간 경로 계수 의 유의성을 검증하고, 모형 적합도를
, RMSEA, CFI, TLI, SRMR를 기준으로 평가하였다.일곱째, 최종 구조 모형에서 다중 매개효과가 유의한지 검증하기 위하 여 팬텀 변인 (phantom variable)이 포함된 새로운 경로 모형을 설정한 후 부트스트랩 (bootstrap)을 실시하였다. 부트스트랩은 구조방정식 분석 에서 매개효과 검증을 위해 사용되는 통계 기법으로, 연구 표본 수와 동 일한 크기의 표본을 반복 추출하여 매개효과의 비표준화 회귀계수와 표 준오차를 추출 횟수만큼 얻어낸 후, 이들의 신뢰 구간을 구하는 방법이 다. 이 방법은 Sobel test에 비해 매개 경로의 유의성을 민감하게 검증할 수 있다는 장점이 있지만 (Shrout & Bolger, 2002), 전체 매개효과에 대 한 검증 결과만 제시할 수 있다는 한계가 있다. 따라서 본 연구에서는 두 반복적 사고 처리과정 방식의 차별적 매개효과를 검증하기 위해 팬텀 변인을 활용하여 Bias-Corrected 부트스트랩을 실행하였다. 팬텀 변인은 모형 적합도나 각종 추정치에 영향을 미치지 않는 가상의 변인으로, 다 중 매개효과 검증을 위해 인위적으로 생성한다 (배병렬, 2011).
본 연구에서는 팬텀 변인에 의해 설정된 가상의 경로와 동일한 문자 계
수로 최종 구조 모형의 모든 경로를 제한한 후, 표본추출 2000회, 신뢰구 간 95%로 설정하여 부트스트랩을 실시하였다. 즉, 표본 수 N=565와 동 일한 크기의 표본을 2000번 반복 추출하여, 매개효과의 회귀계수와 표준 오차를 표본추출 횟수인 2000개만큼 얻어낸 후, 이들의 신뢰 구간을 95% 범위에서 계산하였다. 신뢰 구간 내에 0이 포함되지 않으면 매개효 과가 통계적으로 유의하다고 판단하였다.
구분 빈도 (단위: 명) 백분율 (%)
성별 남 246 43.5
여 319 56.5
연령
20대 이하 238 42.1
30대 166 29.4
40대 이상 161 28.5
합계 565 100
표 4.
인구통계학적 정보