회귀분석에서 구조방정식까지: SEM으로 박사논문 통계 완성하기 (공인중개사 30년 실무 경험)

H1. 제10편 ― 회귀분석에서 구조방정식까지: SEM으로 박사논문 통계 완성하기 (공인중개사 30년 실무 경험)

부제: 부동산경영 연구에서 측정모형·구조모형·잠재변수·직접효과·간접효과를 하나의 연구체계로 연결하는 방법

본 글은 국내외 선행연구, 관계 법령, 공공기관 자료 및 공인중개사 30년 실무 경험을 바탕으로 작성한 논문형 연구 블로그입니다. 컴퓨터공학 · 부동산학 · 경영학 · 신학 · 경영학 박사과정 · Golf Teaching Pro

H2. 0. 초록(Abstract)

박사논문의 통계분석은 서로 단절된 여러 기법을 순서대로 실행하는 작업이 아니다.

지금까지 본 시리즈에서 다룬 내용을 하나의 가로 흐름으로 연결하면 다음과 같다.

데이터와 변수 → 연구모형 → 기술통계 → 상관분석 → 회귀분석 → 매개효과 → 조절효과 → 조건부 과정분석 → EFA → CFA → SEM

제5편의 회귀분석에서는 X → Y의 관계를 검증하였다.

제6편에서는 X → M → Y라는 매개경로를 통하여 직접효과와 간접효과를 분석하였다.

제7편에서는 X × W → Y라는 상호작용을 통하여 관계가 어떤 조건에서 달라지는지를 분석하였다.

제8편에서는 매개와 조절을 통합하여 조건부 간접효과를 분석하였다.

제9편에서는 잠재변수와 측정문항을 이용해 EFA와 CFA를 수행하고 신뢰도·수렴타당도·판별타당도를 검토하였다.

제10편에서는 이 모든 내용을 구조방정식모형(Structural Equation Modeling, SEM)으로 연결한다.

SEM은 단순히 회귀분석보다 복잡한 통계기법이 아니다.

핵심은

측정모형 + 구조모형

을 하나의 통계적 틀 안에서 분석할 수 있다는 데 있다.

예를 들어 본 시리즈에서 계속 사용한 연구모형은 다음과 같다.

광역교통 접근성(X) → 시장수요(M) → 부동산 개발사업 투자성과(Y)

여기에 금융조달비용(W)을 포함하면 조절·조건부 과정모형으로 확장할 수 있다.

하지만 “시장수요”, “입지경쟁력”, “투자성과”가 여러 설문문항으로 측정되는 잠재변수라면 단순 회귀분석만으로는 측정오차와 측정구조를 충분히 반영하기 어렵다.

SEM에서는 먼저

측정문항 → 잠재변수

라는 측정모형을 검증하고,

그 다음

잠재변수 → 잠재변수

라는 구조모형을 검증할 수 있다.

lavaan 공식 자료는 구조방정식모형에서 잠재변수 정의, 회귀관계, 분산·공분산을 하나의 모형 구문으로 지정할 수 있으며, cfa()는 확인적 요인분석, sem()은 전체 구조방정식모형 추정에 사용한다고 설명한다.

따라서 제10편의 핵심 흐름은 다음과 같다.

연구이론 → 잠재변수 정의 → 측정문항 → CFA → 측정모형 검증 → 구조경로 설정 → SEM → 직접효과 → 간접효과 → 전체 모형적합도 → 연구가설 검증 → 부동산 실무해석

그러나 반드시 기억해야 할 원칙이 있다.

SEM 적합도 우수 ≠ 인과관계 자동 증명

SEM 경로 유의 ≠ 이론적으로 좋은 연구 자동 보장

SEM은 연구자의 이론과 연구설계를 검증하는 강력한 도구이지만, 좋은 연구를 자동으로 만들어주는 프로그램은 아니다.

H2. 1. 서론(Introduction)

H3. 1.1 왜 마지막에 SEM을 배우는가

SEM을 처음 접하면 화살표와 원·사각형이 많아 매우 복잡해 보인다.

그러나 지금까지의 연구방법론을 이해했다면 SEM은 완전히 새로운 통계가 아니다.

회귀분석 → 여러 회귀경로

매개효과 → 직접·간접경로

CFA → 잠재변수와 측정문항

이 세 가지가 하나의 모형에 들어간다고 이해하면 된다.

즉,

회귀 + 경로분석 + CFA → SEM

이라는 사고가 가능하다.

H3. 1.2 부동산 연구에서 SEM이 필요한 이유

부동산 실무에는 직접 측정 가능한 변수와 직접 측정하기 어려운 잠재개념이 동시에 존재한다.

