종단연구에서 성장모형을 찾는 것은, 변화를 이해하고, 그 변화를 통한 변인들간의 관계성을 파악하기 위한 기본적인 단계이다. 이러한 모집단의 성장모형은 하나의 성장 궤적으로 나타날 수도 있지만, 종종 두 개 이상의 다양한 궤적들로 나타나기도 한다. 본 연구에서는 종단연구를 분석하는 상황에서 구조방정식과 재귀적 분할 접근방식이 결합된 SEMtree의 확장된 형태인 성장혼합나무모형과 분석절차, 그리고 모형의 효용성을 보이고자 한다. 성장혼합나무모형의 효용성을 보이기 위해 국내 자료 중 자료의 규모가 크면서, 측정된 배경변인이 많은 KELS 2013 자료의 5시점(초5 ~ 중3) 자료를 활용하였으며, 자료에서 국어 성취도 점수, 성별, 가정 월 소득, 학업에 대한 자아개념, 학업 스트레스 5개 변수를 활용하여 성장혼합나무모형을 분석하였다. 그 결과, 빠른 성장집단과 느린 성장집단으로 성장모형의 잠재집단이 파악되었고, 재귀적 분할 접근방식을 적용한 결과 성별과 학업에 대한 자아개념 정도에 따라 5개의 노드로 분할되어 총 10개의 성장모형이 확인되었다. 결과를 바탕으로, 집단의 이질성을 확인하기 위해 주로 활용되었던 기존 성장혼합모형과 달리, 종단자료 내 학생의 성장형태와 공변수를 동시에 고려함으로써 집단을 구분할 수 있는 성장혼합나무모형의 효용성과 재귀적 분할 접근방식의 확장성에 대해 논의하였다.
In longitudinal studies, it is primary step to identify growth patterns to understand the change and the relationships between the change and the other variables. Such a population growth pattern would be represented by a growth pattern but it is also common to be represented by several different patterns. This study aims to show the efficiency in identifying the growth patterns via a recursive partitioning approach by applying growth mixture tree model into longitudinal data. Korean Educational Longitudinal Study (KELS) 2013 data were used with five time points from 5th grade to 8th grade. Korean achievement score was used as a dependent variable, and student gender, family income, self-conception on learning, and academic stress were used as covariates. Results indicate that there are two growth patterns, fast growth and slow growth patterns. Recursive partitioning approach also indicates five final nodes, which makes total of 10 growth patterns in the data. The results were slightly different from those of growth curve model and informed nonlinear relationships between growth patterns and variables considered. It was discussed how efficient the growth mixture tree model is and how the recursive partitioning approach can further extended.
Ⅰ. 서론 Ⅱ. 이론적 배경 Ⅲ. 분석 방법 Ⅳ. 분석 결과 Ⅴ. 결론 및 시사점
