Your browser does not support JavaScript!

PLS-SEM: 데이터 분석의 혁신

일일 보고서 2024년 10월 15일
goover

목차

  1. 요약
  2. PLS 구조방정식 모형 개요 및 정의
  3. PLS-SEM 연구 방법론
  4. 응용 사례 분석
  5. 결론

1. 요약

  • 이 리포트는 PLS 구조방정식 모형(PLS-SEM)의 기본적인 이해와 이를 활용한 다양한 응용 사례를 다룹니다. PLS-SEM은 주로 복잡한 인과 관계를 탐색하는 데 사용되며, 특히 표본 크기가 작은 경우나 변수 수가 많을 때 탁월한 성능을 발휘합니다. 본 리포트는 비대면 진료 서비스의 이용 의도 분석, 근감소증과 인지기능의 상관관계 연구, 그리고 교통 데이터 분석 등에 대한 PLS-SEM의 적용 사례를 제시합니다. 이를 통해 서비스 개선 및 연구 분석에 있어 PLS-SEM의 중요성을 강조합니다.

2. PLS 구조방정식 모형 개요 및 정의

  • 2-1. PLS-SEM의 개념과 주요 특징

  • PLS(Partial Least Squares) 구조방정식 모형(SEM)은 복잡한 인과 관계를 분석하는 데 사용되는 통계적 기법입니다. PLS-SEM은 작은 표본 크기에서도 효과적으로 작동하며, 다양한 변수들 간의 관계를 명확히 이해하고 분석하는 데 기여합니다. 이 방법론은 일반적으로 탐색적 요인분석(EFA)과 확인적 요인분석(CFA)으로 구성된 두 단계 접근법(Two-step approach)을 사용합니다. EFA는 데이터 기반으로 잠재변수를 도출하는 반면, CFA는 이론적 근거를 바탕으로 이러한 잠재변수와 관측변수 간의 관계를 검증합니다. 또한, SEM에서는 일반적으로 확인적 요인분석이 기본적으로 활용되며, 모형의 타당성을 검증하기 위해 외부 적재량(outer loading), 신뢰도(CR), 평균 분산 추출(AVE), 그리고 다중공선성(VIF)을 확인하는 과정이 포함됩니다. 이러한 과정들을 통해 보다 적절한 잠재변수 구성을 마련할 수 있습니다.

  • 2-2. 분석을 위한 데이터 요구사항

  • PLS-SEM 분석을 수행하기 위해서는 특정한 데이터 요구사항이 충족되어야 합니다. 이 데이터 요구사항은 이론적 모형의 신뢰성을 높이고, 실험 결과의 유효성을 보장합니다. 일반적으로 PLS-SEM는 최소 30개의 샘플을 요구하나, 더 많은 샘플을 사용할수록 모형의 적합도와 신뢰성을 향상시킬 수 있습니다. 데이터는 또한 각 변수의 정규성(Normality), 선형성(Linearity), 그리고 다중공선성(Multicollinearity) 문제를 피해야 하며, 이러한 데이터 특성을 고려하여 EFA와 CFA의 분석 과정을 통해 보다 정확한 모형을 개발할 수 있습니다. 각 변수 간의 상관관계는 PLS 모형의 기본 가정 중 하나이므로, 데이터 분석 과정에서 이 점이 철저히 검토되어야 합니다.

3. PLS-SEM 연구 방법론

  • 3-1. 연구 목적 설정

  • PLS 구조방정식 모형의 연구 목적은 복잡한 인과 관계를 분석하는 것입니다. 본 연구는 사용되는 변수의 수, 실험의 횟수, 비용 및 시간 등을 고려하여 고차의 상호작용을 교락(confounding)시키고, 효율적인 설계를 통해 실험 과정의 수를 최소화하는 방법을 모색합니다.

  • 3-2. 변수 선정 및 연구 설계

  • 연구 설계 과정에서는 입력 가이드 베인과 러너의 형상변수를 주요 변수로 선정합니다. 러너의 입구 및 출구 각도, 축 방향 거리 및 러너의 형상변수는 모형 평가의 기준이 됩니다. 이 과정에서 ANSYS Blade-gen6 소프트웨어를 사용하여 구조적인 변수를 설정하고, 7개의 형상변수를 선택하여 해상도 IV 수준으로 실험을 진행합니다.

  • 3-3. 데이터 수집 및 전처리

  • 본 연구에서는 수차의 효율과 출력을 예측하기 위해 수집된 데이터를 정리하고 전처리하였습니다. 이 단계에서는 낙차 조건에 따른 유량 변화를 고려하여 각 실험 세트에 대한 수치해석을 수행합니다. 데이터 수집 과정에서 발생할 수 있는 잡음을 최소화하기 위한 방법론도 검토되었습니다.