직접 측정 가능한 변수는

토지가격 · 면적 · IC 거리 · 도로폭 · 금리 · 공실률

등이다.

반면 잠재변수로 구성하기 쉬운 개념은

입지경쟁력 · 시장수요 · 투자매력도 · 개발위험 인식 · 투자만족도

등이다.

이러한 잠재개념들이 서로 어떤 관계를 갖는지를 연구할 때 SEM이 유용하다.

H3. 1.3 제10편의 핵심 질문

SEM이란 무엇인가? → CFA와 SEM은 무엇이 다른가? → 측정모형과 구조모형은 어떻게 구별하는가? → 원과 사각형은 무엇을 의미하는가? → 경로계수는 어떻게 읽는가? → 직접·간접효과는 어떻게 해석하는가? → 모형적합도는 어떻게 보는가? → 측정오차는 왜 중요한가? → SEM과 회귀분석은 어떤 관계인가? → 좋은 SEM 박사논문은 어떻게 설계하는가?

H2. 2. 이론적 배경(Literature Review)

H3. 2.1 구조방정식모형(SEM)이란 무엇인가

구조방정식모형은 여러 변수 사이의 구조적인 관계와 잠재변수의 측정구조를 동시에 분석할 수 있는 통계적 모델링 체계이다.

lavaan 공식 설명은 이 패키지가 경로분석, CFA, 구조방정식모형, 성장모형 등 다양한 잠재변수 모형을 추정할 수 있도록 개발되었다고 설명한다.

SEM의 가장 중요한 구조는 다음과 같다.

측정모형(Measurement Model) + 구조모형(Structural Model)

H3. 2.2 측정모형

측정모형은 잠재변수가 실제 측정문항에 어떻게 반영되는지를 분석한다.

예:

입지경쟁력 → X1 · X2 · X3 · X4

시장수요 → M1 · M2 · M3 · M4

투자성과 → Y1 · Y2 · Y3 · Y4

이 단계는 CFA와 매우 밀접하다.

lavaan의 공식 CFA 예제도 여러 관측지표를 특정 잠재변수에 적재하도록 사전에 정의한 후 모형을 추정하는 구조를 사용한다.

H3. 2.3 구조모형

구조모형은 잠재변수들 사이의 관계를 분석한다.

예:

입지경쟁력 → 시장수요 → 투자성과

또는

입지경쟁력 → 투자성과

까지 포함할 수 있다.

즉,

문항 → 잠재변수 = 측정모형

잠재변수 → 잠재변수 = 구조모형

이다.

H3. 2.4 경로분석과 SEM의 차이

경로분석(Path Analysis)은 일반적으로 직접 관찰된 변수들 사이의 경로를 분석한다.

SEM은 여기에 잠재변수와 측정오차를 포함할 수 있다.

따라서

관측변수 경로만 분석 → Path Analysis

잠재변수 + 측정모형 + 구조경로 → SEM

이라고 이해하면 쉽다.

H3. 2.5 SEM은 여러 회귀식을 동시에 연결한다

예를 들어 다음 연구모형이 있다고 하자.

시장수요 = a × 입지경쟁력 + 오차

투자성과 = b × 시장수요 + c′ × 입지경쟁력 + 오차

이 두 회귀식은 매개모형으로 연결된다.

SEM에서는 이 여러 관계를 하나의 구조모형에서 동시에 추정할 수 있다.

Mplus 공식 자료도 구조방정식 틀에서 직접효과와 간접효과를 분석할 수 있는 기능과 여러 매개모형을 제공하고 있다.

H2. 3. 관계 법령 및 제도 분석

H3. 3.1 SEM 자체를 규정하는 부동산 법률은 없다

구조방정식모형은 통계방법론이므로 부동산 관계 법령이 SEM 사용 여부를 직접 규정하지 않는다.

그러나 연구자료의 수집·보관·활용 과정에서는 개인정보 보호, 연구윤리, 자료출처의 적법성을 검토해야 한다.

따라서

통계적으로 분석 가능 → 법적으로 자유롭게 사용 가능

이라는 의미는 아니다.

H3. 3.2 공공데이터와 설문자료를 구별한다

국토교통부 실거래자료와 같이 공공데이터를 이용하는 연구와 개인 설문을 이용하는 연구는 자료관리 문제가 다를 수 있다.

따라서 연구자는

데이터 출처 → 개인정보 포함 여부 → 연구목적 → 보관방법 → 분석방법 → 결과공개

의 흐름으로 자료관리 절차를 검토하는 것이 좋다.

