측정의 오차를 고려하는 분석 방법으로서 관찰변수만을 분석하는 회귀분석, 분산분석 등의 방법보다 더욱 신뢰할 수 있는 결과를 산출
Rosseel(2010) 에 의해 개발된 lavaan 은 요인모형, 잠재성장모형, 문항반응이론모형 등의 잠재변수 분석을 지원하는 패키지로서, 구조방정식 모형을 분석하는 기능이 포함된 타 패키지(SEM, OpenMx)보다 비교적 쉬운 문법으로 구성
| grammar | mean |
|---|---|
| =~ | 관찰변수를 이용하여 잠재변수 규정 |
| ~ | 회귀모형 규정 |
| ~~ | 공분산 추정 |
| ~1 | 절편 추정 |
### 패키지 불러오기 # eval=TRUE 은 명령어 실행결고 보고서에 포함
install.packages("lavaan")
library(lavaan)### 데이터 불러오기
library(readxl)
ex_la <- read_excel("exla.xls")## Classes 'tbl_df', 'tbl' and 'data.frame': 325 obs. of 26 variables:
## $ 성별 : num 1 1 1 1 1 1 2 2 2 2 ...
## $ 외관1 : num 3 1 3 1 3 3 3 5 1 3 ...
## $ 외관2 : num 2 1 3 1 3 3 3 5 1 3 ...
## $ 외관3 : num 3 1 3 1 3 3 3 5 1 3 ...
## $ 편의성1 : num 4 5 5 5 5 3 3 5 5 5 ...
## $ 편의성2 : num 4 5 5 5 5 3 3 5 5 5 ...
## $ 편의성3 : num 4 5 4 5 5 3 3 5 5 5 ...
## $ 유용성1 : num 4 5 4 4 4 5 5 5 5 4 ...
## $ 유용성2 : num 4 3 4 4 4 4 5 4 3 4 ...
## $ 유용성3 : num 4 3 4 4 4 4 4 4 3 4 ...
## $ 구매의도1 : num 3 5 5 3 5 5 3 3 5 5 ...
## $ 구매의도2 : num 3 5 3 3 5 5 3 3 5 3 ...
## $ 구매의도3 : num 3 5 4 3 5 5 3 2 5 4 ...
## $ 구전의도1 : num 3 3 3 4 3 3 3 3 3 3 ...
## $ 구전의도2 : num 3 3 3 4 3 3 2 2 3 3 ...
## $ 구전의도3 : num 3 3 3 4 3 4 3 3 3 3 ...
## $ FAC외관 : num -0.232 -1.904 0.287 -1.878 0.342 ...
## $ FAC편의성 : num 0.363 1.257 0.944 1.225 1.282 ...
## $ FAC유용성 : num 0.09161 0.00115 0.29741 0.06038 0.36249 ...
## $ FAC구매의도 : num -0.478 1.859 0.818 -0.585 2.062 ...
## $ FAC구전의도 : num -0.232 -0.14 -0.184 1.051 -0.106 ...
## $ 평균외관 : num 2.67 1 3 1 3 3 3 5 1 3 ...
## $ 평균편의성 : num 4 5 4.67 5 5 3 3 5 5 5 ...
## $ 평균유용성 : num 4 3.67 4 4 4 4.33 4.67 4.33 3.67 4 ...
## $ 평균구매의도: num 3 5 4 3 5 5 3 2.67 5 4 ...
## $ 평균구전의도: num 3 3 3 4 3 3.33 2.67 2.67 3 3 ...#### 모델 설정
model <- "외관=~외관3+외관2+외관1
편의성=~편의성3+편의성2+편의성1
유용성=~유용성3+유용성2+유용성1
구매의도=~구매의도3+구매의도2+구매의도1
구전의도=~구전의도3+구전의도2+구전의도1
구전의도~구매의도+외관+편의성+유용성
외관1~~외관1
외관2~~외관2
외관3~~외관3
편의성1~~편의성1
편의성2~~편의성2
편의성3~~편의성3
유용성1~~유용성1
유용성2~~유용성2
유용성3~~유용성3
구매의도1~~구매의도1
구매의도2~~구매의도2
구매의도3~~구매의도3
구전의도1~~구전의도1
구전의도2~~구전의도2
구전의도3~~구전의도3"#### 패키지 불러오기
library(lavaan)## Warning: package 'lavaan' was built under R version 3.4.4## This is lavaan 0.5-23.1097## lavaan is BETA software! Please report any bugs.## 모수 추정을 위한 모형
fit <- cfa(model, data=ex_la, estimator="ML")#모수 추정량
summary(fit, fit.measure=TRUE, standardized=TRUE)## lavaan (0.5-23.1097) converged normally after 46 iterations
