Discontinuous Piecewise Growth Mixture Model with Distal Outcome: A Comparison of Three-Step ML and BCH Approaches

Abstract

본 연구는 비연속 분할함수 성장혼합모형의 접근법에 따라 계층 간 원격 결과변인 추정치에 어떠한 차이가 있는지를 확인하는 데 목적이 있다. 이를 위하여 본 연구는 3단계 ML접근법과 3단계 BCH 접근법을 적용하여 모의실험 연구를 수행하였다. 모의실험에 계층 분류정도(1.3, 2.6), 계층 혼합비율(90:10, 70:30, 50:50), 표본크기(200, 500, 1000, 2000)의 조건을 설정하였다. 분석결과, 3단계 ML접근법과 3단계 BCH접근법의 원격 결과변인에서 양호도의 차이는 미미한 것으로 나타났지만, 소표본일 때 3단계 BCH접근법이 3단계 ML접근법에 비해 상대적으로 효율성이 높은 것으로 나타났다. 본 연구는 원격 결과변인의 보조변수 접근법에 기존에 활용되지 않았던 비연속 분할함수 성장혼합모형을 적용하고, 다양한 모의실험 조건을 설정하여 모의실험 연구를 수행하였다는 점에서 의의가 있다. 본 연구가 연구자들에게 실질적인 모형 활용 방안을 제시할 수 있을 것으로 기대하며, 연구의 제한점을 바탕으로 후속연구를 제언하였다.The purpose of this study was to compare the estimates of distal outcome variable in discontinuous growth mixture model. For this purpose, this study carried out a simulation study using a three-step maximum likelihood (ML) approach and a three-step BCH approach. The manipulated conditions were the class separation (1.3, 2.6), the mixing proportions (90:10, 70:30, 50:50), and the sample size (200, 500, 1000, 2000). The differences between ML and a three-step BCH approaches were not substantial, however, the three-step BCH approach was relatively more efficient than the three-step ML approach in the conditions of relatively small sample sizes. In particular, the bias of standard error was smaller in the conditions of the relatively less mixing proportions when three-step BCH approach was used. Limitations of the current study and suggestions for future study were provided.