H3. 3.3 통계적 인과관계와 법률적 인과관계도 구별한다

SEM에서 경로계수가 유의하다고 해서 법률적 의미의 인과관계가 자동으로 성립하는 것은 아니다.

통계적 인과추론과 법률적 인과관계 판단은 목적과 판단기준이 다르기 때문이다.

따라서 SEM 연구에서는

통계적 관계

이론적 인과논리

법률적 책임관계

를 서로 구별해야 한다.

H2. 4. 핵심 이론 분석

H3. 4.1 SEM의 전체 구조

가상의 박사논문 모형을 다시 구성해보자.

광역교통 접근성(X) → 시장수요(M) → 부동산 개발사업 투자성과(Y)

여기서 광역교통 접근성·시장수요·투자성과를 각각 여러 문항으로 측정한다고 가정하면 다음처럼 발전한다.

X1·X2·X3·X4 → 광역교통 접근성

M1·M2·M3·M4 → 시장수요

Y1·Y2·Y3·Y4 → 투자성과

그리고 잠재변수 사이에서는

광역교통 접근성 → 시장수요 → 투자성과

라는 구조경로를 설정한다.

H3. 4.2 SEM에서 원과 사각형은 무엇을 의미하는가

SEM 도식에서 흔히

타원·원 = 잠재변수

사각형 = 관측변수

로 표현한다.

예를 들면

○ 입지경쟁력 → □ X1 · □ X2 · □ X3

이다.

오차항이나 잔차도 별도의 원 또는 화살표로 표현될 수 있다.

H3. 4.3 측정모형을 먼저 확인해야 한다

구조경로를 보기 전에

이 문항들이 잠재변수를 제대로 측정하고 있는가?

부터 확인해야 한다.

따라서 일반적인 순서는

CFA → 신뢰도 → 수렴타당도 → 판별타당도 → 측정모형 확정 → 구조모형

이다.

측정모형이 불안정한 상태에서 구조경로의 p값만 보는 것은 기초가 불안한 건물의 상층부만 평가하는 것과 비슷하다.

H3. 4.4 구조모형에서는 무엇을 검증하는가

측정모형이 충분히 검토되었다면 다음 단계에서는 연구가설의 경로를 분석한다.

예:

H1. 입지경쟁력 → 시장수요

H2. 입지경쟁력 → 투자성과

H3. 시장수요 → 투자성과

H4. 입지경쟁력 → 시장수요 → 투자성과 간접효과

이를 SEM에서는 하나의 구조모형에서 추정할 수 있다.

H3. 4.5 직접효과

직접효과는 중간변수를 통하지 않는 관계이다.

입지경쟁력 → 투자성과

전통적인 매개표기에서는

c′

라고 표현할 수 있다.

H3. 4.6 간접효과

간접효과는

입지경쟁력 → 시장수요 → 투자성과

이다.

단순 선형 매개구조에서는

간접효과 = a × b

로 표현할 수 있다.

SEM에서도 이러한 직접·간접효과를 모형 내에서 추정할 수 있으며, Mplus는 간접효과를 위한 별도의 mediation 분석 기능과 예제를 제공한다.

H3. 4.7 총효과

일정한 선형 매개모형에서는

총효과 = 직접효과 + 간접효과

로 이해할 수 있다.

즉,

c = c′ + ab

라는 구조이다.

그러나 비선형모형이나 범주형 결과변수 등에서는 단순한 ab 해석이 그대로 일반화되지 않을 수 있으므로 모형형태에 맞는 효과 정의가 필요하다. Mplus의 공식 교육자료 역시 일반적인 a×b 간접효과가 모든 모형에 그대로 적용되는 것은 아니라고 설명한다.

H3. 4.8 측정오차를 왜 고려해야 하는가

회귀분석에서 설문점수의 평균을 하나의 X값으로 사용하면 해당 값에 포함된 측정오차가 충분히 분리되지 않을 수 있다.

SEM에서는 잠재변수와 측정오차를 구분하여 모형화할 수 있다.

즉,

관측점수 = 잠재개념 + 측정오차

라는 사고를 모형 안에 포함시킨다.

이 점이 잠재변수 SEM의 중요한 장점이다.

H3. 4.9 모형적합도(Model Fit)

SEM에서는 개별 경로계수뿐 아니라 전체 모형이 데이터와 어느 정도 부합하는지도 살펴본다.

대표적으로

χ² · CFI · TLI · RMSEA · SRMR

등의 지표가 사용된다.

그러나

CFI 특정 기준 이상 → 좋은 논문

RMSEA 특정 기준 이하 → 이론 자동 검증

은 아니다.

모형적합도는

전체 모형의 통계적 적합성 + 이론 + 계수 + 잔차 + 자료특성

을 함께 평가하기 위한 자료이다.