##
## Number of observations 325
##
## Estimator ML
## Minimum Function Test Statistic 147.139
## Degrees of freedom 80
## P-value (Chi-square) 0.000
##
## Model test baseline model:
##
## Minimum Function Test Statistic 2958.769
## Degrees of freedom 105
## P-value 0.000
##
## User model versus baseline model:
##
## Comparative Fit Index (CFI) 0.976
## Tucker-Lewis Index (TLI) 0.969
##
## Loglikelihood and Information Criteria:
##
## Loglikelihood user model (H0) -4669.902
## Loglikelihood unrestricted model (H1) -4596.332
##
## Number of free parameters 40
## Akaike (AIC) 9419.803
## Bayesian (BIC) 9571.156
## Sample-size adjusted Bayesian (BIC) 9444.279
##
## Root Mean Square Error of Approximation:
##
## RMSEA 0.051
## 90 Percent Confidence Interval 0.038 0.064
## P-value RMSEA <= 0.05 0.442
##
## Standardized Root Mean Square Residual:
##
## SRMR 0.040
##
## Parameter Estimates:
##
## Information Expected
## Standard Errors Standard
##
## Latent Variables:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## 외관 =~
## 외관3 1.000 0.696 0.789
## 외관2 1.211 0.072 16.813 0.000 0.843 0.899
## 외관1 1.203 0.073 16.399 0.000 0.837 0.854
## 편의성 =~
## 편의성3 1.000 1.025 0.943
## 편의성2 1.106 0.032 34.212 0.000 1.134 0.951
## 편의성1 1.036 0.035 29.578 0.000 1.062 0.909
## 유용성 =~
## 유용성3 1.000 0.517 0.749
## 유용성2 0.832 0.086 9.707 0.000 0.430 0.698
## 유용성1 0.816 0.084 9.723 0.000 0.422 0.701
## 구매의도 =~
## 구매의도3 1.000 0.706 0.916
## 구매의도2 0.804 0.058 13.891 0.000 0.568 0.736
## 구매의도1 0.852 0.065 13.138 0.000 0.602 0.699
## 구전의도 =~
## 구전의도3 1.000 0.593 0.782
## 구전의도2 1.187 0.076 15.653 0.000 0.704 0.864
## 구전의도1 1.075 0.069 15.506 0.000 0.637 0.848
##
## Regressions:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## 구전의도 ~
## 구매의도 0.361 0.065 5.599 0.000 0.430 0.430
## 외관 0.011 0.052 0.210 0.834 0.013 0.013
## 편의성 0.033 0.035 0.943 0.346 0.058 0.058
## 유용성 -0.066 0.081 -0.806 0.420 -0.057 -0.057
##
## Covariances:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## 외관 ~~
## 편의성 0.125 0.044 2.865 0.004 0.176 0.176
## 유용성 0.034 0.024 1.411 0.158 0.095 0.095
## 구매의도 0.122 0.032 3.808 0.000 0.248 0.248
## 편의성 ~~
## 유용성 0.086 0.035 2.453 0.014 0.162 0.162
## 구매의도 0.255 0.046 5.487 0.000 0.352 0.352
## 유용성 ~~
## 구매의도 0.145 0.027 5.325 0.000 0.398 0.398
##
## Variances:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## .