본 연구는 구조방정식모델을 채택한 논문에서 자주 사용되는 항목 묶기의 개념에 대해서 알아본 후, 다양한 항목 묶기의 방법과 그 장, 단점 등에 대해서 살펴보았다. 지금까지 연구들이 항목 묶기의 장점에 대해서는 활발히 진행되어 온 반면, 단점이나 이로 인해 발생할 문제점들에 대해선 실증적인 연구가 거의 진행되지 않았었다. 본 연구는 이러한 점에 착안하여, 데이터를 단일차원과 다차원으로 구성된 표본들로 분리한 후, 다양한 방법(무작위 할당법, 구성개념 항목 균형법, 다차원 접근법)의 항목묶음을 실행 하고, 이들 항목묶음들이 종속변수에 영향을 미치는 모델을 설정한 후, 각 모델들에서의 경로계수의 유의성 및 모델적합도의 변화량을 살펴보았다.
분석결과는 다음과 같다. 첫 번째, 두 표본에서 모두 개별 항목들이 측정된 확인적 요인분석 결과에 비해 항목묶음으로 구성된 확인적 요인분석의 요인부하량 및 모델적합도의 수치가 더 좋아졌음을 알 수 있었다. 이는 모델이 단순화되었기 때문에 어찌 보면 당연한 결과이라고 할 수 있지만, 표본에 따라서 결과에 상이한 차이를 보였다. 단일차원 표본의 경우 어떠한 방법으로 항목묶음을 하던 큰 차이가 없었지만, 다차원 표본의 경우, 무작위 할당법이나 항목 균형법은 모델적합도와 표준화된 요인부하량등이 유의하게 변하는 등 다차원 접근법을 통한 항목묶음법의 결과와 현저한 차이가 있는 것으로 나타났다.
두 번째, 개별항목과 다양한 항목묶음들이 종속변수에 영향을 미치는 인과관계로 설정되어 있는 모델의 경우, 단일차원으로 구성된 표본에서는 모델들 간 경로계수들에 큰 차이가 없었지만, 다차원으로 구성된 표본에서는 모델 간 경로계수들간 큰 차이가 있는 것으로 나타났다. 즉, 단일차원으로 구성된 표본의 항목묶음들은 어느 방법으로 묶음을 하던 종속변수에 비슷한 영향을 미치지만, 다차원으로 구성된 항목묶음의 경우는 항목묶음의 방법에 따라 종속변수에 얼마든지 다르게 영향을 미칠 수 있으며, 모델적합도 역시 변하기 때문에 결과에 편향을 일으키고 있음을 알 수 있었다.