[논문 리뷰] Multilevel latent class analysis with covariates: Analysis of cross-national citizenship norms with a two-stage approach

Roberto Di Mari, Zsuzsa Bakk외 2명|arXiv (Cornell University)|2023. 07. 20.

Social and Cultural DynamicsSocial Sciences인용 수 3

한 줄 요약

이 논문은 다국적 시민의 의무 기준을 모델링하기 위해 공변량이 포함된 이단계 다수준 잠재클래스분석(MLCA)을 제안한다. 측정모형 추정의 안정성을 확보하기 위해 클래스 수 결정과 공변량 포함을 분리함으로써, 계층적 자료에서 강건성과 해석 가능성 향상을 도모한다. 이 방법은 민주 국가들의 IEA 설문조사 자료를 바탕으로 한 강력한 실증적 근거를 바탕으로, '참여형', '무엇을 해야 할지에 기반한', '주체형'과 같은 구분되는 잠재클래스를 식별한다.

ABSTRACT

This paper focuses on the substantive application of multilevel LCA to the evolution of citizenship norms in a diverse array of democratic countries. To do so, we present a two-stage approach to fit multilevel latent class models: in the first stage (measurement model construction), unconditional class enumeration is done separately on both low and high level latent variables, estimating only a part of the model at a time -- hence keeping the remaining part fixed -- and then updating the full measurement model; in the second stage (structural model construction), individual and/or group covariates are included in the model. By separating the two parts -- first stage and second stage of model building -- the measurement model is stabilized and is allowed to be determined only by it's indicators. Moreover, this two-step approach makes the inclusion/exclusion of a covariate a relatively simple task to handle. Our proposal amends common practice in applied social science research, where simple (low-level) LCA is done to obtain a classification of low-level unit, and this is then related to (low- and high-level) covariates simply including group fixed effects. Our analysis identifies latent classes that score either consistently high or consistently low on all measured items, along with two theoretically important classes that place distinctive emphasis on items related to engaged citizenship, and duty-based norms.

연구 동기 및 목표

• 정치학 및 사회과학 연구에서 공변량이 포함된 강건하고 편향 보정된 다수준 잠재클래스모형의 부족을 해결하기 위해.
• 개인 단위가 더 높은 수준의 단위(예: 국가)에 포함된 계층적 구조에서 표준 LCA의 한계를 극복하기 위해.
• 클래스 수 결정과 공변량 포함을 분리함으로써 측정모형 추정의 안정성을 확보하고 분류 편향을 방지하기 위해.
• 다수준 LCA에서 개인 및 집단 수준의 공변량을 탄력적이고 해석 가능한 방식으로 포함하기 위해.
• 복잡한 계층적 자료에 대해 통계적 엄밀성을 유지하면서도 계산적으로 실현 가능한 단계별 추정기법을 제공하기 위해.

제안 방법

• 이중단계 접근법을 제안: 먼저, 낮은 수준과 높은 수준에서 각각 조건부가 아닌 다수준 잠재클래스모형(측정모형)을 추정하며, 한 수준은 고정하고 다른 수준을 추정한다.
• 초기 단계에서 각 수준에서의 클래스 수를 결정한 후, 전체 측정모형을 반복적으로 업데이트하여 모형 안정성을 확보한다.
• 두 번째 단계에서 측정모형 재추정 없이도 개인 및 집단 수준의 공변량을 구조모형에 도입한다.
• 명시적 분류 단계를 피하기 위해 편향 보정된 단계별 추정 기법을 활용하여 분류 오차 민감도를 감소시킨다.
• 최종 구조모형 단계에서 표준오차를 추정하기 위해 비모수 부트스트랩을 적용한다.
• BIC와 로그우도를 사용하여 두 수준에서 최적의 클래스 수를 선택하며, 여러 클래스 솔루션에 대한 모형 적합도 통계치를 보고한다.

Figure 4: The basic latent class model (measurement model) at the lower level

실험 결과

연구 질문

• RQ1 다수준 잠재클래스분석을 사용하여 다국적 설문조사 자료를 분석할 때 어떤 시민의 의무 기준 잠재클래스가 도출되는가?
• RQ2 개인 수준의 특성(예: 성별, 교육 수준, 어원 배경 등)은 서로 다른 시민의 의무 기준 클래스에 소속되는 것을 어떻게 예측하는가?
• RQ3 국가 수준의 요인이 국가 간 시민의 의무 프로파일 분포에 어떻게 영향을 미치는가?
• RQ4 개인(저수준) 및 국가(고수준) 수준에서 최적의 잠재클래스 수는 얼마인가?
• RQ5 제안된 이단계 접근법은 표준 다수준 LCA에 공변량을 포함한 모형에 비해 모형 안정성과 해석 가능성에서 어떻게 향상되는가?

주요 결과

• 이단계 접근법은 클래스 수 결정과 공변량 포함을 분리함으로써 측정모형 추정을 성공적으로 안정화시켜 편향을 감소시키고 모형의 해석 가능성을 향상시켰다.
• BIC와 로그우도 향상 기준으로 하위 수준에 5개 클래스(M=5)와 고수준에 3개 클래스(T=3)를 선택하였으며, 개인 수준에서 5클래스 모형이 가장 우수한 적합도를 보였다.
• '참여형' 클래스(5클래스 모형에서 2번 클래스)는 정치적 참여, 토론, 시위에 대해 가장 높은 지지를 보였으며, 강력한 시민 참여를 나타냈다.
• '무엇을 해야 할지에 기반한' 클래스(4번 클래스)는 법적 복종, 투표, 권위자에 대한 존중을 강조하여 규범적이며 규칙 중심의 시민의 의무를 반영했다.
• '주체형' 클래스(5번 클래스)는 모든 항목에서 가장 낮은 점수를 기록하여 낮은 시민 참여도와 제한된 규범적 유대감을 나타냈다.
• 유의미한 공변량 효과가 발견되었으며, 여성은 '주류' 또는 '참여형' 클래스에 속할 가능성이 더 높았고, 비-native 언어 사용자는 '참여형' 또는 '무엇을 해야 할지에 기반한' 클래스에 속할 가능성이 낮았으며, 높은 교육 목표는 '참여형' 및 '무엇을 해야 할지에 기반한' 프로파일과 관련이 있었다.

Figure 5: The basic latent class model (measurement model) at the lower level, with $T=5$ , and $M=3$ .