와홍세희교수가함께하는 2018. JUL. - AUG. 연구방법론집중 안녕하세요. 시합니다. 에서는고려대학교홍세희교수님을모시고해마다 1 월과 7 월에연구방법론집중워크샵을실 홍세희교수님께서는구조방정식모형 ( 초, 중, 고급총 11일집중과정 ), 횡단다층모형 (4일), 종단다층모형 (4일), 다층구조방정식모형 (3일), 잠재성장모형 (4일), 다층잠재성장모형 (1일), 메타분석 (3일), 생존분석 (4일), 검사개발과타당화 (3일), 행위자-상대자상호의존모형과사회관계분석 (3일), 잠재계층모형과성장혼합모형 (3일) 등과같은행동과학계량방법을개론수준이아니라최고급수준까지심층적으로다루어서다양한분야의교수, 연구원, 대학원생들에게좋은반응을얻고있습니다. 이번여름에는연구자들의높은관심을반영하여아래와같이워크샵을실시합니다. 본워크샵시리즈를자주수강 하시는분들을위해박영사에서는보다다양한할인혜택을마련하였으니아래등록방법을참고하시기바랍니다. 프로그램 1: 구조방정식모형의기초이론과적용 (7월 2일 ~ 7월 5일, 총 4일 ) 프로그램 2: 구조방정식모형의다양한확장 (7월 10일 ~ 7월 13일, 총 4일 ) 프로그램 3: 잠재계층모형과성장혼합모형 (Latent Class Models & Growth Mixture Models) (7월 25일 ~ 7월 27일, 총 3일 ) 프로그램 4: 다층구조방정식모형 (Multilevel SEM) (8월 8일 ~ 8월 10일, 총 3일 ) 본워크샵은계량전공자가아닌일반연구자 ( 대학원생포함 ) 를대상으로실시하기때문에내용은기초부터시작됩니다. 하지만수준을높여나가서최신고급방법까지포함합니다. 이워크샵내용은최신문헌까지포함하고있으며, 폭넓은범위와깊이는최고수준이라고자부합니다. 본워크샵의목표는수강후에연구에적용할수있도록하는것입니다. 각주제에대해이론을배우고통계프로그램을이용하여실습을할뿐만아니라실제적용논문사례를같이공부하므로연구와논문작성에크게도움이될것입니다. 각프로그램에대한구체적인내용은다음과같습니다.
PROGRAM 01 구조방정식모형의기초이론과적용 시기및장소 : 7월 2일 ~7월 5일, 총 4일 ( 매일오전 10시 - 오후 4시 30분 ), 고려대학교 ( 추후자세히공지 ) 내용 : 회귀분석에대한이해가있으면수강이가능합니다. 기초부터시작해서중급수준까지끌어올리는단계입니다. 회귀분석, 요인분석을학습하고최종단계에서는구조방정식모형을분석하고해석하는수준까지학습하게됩니다. 탐색적요인분석부분에서는많은연구자들이사용하는절차인요인추출시주성분분석의사용, 요인수결정시아이겐값 > 1.0 기준적용, 회전방법선택시 varimax회전적용의문제점을알아보고바람직한대안을제시합니다. 확인적요인분석에서는모형개발방법, 방법효과 ( 예 : 부정문항포함으로인한요인구조의왜곡 ) 의통제, 요인수에따른모형비교등의주제를다룹니다. 구조방정식모형에서는모형개발방법, 문항결합 (item parceling) 방법, 적합도지수를이용한모형평가, 적합도가좋지않은경우의모형수정, 경쟁이론이복수로존재하는경우의모형비교등의주요주제를다룹니다. 특히어떤지수를이용하여모형을평가할것인가그리고바람직한모형수정절차는어떤것인가를학습합니다. 프로그램 AMOS 사용방법도학습하므로본워크샵수강후에는구조방정식모형을적용한논문을이해하고본인의독립적인연구수행이가능해집니다. 각주제에대해이론을배우고통계프로그램을이용하여실습을할뿐만아니라실제적용논문사례를같이공부하므로연구수행및논문작성에크게도움이될것입니다. 본워크샵을위해서 AMOS를사용합니다. AMOS는워크샵중에간단히학습할수있으므로사용경험이없어도무방합니다. 자세한주제는아래와같습니다. 