외관1 0.261 0.033 7.899 0.000 0.261 0.271
## .외관2 0.169 0.029 5.746 0.000 0.169 0.192
## .외관3 0.295 0.029 10.050 0.000 0.295 0.378
## .편의성1 0.238 0.024 9.823 0.000 0.238 0.174
## .편의성2 0.135 0.020 6.597 0.000 0.135 0.095
## .편의성3 0.132 0.018 7.460 0.000 0.132 0.111
## .유용성1 0.184 0.021 8.740 0.000 0.184 0.508
## .유용성2 0.195 0.022 8.831 0.000 0.195 0.513
## .유용성3 0.209 0.028 7.471 0.000 0.209 0.439
## .구매의도1 0.380 0.035 10.730 0.000 0.380 0.512
## .구매의도2 0.272 0.027 10.091 0.000 0.272 0.458
## .구매의도3 0.096 0.025 3.825 0.000 0.096 0.162
## .구전의도1 0.158 0.021 7.646 0.000 0.158 0.281
## .구전의도2 0.168 0.024 6.985 0.000 0.168 0.254
## .구전의도3 0.224 0.023 9.787 0.000 0.224 0.389
## 외관 0.485 0.059 8.157 0.000 1.000 1.000
## 편의성 1.052 0.093 11.263 0.000 1.000 1.000
## 유용성 0.268 0.041 6.602 0.000 1.000 1.000
## 구매의도 0.499 0.052 9.603 0.000 1.000 1.000
## .구전의도 0.284 0.037 7.735 0.000 0.809 0.809#크론바하알파 계산
alpha_1 <- ex_la[, c("외관1","외관2","외관3")]
(3/2)*(1-(sum(diag(var(alpha_1)))/var(rowSums(alpha_1))))## [1] 0.8828521alpha_2 <- ex_la[, c("편의성1","편의성2","편의성3")]
(3/2)*(1-(sum(diag(var(alpha_2)))/var(rowSums(alpha_2))))## [1] 0.9527612alpha_3 <- ex_la[, c("유용성1","유용성2","유용성3")]
(3/2)*(1-(sum(diag(var(alpha_3)))/var(rowSums(alpha_3))))## [1] 0.7581528alpha_4 <- ex_la[, c("구매의도1","구매의도2","구매의도3")]
(3/2)*(1-(sum(diag(var(alpha_4)))/var(rowSums(alpha_4))))## [1] 0.8143706alpha_5 <- ex_la[, c("구전의도1","구전의도2","구전의도3")]
(3/2)*(1-(sum(diag(var(alpha_5)))/var(rowSums(alpha_5))))## [1] 0.8691461#집중타당성 조건
#1. 표준화된 요인부하량 값 > .5 이상
#2. 평균분산추출 값 > .5 이상
#3. 개념신뢰도 값 > .7 이상
a <- c(0.789, 0.899, 0.854) #외관 관측변수의 표준화된 요인부하량
a_e <-c(0.295, 0.169, 0.261) #외관 관측변수의 측정오차
sum(a^2)/(sum(a^2)+sum(a_e)) #외관 평균분산추출(AVE) 계산## [1] 0.7487035sum(a)^2/(sum(a)^2+sum(a_e)) #외관 개념신뢰도(C.R.) 계산## [1] 0.8991201b <- c(0.943, 0.951, 0.909) #편의성 관측변수의 표준화된 요인부하량
b_e <-c(0.132, 0.135, 0.238) #편의성 관측변수의 측정오차
sum(b^2)/(sum(b^2)+sum(b_e)) #편의성 평균분산추출(AVE) 계산## [1] 0.8383964sum(b)^2/(sum(b)^2+sum(b_e)) #편의성 개념신뢰도(C.R.) 계산## [1] 0.9396064c <- c(0.749, 0.698, 0.701) #유용성 관측변수의 표준화된 요인부하량
c_e <-c(0.209, 0.195, 0.184) #유용성 관측변수의 측정오차
sum(c^2)/(sum(c^2)+sum(c_e)) #유용성 평균분산추출(AVE) 계산## [1] 0.723633sum(c)^2/(sum(c)^2+sum(c_e)) #유용성 개념신뢰도(C.R.) 계산## [1] 0.8869645d <- c(0.916, 0.736, 0.699) #구매의도 관측변수의 표준화된 요인부하량
