초등교원의 종단 조언네트워크 결측자료 분석방법 비교: 비임의결측 시 다중대체를 중심으로 = Comparison of Longitudinal Network Missing Data Analysis: Based on Multiple Imputation when Missing Not At Random

다국어 초록 (Multilingual Abstract)

The purpose of this study is to compare analysis methods of longitudinal network missing data, based on multiple imputation when missing not a random. Research questions are: First, what is the difference in coefficient between parameters and estimates by missing mechanism? Second, what is the difference in standard error between parameters and estimates by missing mechanism? To do this, we generated missing simulated data by missing mechanism, and analyzed elementary teachers’ longitudinal networks using the stationary SAOM and the Bayesian ERGM multiple imputation methods. The results indicated that first, the bias ratio of coefficient estimates was different for each missing mechanism when applying the stationary SAOM and the Bayesian ERGM multiple imputation methods. Specifically, when isolates are missing data, the estimated network effect produce relatively unbiased estimates. Second, the bias ratio of the estimated standard errors also differed for each missing mechanism. These results imply that we need to consider network missing mechanism when analyzing longitudinal network missing data.

국문 초록 (Abstract)

본 연구의 목적은 비임의결측 시 다중대체를 중심으로 종단네트워크 결측자료의 분석방법을 비교하는 것이다. 이를 위한 연구문제는 첫째, 결측메커니즘별 종단네트워크 결측자료 분석결과인 효과계수 모수와 추정치 간 차이는 어떠한가? 둘째, 결측메커니즘별 종단네트워크 결측자료 분석결과인 효과계수의 표준오차 모수와 추정치 간 차이는 어떠한가? 이다. 이를 위해 네트워크 결측메커니즘별 결측 모의자료를 생성하고, Stationary SAOM과 Bayesian ERGM 다중대체법을 적용하여 초등교사의 종단네트워크를 분석하였다. 그 연구결과는 Stationary SAOM과 Bayesian ERGM을 적용하여 네트워크 결측자료를 다중대체 시 효과 계수 추정치의 편향 비율은 결측메커니즘별 차이가 있었다. 특히 소외자와 관련된 비임의결측일 때, 네트워크 효과 계수 추정치의 편향 정도가 낮았다. 또한 추정치 표준오차의 편향 비율도 결측메커니즘별 차이가 있었다. 이러한 결과의 시사점은 종단네트워크 결측자료 분석 시 먼저 네트워크 결측메커니즘을 확인할 필요가 있다.

참고문헌 (Reference)

1 이혜정, "패널자료에서의 항목무응답 대체 방법 비교" 한국통계학회 30 (30): 377-390, 2017

2 김형주, "특성도를 이용한 결측치 대체방법" 한국통계학회 30 (30): 463-473, 2017

3 김종민, "초등학생 도움 네트워크 측정 및 분석: 도움 네트워크가 행복감에 미치는 영향을 중심으로" 한국교육평가학회 28 (28): 1077-1106, 2015

4 김종민, "초등교원의 동료네트워크가 교직만족감과 행복감에 미치는 영향" 한국초등교육학회 28 (28): 27-51, 2015

5 양수경, "종단자료 결측치의 대체방법 비교" 한국교육개발원 36 (36): 165-190, 2009

6 임현정, "종단 네트워크 측정 및 분석: 초등학생 친구 및 도움 네트워크 중심으로" 한국교육평가학회 31 (31): 281-308, 2018

7 김종민, "사회선택 통계모형의 방법론적 특성과 p2 와 p* 모형을 활용한 남자고등학생의 영어도움 네트워크 분석" 한국교육평가학회 28 (28): 753-777, 2015

8 이태헌, "공분산 구조모형의 적합도 평가에 있어서 결측치 처리 방법 비교: 완전정보최대우도, 다중대체, 베이지안 접근법을 중심으로" 한국심리학회 33 (33): 507-533, 2014