상관과회귀분석복습공분산, 상관, 편상관 (partial correlation) 의개념범주형변수코딩방법 ( 더미코딩과효과코딩 ) 탐색적요인분석요인의개념주성분분석과탐색적요인분석의비교주축분해법 (principal axis factoring) 과최대우도법 (maximum likelihood) 요인수결정방법 ( 스크리도표, 평행선분석, 카이제곱검증, 적합도지수이용방법 ) 회전방법 ( 직각회전, 사각회전 ) 주성분분석과탐색적요인분석의결과비교 SPSS와 SAS 분석결과의차이점확인적요인분석탐색적요인분석과확인적요인분석의비교고차 (higher order) 요인모형이중부하 (double loading) 모형 다특성다방법 (multi trait multi method: MTMM) 분석방법요인 (method factor) 모형구조방정식모형의기본개념구조방정식모형으로표현한하위모형구조방정식모형을적용한상관, 편상관, ANOVA, 회귀분석경로분석구조방정식모형개발지표변수 (indicator) 결정방법표본수결정방법문항결합 (item parceling) 방법내적일관성방법, 개념영역대표성방법균형할당방법, 요인계수방법, 임의할당방법구조방정식모형추정방법최대우도법 (maximum likelihood) 의논리모형적합도평가 각적합도지수의논리및선정기준지수를이용한적합도평가모형수정수정지수 (modification index) 사용시주의할점잘못된모형수정의예오차공분산허용의대표적인예모형비교내재적 (nested) 모형비교, 비내재적 (nonnested) 모형비교순환모형 (nonrecursive models) 분석 Order 조건 Rank 조건최적화된모형탐색방법추정실패의원인과해결방법다양한분석에대한 AMOS 실습
PROGRAM 02 구조방정식모형의다양한확장 시기및장소 : 7월 10일 ~7월 13일, 총 4일 ( 매일오전 10시 - 오후 4시 30분 ), 고려대학교 ( 추후자세히공지 ) 내용 : 구조방정식모형의기초수준의내용을이해하고, 다양한모델링을시도하고자하는연구자에게적합한수준의워크샵입니다. 행동과학연구를하는데있어서많은연구자들이관심을가지는다집단분석, 잠재평균모형, 매개모형, 상호작용모형, 비정상및결측자료분석에초점을맞추어진행합니다. 다집단분석에서는특정효과가집단간에차이가있는지검증하게되고, 잠재평균모형에서는측정오차를통제한잠재변수에서의집단간평균비교를하게됩니다. 구조방정식모형은평균비교를위한분석방법이아니라는오해가있지만측정오차를통제하며더욱정교한집단간평균비교를할수있는방법입니다. 측정오차를통제한상태에서공분산분석 (ANCOVA) 도유연하게처리할수있습니다. 매개모형에서는최근의추세인 bootstrapping 신뢰구간, 비대칭분포신뢰구간, Monte Carlo 신뢰구간등의방법을다룹니다. AMOS를사용하는경우에여러매개효과에대한개별매개에대해 bootstrapping 신뢰구간을도출하거나, 자료에결측치가있을때 bootstrapping 신뢰구간을도출하는데어려움이있습니다. 이에대한해결책으로비대칭분포신뢰구간, Monte Carlo 신뢰구간, Phantom 변수모델링등의새로운방법을제시합니다. 상호작용모형에서는최근에개발된모형으로서기존의복잡한수학적제약을피하고효율적인비제약모형을다룹니다. 분석과정이복잡하지않은비제약모형을적용해잠재변수사이의다양한상호작용효과를검증할수있을것입니다. 또한분석에서자주발생하는자료문제인정상성위배문제, 결측치발생문제에대한최신처리방법도포함됩니다. 각주제에대해이론을배우고통계프로그램을이용하여실습을할뿐만아니라실제적용논문사례를같이공부하므로논문작성에크게도움이될것입니다. 본워크샵을위해서 AMOS를사용합니다. AMOS 는워크샵중에간단히학습할수있으므로사용경험이없어도무방합니다. 자세한주제는아래와같습니다. 구조방정식모형복습비정상분포자료분석왜도 (skewness), 첨도 (kurtosis) Bootstrapping 방법결측자료 (missing data) 분석완전정보최대우도법 (full information maximum likehood: FIML) 의논리결측자료에대한구조방정식모형계수사이의비교검증다집단분석 (multi group analysis) 측정동일성완전동일성, 부분동일성다집단구조방정식모형구조계수제약순서방법잠재평균모형 측정동일성, 절편동일성잠재변수의평균비교잠재평균차이의효과크기 Cohen's d 더미변수방법과비교 MANOVA와비교효과코딩의적용구조방정식모형을이용한공분산분석 (ANCOVA) 매개모형직접효과, 간접효과로효과분해 