d_e <-c(0.096, 0.272, 0.380) #구매의도 관측변수의 측정오차
sum(d^2)/(sum(d^2)+sum(d_e)) #구매의도 평균분산추출(AVE) 계산## [1] 0.7142151sum(d)^2/(sum(d)^2+sum(d_e)) #구매의도 개념신뢰도(C.도R.) 계산## [1] 0.8808006f <- c(0.782, 0.864, 0.848) #구전의도 관측변수의 표준화된 요인부하량
f_e <-c(0.224, 0.168, 0.158) #구전의도 관측변수의 측정오차
sum(f^2)/(sum(f^2)+sum(f_e)) #구전의도 평균분산추출(AVE) 계산## [1] 0.7906456sum(f)^2/(sum(f)^2+sum(f_e)) #구전의도 개념신뢰도(C.R.) 계산## [1] 0.9187597#판별타당성 조건
#1.평균분산추출(AVE) > 상관계수^2
#2.상관계수 플러스마이너스2 곱하기 표준편차 != 1
#AVE
sum(a^2)/(sum(a^2)+sum(a_e))## [1] 0.7487035sum(b^2)/(sum(b^2)+sum(b_e))## [1] 0.8383964sum(c^2)/(sum(c^2)+sum(c_e))## [1] 0.723633sum(d^2)/(sum(d^2)+sum(d_e))## [1] 0.7142151sum(f^2)/(sum(f^2)+sum(f_e))## [1] 0.7906456#상관계수
Cor_a <- 1 #외관-외관
Cor_b <- 0.176 #외관-편의성
Cor_c <- 0.095 #외관-유용성
Cor_d <- 0.248 #외관-구매의도
Cor_f <- #외관-구전의도
#표준오차
0.044 #외관-편의성
0.024 #외관-유용성## [1] 0.0240.032 #외관-구매의도## [1] 0.032 #외관-구전의도fitMeasures(fit)## npar fmin chisq
## 40.000 0.226 147.139
## df pvalue baseline.chisq
## 80.000 0.000 2958.769
## baseline.df baseline.pvalue cfi
## 105.000 0.000 0.976
## tli nnfi rfi
## 0.969 0.969 0.935
## nfi pnfi ifi
## 0.950 0.724 0.977
## rni logl unrestricted.logl
## 0.976 -4669.902 -4596.332
## aic bic ntotal
## 9419.803 9571.156 325.000
## bic2 rmsea rmsea.ci.lower
## 9444.279 0.051 0.038
## rmsea.ci.upper rmsea.pvalue rmr
## 0.064 0.442 0.027
## rmr_nomean srmr srmr_bentler
## 0.027 0.040 0.040
## srmr_bentler_nomean srmr_bollen srmr_bollen_nomean
## 0.040 0.040 0.040
## srmr_mplus srmr_mplus_nomean cn_05
## 0.040 0.040 226.031
## cn_01 gfi agfi
## 249.111 0.943 0.914
## pgfi mfi ecvi
## 0.628 0.902 0.699# ML 적합함수를 이용한 구조방정식 모형 분석
fit_c <- cfa(model, data=ex_la, estimator="ML", group="성별")
#모수 추정량, 적합도값
summary(fit_c, fit.measure=TRUE, standardized=TRUE)## lavaan (0.5-23.1097) converged normally after 56 iterations
##
## Number of observations per group
## 1 138
## 2 187
##
## Estimator ML
## Minimum Function Test Statistic 235.422
## Degrees of freedom 160
## P-value (Chi-square) 0.000
##
## Chi-square for each group:
##
## 1 95.994
## 2 139.428
##
## Model test baseline model:
##
## Minimum Function Test Statistic 3087.927
## Degrees of freedom 210
## P-value 0.000
##
## User model versus baseline model:
##
## Comparative Fit Index (CFI) 0.974
## Tucker-Lewis Index (TLI) 0.966
##