9 신택수, "결측자료 분석방법에 대한 고찰과 활용: 종단학업성취 자료를 중심으로" 한국교육평가학회 27 (27): 693-725, 2014

10 Huisman, M., "Treatment of non-response in longitudinal network studies" 30 : 297-308, 2008

11 Costenbader, E., "The stability of centrality measures when networks are sampled" 25 : 283-307, 2003

12 Smith, J. A., "Structural effects of network sampling coverageⅠ : Nodes missing at random" 35 : 652-668, 2013

13 Little, R. J. A., "Statistical Analysis with Missing Data" John Wiley & Sons 1987

14 김종민, "Similarities, Differences, and Influential Factors of Elementary Teachers’ Networks for Student Assessment" 한국교육평가학회 30 (30): 145-171, 2017

15 Hipp, J. R., "Research note: the consequences of different methods for handling missing network data in stochastic actor based models" 41 : 56-71, 2015

16 Kim, C., "Relationships among Teachers’ Formal and Informal Positions and their Incoming Student Composition" 120 (120): 1-32, 2018

17 Borgatti, S. P., "On the robustness of centrality measures under conditions of imperfect data" 28 : 124-136, 2006

18 Smith, J. A., "Network sampling coverage Ⅱ : The effect of non-random missing data on network measurement" 48 : 78-99, 2017

19 Rubin, D. B., "Multiple imputation for nonresponse in surveys" John Wiley & Sons 1987

20 Wang, C., "Multiple imputation for missing edge data: a predictive evaluation method with application to add health" 45 : 89-98, 2016

21 Krause, R. W., "Multiple Imputation for longitudinal network data" 30 : 33-58, 2018

22 Handcock, M. S., "Modeling social networks from sampled data" 4 : 5-25, 2010

23 Krause, R. W., "Missing network data: A comparison of different imputation methods" 2018

24 Robins, G. L., "Missing data in networks : Exponential random graph(p*)models for networks with nonrespondents" 26 : 257-283, 2004

25 Graham, J. W., "Missing data analysis : Making it work in the real world" 60 : 549-576, 2009

26 Schafer, J. L., "Missing data : Our view of the state of the art" 7 : 147-177, 2002

27 Newman, D. A., "Missing data : Five practical guidelines" 17 (17): 372-411, 2014

28 Spillane, J. P., "Instructional Advice and Information Seeking Behavior in Elementary Schools : Exploring Tie formation as a Building Block in Social Capital Development" 49 (49): 1112-1145, 2012

29 Rubin, D. B., "Inference and missing data" 63 (63): 581-592, 1976

30 Dempster, A. P, "Incomplete data in sample surveys II: theory and bibliographies" Academic 3-10, 1983

31 Huisman, M., "Imputation of missing network data : Some simple procedures" 10 : 1-29, 2009

32 Borgatti, S. P., "Ethical and strategic issues in organizational social network analysis" 39 : 337-349, 2003

33 Huisman, M., "Encyclopedia of Social Network Analysis and Mining" Springer 1-10, 2017

34 Kossinets, G., "Effects of missing data in social networks" 28 : 247-268, 2006

35 Caimo, A., "Bayesian model selection for exponential random graph models" 35 : 11-24, 2013

36 Caimo, A., "Bayesian inference for exponential random graph models" 33 : 41-55, 2011

37 Koskinen, J. H., "Bayesian analysis for partially observed network data, missing ties, attributes and actors" 35 : 514-527, 2013

38 Koskinen, J. H., "Analysing exponential random graph(p-star)models with missing data using Bayesian data augmentation" 7 : 366-384, 2010

39 Spillane, J. P., "An Exploratory Analysis of Formal School Leaders’ Positioning in Instructional Advice and Information Networks in Elementary Schools" 119 (119): 73-102, 2012

40 김종민, "An Empirical Comparison of Statistical Models for Longitudinal Elementary Teachers’ Advice Networks" 한국교육평가학회 32 (32): 441-471, 2019

41 Burt, R. S., "A note on missing network data in the general social survey" 9 : 63-73, 1987