Sobel 검증 Bootstrapping 방법 Phantom 변수를이용한개별매개효과에대한 bootstrapping Bootstrapping 신뢰구간 (percentile 방법, bias-corrected 방법 ) 비대칭분포신뢰구간 (PRODCLIN) Monte Carlo 신뢰구간상호작용모형회귀분석을이용한상호작용모형검증평균중심화 (mean centering) 의개념및필요성상호작용변수의신뢰도문제잠재변수사이의상호작용상호작용변수의표준화계수교정다집단분석과의차이점단일지표변수 (single indicator) 방법신뢰도를이용하여측정오차통제다양한분석에대한 AMOS 실습
PROGRAM 03 잠재계층모형과성장혼합모형 시기및장소 : 7월 25일 ~7월 27일, 총 3일 ( 매일오전 10시 - 오후 4시 30분 ), 고려대학교 ( 추후자세히공지 ) 내용 : 행동과학에서유사한특징을가진사람으로분류하는작업은매우중요합니다. 대부분의통계방법이변수중심적이지만이방법은사람을분류하는데관심이있으므로사람중심적 (person-centered) 방법이라는점에서특색이있습니다. 최근사람중심적 (person-centered) 방법은매우높은인기를끌고있으며세계적인학술지에서도출판빈도가매우높아지고있습니다. 기존의통계가전체주의적인한계를가지고있다는점에서당연하다고볼수있습니다. 본워크샵에서는주요분류모형으로크게 4가지방법을학습합니다. 잠재계층모형과잠재프로파일모형, 잠재전이모형, 혼합회귀분석과혼합구조방정식모형, 성장혼합모형입니다. 이런방법들을총칭하여혼합모형 (mixture models) 이라고합니다. 잠재계층 (latent class) 은이분형문항을사용하여분류된집단을, 잠재프로파일 (latent profile) 은연속변수를사용하여분류된집단을각각가리킵니다. 일반적으로는유사성을바탕으로추정된집단을잠재계층으로많이정의합니다. 이방법은여러개의문항에대한응답패턴에서의유사성을통해집단을분류합니다. 우울증검사에대해잠재프로파일분석을실시하면우울증의유형 ( 예, 정서형, 신체형 ) 을도출할수있습니다. 교육학에서는자아개념의유형, 학습전략을유형등을도출할수있으며, 범죄학에서는전과자들에게주로저지르는범죄를조사하여범죄를유형화 ( 폭력형, 절도형 ) 할수있습니다. 잠재계층모형과잠재프로파일모형을확장하여영향변수와결과변수를추가할수도있습니다. 예를들면, 리더십검사를사용하면리더십유형을도출할수있고, 또한어떤배경을가진사람이어떤유형이될가능성이높은지검증할수있으며 ( 영향변수검증 ), 어떤유형이높은생산성으로연결될수있는지검증 ( 결과변수검증 ) 이가능합니다. 잠재전이모형 (latent transition models) 은잠재계층모형과잠재프로파일모형을종단모형으로확장한방법입니다. 시간이지나면어떤유형에있던사람들이어떤유형으로옮겨갈가능성 ( 전이확률 ) 이높은지추정합니다. 예를들면현재불면증과같은신체형우울증에속해있는사람은결국정서형우울증유형으로변해가는지, 유형과유형사이의변화를추적합니다. 배경변수 ( 예, 성별 ) 에따라변화가다를수있으므로배경변수에대한효과검증도실시합니다. 즉, 성별에따라어떤유형에서어떤유형으로변해갈확률이다른지검증합니다. 이방법은 2시점자료만있어도적용이가능합니다. 혼합모형의강력한유연성은일반통계에서추정하는어떤계수에대해서도집단분류를실시할수있다는점입니다. 회귀분석에대해잠재계층을적용하면혼합회귀분석이되는데독립변수의유의성에따라집단분류를실시합니다. 예를들어, 구매의사에영향을주는요소가무엇인지구하려면가격, 디자인, 성능, 브랜드로회귀분석을실시할수있습니다. 전통적인통계방법에의하면가격이유의하고디자인은유의하지않다면이결과가모든사람에적용될수있다고판단합니다. 하지만가격과성능을중요시하는집단, 디자인과브랜드를중요시하는집단, 가격만중요시하는집단이존재할수있습니다. 혼합회귀분석을통해유의한변수에있어서유사성을갖는집단으로분류할수있으며집단을잠재계층이라고정의합니다. 그리고집단분류의영향변수분석을통해중년의고소득남자는어떤유형이될가능성이높은지예측할수있습니다. 회귀분석뿐만아니라구조방정식모형에서추정되는계수를이용해서도집단분류가가능합니다.