## Loglikelihood and Information Criteria:
##
## Loglikelihood user model (H0) -4626.121
## Loglikelihood unrestricted model (H1) -4508.410
##
## Number of free parameters 110
## Akaike (AIC) 9472.242
## Bayesian (BIC) 9888.463
## Sample-size adjusted Bayesian (BIC) 9539.552
##
## Root Mean Square Error of Approximation:
##
## RMSEA 0.054
## 90 Percent Confidence Interval 0.038 0.068
## P-value RMSEA <= 0.05 0.323
##
## Standardized Root Mean Square Residual:
##
## SRMR 0.046
##
## Parameter Estimates:
##
## Information Expected
## Standard Errors Standard
##
##
## Group 1 [1]:
##
## Latent Variables:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## 외관 =~
## 외관3 1.000 0.723 0.820
## 외관2 1.182 0.100 11.789 0.000 0.855 0.933
## 외관1 1.058 0.101 10.515 0.000 0.765 0.791
## 편의성 =~
## 편의성3 1.000 1.048 0.944
## 편의성2 1.052 0.045 23.422 0.000 1.102 0.955
## 편의성1 1.045 0.050 21.055 0.000 1.095 0.927
## 유용성 =~
## 유용성3 1.000 0.427 0.649
## 유용성2 0.801 0.178 4.489 0.000 0.342 0.562
## 유용성1 0.957 0.208 4.591 0.000 0.409 0.692
## 구매의도 =~
## 구매의도3 1.000 0.788 0.942
## 구매의도2 0.785 0.080 9.846 0.000 0.618 0.755
## 구매의도1 0.821 0.092 8.932 0.000 0.647 0.696
## 구전의도 =~
## 구전의도3 1.000 0.633 0.768
## 구전의도2 1.128 0.115 9.791 0.000 0.714 0.889
## 구전의도1 0.971 0.105 9.240 0.000 0.615 0.790
##
## Regressions:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## 구전의도 ~
## 구매의도 0.326 0.092 3.536 0.000 0.406 0.406
## 외관 -0.049 0.081 -0.605 0.545 -0.056 -0.056
## 편의성 0.110 0.056 1.971 0.049 0.183 0.183
## 유용성 -0.031 0.164 -0.190 0.850 -0.021 -0.021
##
## Covariances:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## 외관 ~~
## 편의성 0.097 0.070 1.386 0.166 0.127 0.127
## 유용성 -0.018 0.034 -0.524 0.600 -0.057 -0.057
## 구매의도 0.164 0.056 2.917 0.004 0.287 0.287
## 편의성 ~~
## 유용성 0.068 0.048 1.414 0.157 0.153 0.153
## 구매의도 0.311 0.080 3.872 0.000 0.376 0.376
## 유용성 ~~
## 구매의도 0.111 0.040 2.764 0.006 0.330 0.330
##
## Intercepts:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## .외관3 2.891 0.075 38.506 0.000 2.891 3.278
## .외관2 2.681 0.078 34.358 0.000 2.681 2.925
## .외관1 2.833 0.082 34.403 0.000 2.833 2.929
## .편의성3 3.638 0.094 38.515 0.000 3.638 3.279
## .편의성2 3.645 0.098 37.122 0.000 3.645 3.160
## .편의성1 3.768 0.101 37.471 0.000 3.768 3.190
## .유용성3 3.957 0.056 70.642 0.000 3.957 6.013
## .