PLS 구조모델의 이해: Basic

우리는 어떤 현상에 대한 관찰로부터 얻어낸 결과를 일반화시키기 위해 논리적 실증주의로 대변되는 통계기법들을 사용해 왔는데 최근 몇몇 이슈들이 이러한 통계기법의 활용에 큰 의미를 부여하고 있다.



첫째, 통신 환경이 고속화되었다. 1837년 새뮤얼 모스가 전신부호로 특허를 얻어 원거리 통신의 혁명을 시작한 이래로, 알렉산더 그레이엄 벨의 전화기(1876년), 오늘날의 인터넷에 이르기까지 인류는 자신이 보유한 정보를 빠르게 공유할 수단을 지속적으로 발전시켜 왔다.



둘째, 인류는 5,000년 전 최초의 컴퓨터인 주판을 시작으로 진공관, 트랜지스터, IC(집적회로), 고밀도 집적회로를 거쳐 오늘날의 초고밀도 집적회로에 이르기까지 인류의 셈(calculation)을 대신할 기계를 발전시켜 왔다.



셋째, 연구방법론에 있어서도 변화의 시대를 겪고 있다. 우리는 실증적 연구의 시대를 거쳐 실증적 연구의 산물인 이론중심의 연구시대, 컴퓨팅자원 중심의 연구시대를 거쳐 왔는데, 이제는 이미 획득된 수천의 데이터를 이용하여 분석하고, 이로부터 새로운 이론을 산출하는 데이터중심의 연구시대를 맞이하고 있다.



넷째, 별도의 노력이 없어도 수집되는 다양하고 방대한 데이터들이 있다. 우리 생활의 터전 곳곳에는 과속방지카메라와 CCTV 등에 끊임없이 영상정보가, 카드사 및 대형소매점에서는 개인정보와 결합된 구매이력이 끊임없이 축적되고 있다. 또한 보건 및 진료기록, 혹은 교통사고 기록 등이 끊임없이 축적되고 있으며, 심지어는 온라인 공간에서의 검색기록이나 활동기록(로그정보) 역시 체계적으로 수집되고 있다.



흥미로운 점은 이러한 단편적인 현상들이 상호작용하여 전혀 새로운 시대를 예고하고 있다는 것이다. 통신과 교통, 그리고 컴퓨터의 발전은 지리적 경계뿐 아닌 고유하게 발전되어온 학문 간의 경계를 허물고 있으며, 허물어진 경계 속에서 피어나는 융합의 꽃을 빠르게 전파시키고 있다.



예컨대, 구글(google)은 개별 검색사용자의 키워드를 수집하여 독감의 확산경로를 예측하는 서비스를 선보이고 있으며, 월마트는 웹사이트에서 발생되는 거래 데이터를 이용하여 재고를 예측할 뿐 아니라 고객 선호도 및 수요를 예측하고 있다. 한국석유공사는 유가에 직간접적으로 영향을 미치는 여러 변수를 이용하여 유가정보 예측 서비스를 제공하고 있으며, 이를 통해 국제유가에 민감한 국내 물가 안정에 기여하고 있다.



이러한 상황에서 미래의 경제성장은 데이터의 가공 및 처리, 정보화 능력에 의해 결정될 수 있다고 해도 과언이 아닌 상황에 놓이고 있다. 즉, 우리시대는 가치 있는 데이터를 선별하여 체계적인 수집 및 구조화를 통해 새로운 정보와 지식을 창출하는 인재를 갈망하고 있다. 특히 미국과 영국에서는 이를 컴퓨터식 사고(computational thinking)라 일컫으며 이러한 인재를 양성하기 위하여 힘쓰고 있다.



인류는 지난 수세기에 걸쳐 어떤 현상을 분석(analysis)하고 이로부터 보편적인 원리나 법칙을 획득하는 과학의 시대를 영위해왔다. 어떤 현상에 대한 미시적이고 깊은 이해를 위해 과학의 분야를 세분화시켜 왔으며 이를 통해 자연현상이나 사회현상에 대한 미시적이고 깊은 이해를 획득할 수 있었다. 예컨대 인류는 뉴턴(Newton)이 만유인력의 법칙을 발견한 이래로 자연의 현상을 세분화하기 시작하였고, 꼼트(Comte)가 사회과학을 제창한 이래로 사회의 현상을 세분하여 관찰하기 시작하였다.



구조방정식모델(SEM: Structural Equation Model)은 소비자의 지각과 태도, 혹은 행동의도와 같은 잠재변수, 그리고 이들 잠재변수 간의 관계를 다루는 사회과학 분야에서 가장 진보된 분석방법이다. 이를 위해 사용되는 접근은 CB-SEM과 PLS-SEM의 두 가지로 구분될 수 있다. 이 책은 Joseph F. Hair, Jr., G. Tomas M. Hult, Christian M. Ringle, 그리고 Marko Sarstedt의 A Primer on Partial Least Squares Structural Equation Modeling(PLS-SEM)을 번역한 것으로, PLS-SEM의 분석방법에 대한 것이다. PLS-SEM은 이미 잘 알려진 AMOS나 LISREL, EQS 등과 같은 CB-SEM과는 다른 종류의 구조방정식 모델분석이다. 이 책의 저자들이 서문에서 밝히고 있는 바와 같이 PLS-SEM을 이용한 연구들이 점차 증가하고 있다. 그 이유 역시 저자들이 언급한 대로 PLS-SEM이 CB-SEM에 비교하여 갖는 다양한 장점 때문일 것이다.



이러한 활용의 증가에도 불구하고 PLS-SEM 방법론에 대해 정리된 설명을 찾는 일은 쉬운 일이 아니다. 역자들 또한 이런 갈증을 느끼던 차에, 운 좋게 본 서를 소개받게 되었다. 그리고 본서를 읽기 전 느낀 갈증을 다른 누군가도 느끼고 있을 것이라는 생각에 (많은 부족함에도 불구하고) 번역을 시작하게 되었다. 저자들이 이 책을 통해 바라는 대로, 많은 연구자들이 보다 더 손쉽게 PLS-SEM을 접하고 활용할 수 있기를 기대한다.



책의 주요 독자들이 대학생이기보다는 대학원생 이상일 것으로 생각되어, 한글로 번역하여 표현이 애매한 부분은 원문인 영어로 표기하였다. 또한 Key Term은 그 원어적인 의미를 보는 것이 더 이해하기 쉬울 것으로 판단되어 번역하지 않고 영어로 두었다. 각 영어 문장에 대한 한글 번역 내용은 본문에 이미 나타나 있다.



끝으로 게으른 역자들로 인해 계획한 날보다 많이 늦어졌음에도, 단 한 번의 독촉전화조차 하지 않고 기다려 주신, 번역서의 출간에 많은 도움을 주신 PNC미디어의 김중용 부사장님, 심성보 이사님께 감사드린다. 또한 번역과 편집을 위해 바쁜 시간을 쪼개 도움을 준 유정수 선생에게 감사드린다.



2014년 여름

김장현, 심경환, 이철성

Chapter 1 구조방정식 모델링에 대한 소개



Chapter 2 경로모델과 데이터 수집



Chapter 3 경로모델평가



Chapter 4 PLS-SEM 결과 평가 Part I 1



Chapter 5 PLS-SEM 결과 평가 Part II



Chapter 6 PLS-SEM 결과 평가 Part III



Chapter 7 PLS-SEM에서의 상위 주제



Chapter 8 이질적 데이터의 모델링

Joseph F. Hair, Jr. 저자 Joseph F. Hair, Jr.는 Kennesaw State University