최근에종단연구에서매우많이사용되는잠재성장모형에대해서도혼합모형을적용할수있습니다. 잠재성장모형에서는변화를추정하게되는데, 혼합모형을적용하면변화의유형에따른분류가가능합니다. 두사람이초기에동일한값을가질수있지만각각의배경에따라이후에변화유형이다를수있습니다. 초기시점이후에어떤사람은계속증가하는유형에속할수있고, 어떤사람은증가하다가감소하는유형에속할수있습니다. 배경변수를통해초기에이를예측한다면문제행동을가지고있는두사람중어떤사람이안좋은방향으로변하는유형에속할지미리예측하여처치를가할수있을것입니다. 혼합모형은모든사람에게일반화하는전통적인통계방법을정교화한방법으로어떤특성에따라유형화를실시하는방법입니다. 동일유형집단에맞춤형처치를실시할수있으므로실용적측면에서도매우유용합니다. 집단분류에전통적으로군집분석을많이사용해왔습니다. 군집분석은자료값을바탕으로분류를시도하는단순한방법이며혼합모형처럼특정통계방법에서추정되는계수를바탕으로분류하는것 ( 예, 잠재성장모형에서추정되는변화율을바탕으로유형화 ) 은가능하지않습니다. 혼합모형은집단수를결정하는다양한통계지수, 종단적분석, 영향변수와결과변수를포함, 다양한분석과결합등매우강력하고유연하여분류에있어서최고수준의분석방법입니다. 이워크샵의목표는수강후혼합모형을적용하여독립적인연구를수행할수있도록하는것입니다. 각주제에대해이론을배우고통계프로그램을이용하여실제자료를가지고실습을할뿐만아니라연구사례를같이공부하므로연구에크게도움이될것입니다. 본워크샵을위해서 Mplus를사용합니다. Mplus 프로그램은워크샵중에간단히학습할수있으므로사용경험이없어도무방합니다. 자세한주제는아래와같습니다. 혼합모형의기초잠재계층모형 (latent class models) 잠재계층의수결정방법 AIC, BIC 조정된카이제곱차이검증 Parametric bootstrapped likelihood ratio test Entropy 잠재계층계수추정및해석개인별잠재계층소속확률추정수렴 (convergence) 확인방법 global maxima, local maxima 동일화제약을통한잠재계층간계수비교검증잠재계층형성의영향변수 ( 독립변수 ) 추가모형독립변수효과추정을위한이항및다항로지스틱회귀분석 독립변수, 결과변수를보조변수로처리한 3단계추정방법자동화된보조변수처리방법확인적잠재계층모형잠재프로파일모형 (latent profile models) 잠재계층, 잠재프로파일모형과군집분석 (cluster analysis) 의비교혼합회귀분석 (mixture regression analysis) 잠재계층에따른회귀계수의차이분석회귀계수에따른잠재계층추정혼합구조방정식모형잠재전이모형 (latent transition models) 두시점잠재전이모형잠재계층계수의시간에따른동일성검증전이확률 (transition probability) 의추정 전이확률에대한영향변수효과추정특정영향변수값에따른전이확률값추정잠재전이모형에서의 3단계추정방법성장혼합모형 (growth mixture models) 잠재성장모형의기초변화유형에따른집단분류독립변수의추가결과변수의추가잠재계층성장모형 (latent class growth models) 결측치 (missing data) 처리방법완전정보최대우도 (full information maximum likelihood) 방법다중대체 (multiple imputation) 방법 Mplus 명령어정리다양한모형에대한 Mplus 실습
PROGRAM 04 다층구조방정식모형 시기및장소 : 2018년 8월 8일 ~8월 10일, 총 3일 ( 매일오전 10시 - 오후 4시 30분 ), 고려대학교 ( 추후자세히공지 ) 내용 : 최근에행동과학분야에서다층모형 (HLM) 이매우널리사용되고있습니다. 각개인 ( 학생, 회사원 ) 자료가조직 ( 학교, 회사 ) 자료에속해있는자료를다층자료라고하며다층모형에서는회귀계수가집단에따라달라질수있음을가정하고집단특성변수로이를설명하는방법입니다. 다층모형 (HLM) 은회귀분석을다층자료에적용하는방법이며이를확장하면다층구조방정식모형이됩니다. 다층자료에서다층모형과다층구조방정식모형의관계는일반적인자료에서회귀분석과구조방정식모형의관계와유사합니다. 따라서다층구조방정식모형을이용하면다층구조하에서잠재변수를사용할수도있고다양하고복잡한모형을유연하게다룰수있습니다. 본워크샵에서는경로분석, 요인분석에대한다층구조모형을학습하고이를확장하여구조방정식모형에대한다층모형을학습합니다. 