유용성2 3.855 0.052 74.421 0.000 3.855 6.335
## .유용성1 4.080 0.050 81.158 0.000 4.080 6.909
## .구매의도3 3.500 0.071 49.168 0.000 3.500 4.185
## .구매의도2 3.384 0.070 48.518 0.000 3.384 4.130
## .구매의도1 3.587 0.079 45.290 0.000 3.587 3.855
## .구전의도3 3.174 0.070 45.218 0.000 3.174 3.849
## .구전의도2 3.087 0.068 45.167 0.000 3.087 3.845
## .구전의도1 3.275 0.066 49.454 0.000 3.275 4.210
## 외관 0.000 0.000 0.000
## 편의성 0.000 0.000 0.000
## 유용성 0.000 0.000 0.000
## 구매의도 0.000 0.000 0.000
## .구전의도 0.000 0.000 0.000
##
## Variances:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## .외관1 0.351 0.054 6.555 0.000 0.351 0.375
## .외관2 0.110 0.043 2.572 0.010 0.110 0.130
## .외관3 0.255 0.042 6.015 0.000 0.255 0.328
## .편의성1 0.196 0.032 6.075 0.000 0.196 0.140
## .편의성2 0.116 0.026 4.443 0.000 0.116 0.087
## .편의성3 0.133 0.026 5.195 0.000 0.133 0.108
## .유용성1 0.182 0.040 4.579 0.000 0.182 0.521
## .유용성2 0.253 0.039 6.476 0.000 0.253 0.684
## .유용성3 0.250 0.047 5.284 0.000 0.250 0.579
## .구매의도1 0.447 0.062 7.235 0.000 0.447 0.516
## .구매의도2 0.289 0.044 6.606 0.000 0.289 0.430
## .구매의도3 0.078 0.042 1.860 0.063 0.078 0.112
## .구전의도1 0.227 0.038 5.997 0.000 0.227 0.375
## .구전의도2 0.135 0.038 3.549 0.000 0.135 0.209
## .구전의도3 0.279 0.044 6.373 0.000 0.279 0.411
## 외관 0.523 0.093 5.612 0.000 1.000 1.000
## 편의성 1.098 0.149 7.383 0.000 1.000 1.000
## 유용성 0.182 0.056 3.254 0.001 1.000 1.000
## 구매의도 0.621 0.093 6.662 0.000 1.000 1.000
## .구전의도 0.307 0.063 4.893 0.000 0.765 0.765
##
##
## Group 2 [2]:
##
## Latent Variables:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## 외관 =~
## 외관3 1.000 0.678 0.768
## 외관2 1.217 0.099 12.324 0.000 0.825 0.866
## 외관1 1.331 0.106 12.581 0.000 0.902 0.913
## 편의성 =~
## 편의성3 1.000 1.001 0.939
## 편의성2 1.157 0.046 25.124 0.000 1.158 0.952
## 편의성1 1.032 0.049 20.950 0.000 1.033 0.894
## 유용성 =~
## 유용성3 1.000 0.565 0.805
## 유용성2 0.868 0.092 9.428 0.000 0.491 0.789
## 유용성1 0.759 0.085 8.884 0.000 0.429 0.706
## 구매의도 =~
## 구매의도3 1.000 0.632 0.891
## 구매의도2 0.800 0.085 9.415 0.000 0.505 0.701
## 구매의도1 0.876 0.094 9.313 0.000 0.554 0.693
## 구전의도 =~
## 구전의도3 1.000 0.562 0.797
## 구전의도2 1.247 0.099 12.565 0.000 0.701 0.853
## 구전의도1 1.158 0.090 12.909 0.000 0.651 0.892
##
## Regressions:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## 구전의도 ~
## 구매의도 0.396 0.091 4.343 0.000 0.445 0.445
## 외관 0.083 0.066 1.249 