  • 3-4. PLS 분석 절차와 결과 해석

  • PLS 분석 절차는 수집된 데이터를 기반으로 다변량 분석을 실시하며, 효율과 출력에 대한 변수 간의 관계를 모델링합니다. 분석 결과, 특정 조건에서 최고의 효율점이 형성되며, 이는 각 변수의 변화에 따라 효율과 출력이 어떻게 변화하는지를 보여줍니다. 분석 과정에서는 주 효과 도표를 통해 변수가 가지는 효과를 시각적으로 나타냅니다.

4. 응용 사례 분석

  • 4-1. 비대면 진료 서비스의 이용 의도 분석

  • 본 연구에서는 비대면 진료의 이용 의도를 측정하기 위해 PLS 구조방정식 모형(PLS-SEM)을 사용하였습니다. 연구에 참여한 총 303명의 응답자 중, 남성은 182명(60.1%), 여성은 121명(39.9%)으로 나타났습니다. 연령대는 10대 9명(2.9%), 20대 70명(23.1%), 30대 99명(32.7%), 40대 99명(32.7%), 50대 이상 26명(8.6%)으로 30대와 40대가 가장 많은 비율을 차지하였습니다. 응답자의 직업으로는 사무직이 153명(50.5%)으로 가장 많았습니다. 설문 조사는 비대면 진료에 대한 정의와 정책, 시장 상황에 대한 객관적인 정보를 제공하면서 익명으로 진행되었습니다. 이와 같은 데이터는 비대면 진료 서비스 개선에 기여할 수 있는 인사이트를 제공합니다.

  • 4-2. 근감소증과 인지기능 연구

  • 여의도성모병원 연구진은 근육량과 인지 기능 간의 상관관계를 분석하였습니다. 연구 결과, 근육량이 적을수록 알츠하이머병 발병과 관련된 아밀로이드 베타(Aβ) 단백질 축적이 증가하였습니다. 연구팀은 528명의 데이터를 분석하여, 근육강도와 근기능 저하가 좌측 측두엽 위축과 관련이 있음을 확인하였습니다. 특히 근육량, 하체 근기능, 신체기능 모두 인지 기능 장애와 강한 상관관계를 보였습니다. 이 연구는 PLS-SEM을 활용하여 다양한 변수를 고려하여 근감소증이 뇌 건강에 미치는 영향을 규명하였습니다.

  • 4-3. 교통 데이터 분석에서의 활용

  • 교통 데이터 분석의 경우, 동일 도로 지점에서 수집된 두 가지 조건의 속도-밀도 함수를 비교하는 연구가 진행되었습니다. 분석 대상은 중부고속도로의 특정 구간에서 수집된 데이터로, 주간과 야간의 통계적 모형식이 유의하게 차이가 나타났습니다. 본 연구에서는 기상청 자료와 루프검지기 데이터를 활용하여, 두 상황에서의 속도-밀도 관계를 분석하였고, 그 결과 통계적 유의성을 확인하였습니다. 이는 우천 시 운전의 어려움을 입증하는 중요한 요소로 작용하고 있습니다.

5. 결론

  • 리포트는 PLS 구조방정식 모형(PLS-SEM)이 다양한 복잡한 변수 관계를 체계적으로 탐색하고 분석하는 데 효과적인 도구임을 보여줍니다. 특히, 비대면 진료 서비스와 같은 현대적 의료 서비스에서의 사용은 잠재변수를 고려해 서비스 개선을 위한 주요 인사이트를 제공합니다. 근감소증에 대한 연구에서는 질병의 진행과 인지 기능 간의 상관관계를 밝혀내어 PLS-SEM의 활용 가치를 증명했습니다. 하지만, 본 연구의 제한점으로는 더 광범위한 데이터 수집의 필요성과 모델 적용 시 특정한 데이터 특성에 대한 주의가 언급됩니다. 미래에는 PLS-SEM이 더욱 다양한 분야에서 데이터 기반 의사결정과 연구에 기여할 가능성이 높으며, 이를 위한 지속적인 모형 발전과 테스트가 필요합니다. 이 기법은 실제 현장에서 의사결정 과정에 깊이 자리잡을 수 있는 강력한 도구로 활용될 것입니다.

6. 용어집

  • 6-1. PLS 구조방정식 모형 (PLS-SEM) [통계적 기법]

  • PLS-SEM은 복잡한 인과 관계를 탐색하고 분석하기 위한 통계적 기법으로, 특히 작은 표본 크기와 높은 변수 수에서 효과적입니다. 잠재변수 및 관측변수 간의 관계를 모델링하여 예측력과 설명력을 높이는 데 중점을 둡니다.

  • 6-2. 비대면 진료 서비스 [의료 서비스]

  • 비대면 진료는 스마트 디바이스 등을 통해 원격으로 의료 서비스를 제공하는 방법이며, 본 리포트에서는 PLS-SEM을 활용하여 이러한 서비스의 이용 의도와 관련된 요인 분석에 초점을 맞추었습니다.

  • 6-3. 근감소증 [질병]

  • 근감소증은 근육량 감소와 기능 저하가 특징인 질환으로, 본 리포트의 한 섹션에서 이를 PLS-SEM으로 분석하여 알츠하이머 병과의 관계를 탐구하였습니다.

7. 출처 문서