또한각수준에서 ( 즉, 1수준과 2수준에서 ) 모형의적합도가다를수있기때문에각수준별로적합도지수를평가하는새로운평가방법을다룹니다. 다층자료인경우에는검사의신뢰도지수역시각수준별로존재할수있기때문에수준별신뢰도알파지수계산도학습합니다. 또한 HLM에서매우중요한이슈인중심화 (centering) 와맥락효과 (contextual effect) 의개념을다층구조방정식상황에서다룹니다. 다층구조방정식모형에서최근에많이발전한주제는매개효과검증방법입니다. 다층매개효과의예는조직문화변화 -> 개인동기변화 -> 개인성과변수와같은집단수준과개인수준사이의인과적연결입니다. 다층구조방정식모형을적용하면고수준에서저수준으로의매개효과 ( 예 : 2수준 -> 2수준 -> 1수준매개효과 ) 분석뿐만아니라저수준에서고수준으로의매개효과 ( 예 : 1수준 -> 1수준 -> 2수준매개효과 ) 도분석이가능합니다. 다층자료를다층모형적접근방법이아닌설계를바탕으로한최신발전에대해서도학습합니다. 즉수준별로모형화하는것이가설이아닌경우에는내재적자료특성으로인해생기는추정오류만교정하는방식으로간단히처리할수도있습니다. 마지막으로 3수준모형에대해서학습합니다. 본워크샵은다층모형과구조방정식모형의결합이므로다층모형 (HLM) 과구조방정식에대한기초가있으면수강이가능합니다. 연구주제가포화된상태에서, 새로운고급방법을통해새로운시각을얻고, 새로운연구를시도할수있을것입니다. 각주제에대해이론을배우고통계프로그램을이용하여실습을할뿐만아니라실제적용논문사례를같이공부하므로논문작성에크게도움이될것입니다. 본워크샵을위해서 Mplus를사용합니다. Mplus는워크샵중에간단히학습할수있으므로사용경험이없어도무방합니다. 자세한주제는아래와같습니다.
다층모형의기초다층자료의의존성집단내상관 (ICC) 생태학적오류 (ecological fallacy) 2수준다층모형구조방정식모형경로도로표현한다층모형 2수준다층모형에대한 Mplus 실습기본적인다층모형에대한 HLM과 Mplus 결과비교다층모형을위한 Mplus 명령어정리다변량다층모형다층구조방정식모형의추정원리무선기울기추정을위한정의변수 (definition variable) 다층경로분석다층확인적요인분석 Within(W), Between(B) 사이의측정동일성문제잠재변수를이용한 ICC 계산방법 W, B 모형에대한적합도지수 Segregating 절차 Level-specific 절차다층자료에서의신뢰도계산다층확인적요인분석을이용한 W, B수준신뢰도계산다층구조방정식모형중심화 (centering) 집단평균중심화 (group-mean centering) 전체평균중심화 (grand-mean centering) 다층구조방정식모형에서중심화처리맥락효과 (contextual effect) 1수준계수가고정일때의맥락효과 1수준계수가무선일때의맥락효과다층구조방정식모형에서의매개효과검증고수준에서저수준으로의매개효과분석 ( 예 : 2수준 -> 2수준 -> 1수준매개효과 ) 저수준에서고수준으로의매개효과분석 ( 예 : 1수준 -> 1수준 -> 2수준매개효과 ) 동일수준에서의매개효과분석 ( 예 : 1수준 -> 1수준 -> 1수준매개효과 ) Monte Carlo 신뢰구간을이용한매개효과검증다층자료처리방법모형기반 (model-based) 방법설계기반 (design-based) 방법 3수준구조방정식모형 Mplus 명령어정리다양한모형에대한 Mplus 실습 HOW TO 등록방법및기타사항 워크샵등록비 ( 아래의특별할인혜택참고 ) 프로그램 1 구조방정식모형의기초이론과적용 : 일반 58만원, 학생할인 45만원프로그램 2 구조방정식모형의다양한확장 : 일반 58만원, 학생할인 45만원프로그램 3 잠재계층모형과성장혼합모형 : 일반 52만원, 학생할인 40만원프로그램 4 다층구조방정식모형 : 일반 52만원, 학생할인 40만원 ( 일반중에서소속이학교가아닌경우 ( 예, 기업및연구기관 ) VAT 10% 추가 신청은 2018년 6월 12일 ( 화 ) 오전 9시부터아래에서받습니다. http://www.pyworkshop7.com 회원가입후에신청하시면됩니다. 본인정보하에수강하신내역이적립되어할인에적용되니정확하게입력해주시기바랍니다 ( 새로운학점제는아래네이버블로그에서자세한할인혜택참고 ). 위사이트에서수강신청을완료하시면금액과입금계좌가바로안내되며입금순서대로등록됩니다. 입금확인후워크샵신청페이지에 " 입금완료 " 로반영되어수강등록이완료됩니다.