0.212 0.100 0.100
## 편의성 -0.022 0.045 -0.480 0.631 -0.038 -0.038
## 유용성 -0.088 0.092 -0.954 0.340 -0.088 -0.088
##
## Covariances:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## 외관 ~~
## 편의성 0.150 0.055 2.700 0.007 0.221 0.221
## 유용성 0.074 0.034 2.190 0.029 0.192 0.192
## 구매의도 0.092 0.037 2.488 0.013 0.214 0.214
## 편의성 ~~
## 유용성 0.086 0.048 1.809 0.071 0.152 0.152
## 구매의도 0.206 0.054 3.805 0.000 0.325 0.325
## 유용성 ~~
## 구매의도 0.153 0.035 4.416 0.000 0.427 0.427
##
## Intercepts:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## .외관3 2.957 0.065 45.820 0.000 2.957 3.351
## .외관2 2.663 0.070 38.220 0.000 2.663 2.795
## .외관1 2.733 0.072 37.812 0.000 2.733 2.765
## .편의성3 3.476 0.078 44.575 0.000 3.476 3.260
## .편의성2 3.497 0.089 39.313 0.000 3.497 2.875
## .편의성1 3.626 0.085 42.898 0.000 3.626 3.137
## .유용성3 3.759 0.051 73.225 0.000 3.759 5.355
## .유용성2 3.797 0.045 83.513 0.000 3.797 6.107
## .유용성1 3.984 0.044 89.719 0.000 3.984 6.561
## .구매의도3 3.310 0.052 63.841 0.000 3.310 4.669
## .구매의도2 3.176 0.053 60.257 0.000 3.176 4.406
## .구매의도1 3.412 0.058 58.413 0.000 3.412 4.272
## .구전의도3 3.144 0.052 60.939 0.000 3.144 4.456
## .구전의도2 3.139 0.060 52.214 0.000 3.139 3.818
## .구전의도1 3.235 0.053 60.607 0.000 3.235 4.432
## 외관 0.000 0.000 0.000
## 편의성 0.000 0.000 0.000
## 유용성 0.000 0.000 0.000
## 구매의도 0.000 0.000 0.000
## .구전의도 0.000 0.000 0.000
##
## Variances:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## .외관1 0.163 0.042 3.897 0.000 0.163 0.167
## .외관2 0.227 0.040 5.714 0.000 0.227 0.250
## .외관3 0.320 0.040 8.050 0.000 0.320 0.410
## .편의성1 0.269 0.035 7.705 0.000 0.269 0.201
## .편의성2 0.139 0.030 4.642 0.000 0.139 0.094
## .편의성3 0.135 0.024 5.586 0.000 0.135 0.118
## .유용성1 0.185 0.025 7.471 0.000 0.185 0.501
## .유용성2 0.146 0.025 5.842 0.000 0.146 0.377
## .유용성3 0.173 0.032 5.454 0.000 0.173 0.352
## .구매의도1 0.331 0.042 7.898 0.000 0.331 0.520
## .구매의도2 0.264 0.034 7.798 0.000 0.264 0.508
## .구매의도3 0.103 0.031 3.353 0.001 0.103 0.205
## .구전의도1 0.109 0.023 4.738 0.000 0.109 0.205
## .구전의도2 0.184 0.030 6.105 0.000 0.184 0.273
## .구전의도3 0.182 0.024 7.498 0.000 0.182 0.366
## 외관 0.459 0.077 5.989 0.000 1.000 1.000
## 편의성 1.002 0.118 8.465 0.000 1.000 1.000
## 유용성 0.319 0.054 5.865 0.000 1.000 1.000
## 구매의도 0.399 0.059 6.828 0.000 1.000 1.000
## .구전의도 0.257 0.042 6.060 0.000 0.812 0.812