가지특별할인혜택 새로운학점제할인혜택박영워크샵을연속적으로수강하시는분들께혜택을드리기위해학점제를실시합니다. 수강과목하루당 1학점을적립하여 ( 예, 4일과정인구조방정식모형워크샵수강시 4학점적립 ) 10학점이되면 7만원을할인해드립니다. 박영워크샵이시작된 2017년 1월수강내역부터적립해드립니다. 학점은해당시즌 ( 겨울시즌또는여름시즌 ) 의모든워크샵이종료된후적립됩니다. 따라서 10학점이달성되는해당시즌에바로사용하실수없고그다음시즌부터사용이가능합니다 ( 예, 2017년여름에구조방정식모형 1, 2를수강하여 8학점취득후. 2018년 1월에잠재성장수강하여 4학점을취득하면총 12학점취득. 이경우달성된 10학점에대한 7만원혜택은해당시즌이아닌다음시즌부터사용이가능하므로 2018년여름부터사용가능. 사용하고남은 2학점은그대로적립되어추후사용 ) 복수강의수강할인혜택 3 일이상인프로그램을동시에 2 개이상신청하시면 5 만원, 3 개이상신청하시면 8 만원이총액에서할인됩니다. 학생할인혜택학생할인은석 박사과정생, 대학원입학예정자, 박사수료생에적용됩니다 ( 유학생도동일기준 ). 학생할인을받으시려면워크샵첫날학생증, 재학증명서, 또는입학예정증명서를제시하시면합니다. 단, 학교연구비를제외한다른기관에서지원받는경우에는학생할인이적용되지않습니다. 등록한분에게는워크샵에서사용되는통계프로그램과읽을논문에대한자세한안내를드립니다. 신청하신워크샵을이수하신경우, 수료증을드립니다 ( 유학생, 외국방문연구자를위해영문으로도발급가능합니다 ). 워크샵을위해제작된교재, 실습자료및다과가제공됩니다. 워크샵교재는수강생에게만제공되며별도로판매하지는않습니다. 기타자세한정보는아래네이버블로그에서확인하실수있습니다. http://blog.naver.com/pyworkshop7 연락은아래이메일이나전화번호로하시면됩니다. 빠른답변을드리도록하겠습니다 ( 이메일선호 ). 이메일 : pyworkshop@daum.net 전화 : 02) 3291-9919
강사 홍세희교수 ( 고려대학교교육학과 ) 학력 서울대학교심리학과학사 Ohio State University 심리학과박사 : 계량심리학 (Quantitative Psychology) 전공 경력 University of California, Santa Barbara 교육학과및심리학과조교수-부교수 ( 종신교수 ) 역임 University of California, Santa Barbara 사회과학학제간계량프로그램참여교수및교육학과연구방법론프로그램주임교수역임이화여자대학교심리학과조교수-부교수역임연세대학교사회복지학과부교수-교수역임고려대학교교육학과교수 ( 현재 ) 한국심리측정평가학회회장역임한국심리학회심리검사심의위원장 ( 현재 ) 수상 Tanaka Award 수상, Society of Multivariate Experimental Psychology 최우수연구상 고려대학교명강의상 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