H3. 4.10 카이제곱(χ²)을 어떻게 이해할 것인가

SEM에서 χ²는 연구모형이 관측자료의 공분산구조를 얼마나 잘 재현하는지를 평가하는 핵심 통계량이다.

그러나 표본크기가 커질수록 작은 차이도 통계적으로 민감하게 검출될 수 있으므로 χ² 하나만으로 모형을 판단하지 않는 것이 일반적이다.

따라서 여러 적합도지표와 함께 해석한다.

H3. 4.11 CFI와 TLI

CFI와 TLI는 연구모형이 독립모형에 비해 얼마나 개선된 설명을 제공하는지를 평가하는 계열의 지표이다.

하지만 이 역시 하나의 숫자만으로 모형의 학술적 가치를 판단하는 도구는 아니다.

H3. 4.12 RMSEA와 SRMR

RMSEA와 SRMR은 모형과 실제 자료 사이의 불일치 또는 잔차적 차이를 평가하는 데 사용된다.

그러나 표본·자유도·모형복잡성 등에 따라 해석이 달라질 수 있으므로 여러 지표를 종합해야 한다.

H3. 4.13 구조경로의 회귀계수

SEM의 구조경로도 기본적으로 회귀계수와 유사하게 해석할 수 있다.

예를 들어

입지경쟁력 → 시장수요 : β = +0.60

이라면 다른 모형조건 아래 입지경쟁력이 높을수록 시장수요가 높아지는 방향의 관계를 의미한다.

H3. 4.14 비표준화계수와 표준화계수

SEM 결과에서는 비표준화계수와 표준화계수를 구별해야 한다.

비표준화계수 = 원래 측정단위를 반영

표준화계수 = 서로 다른 변수의 관계크기를 비교하기 편리

하지만 표준화계수가 크다는 이유만으로 실무적으로 중요한 변수라고 자동 판단해서는 안 된다.

H3. 4.15 핵심 통계·연구방법론 용어 정리(Statistical & Research Terminology)

한글 용어	약어	영어 원음(IPA 발음기호)	한글 뜻	부동산에서의 의미
구조방정식모형(構造方程式模型)	SEM	Structural Equation Modeling /ˈstrʌktʃərəl ɪˈkweɪʒən ˈmɑːdəlɪŋ/	측정모형과 구조관계를 통합해 분석하는 통계체계	입지·수요·성과의 잠재변수 관계 검증
측정모형(測定模型)	–	Measurement Model /ˈmeʒərmənt ˈmɑːdəl/	잠재변수와 측정지표 사이 관계를 나타내는 모형	입지경쟁력과 설문문항의 관계
구조모형(構造模型)	–	Structural Model /ˈstrʌktʃərəl ˈmɑːdəl/	잠재변수 사이의 인과가설적 관계를 표현하는 모형	입지경쟁력→시장수요→투자성과
잠재변수(潛在變數)	LV	Latent Variable /ˈleɪtənt ˈveriəbəl/	직접 관찰되지 않고 여러 지표로 추정하는 개념	시장수요·입지경쟁력
관측변수(觀測變數)	OV	Observed Variable /əbˈzɜːrvd ˈveriəbəl/	실제 측정된 자료값	설문문항·가격·거리
외생변수(外生變數)	–	Exogenous Variable /ekˈsɑːdʒənəs ˈveriəbəl/	모형 내 다른 변수로부터 설명되지 않는 변수	입지경쟁력 등 외부 설명변수
내생변수(內生變數)	–	Endogenous Variable /enˈdɑːdʒənəs ˈveriəbəl/	모형 내 다른 변수의 영향을 받는 변수	시장수요·투자성과
요인적재량(要因積載量)	λ	Factor Loading /ˈfæktər ˈloʊdɪŋ/	잠재변수와 측정문항의 관계계수	입지문항이 입지경쟁력을 반영하는 정도
측정오차(測定誤差)	ε / δ	Measurement Error /ˈmeʒərmənt ˈerər/	관측값에 포함된 잠재개념 외의 오차	설문응답의 부정확성
경로계수(經路係數)	β	Path Coefficient /pæθ ˌkoʊəˈfɪʃənt/	변수 사이 경로관계를 나타내는 계수	수요가 성과에 미치는 관계
직접효과(直接效果)	–	Direct Effect /dəˈrekt ɪˈfekt/	중간변수를 거치지 않는 효과	입지→투자성과
간접효과(間接效果)	–	Indirect Effect /ˌɪndəˈrekt ɪˈfekt/	매개변수를 통하여 전달되는 효과	입지→수요→투자성과
총효과(總效果)	–	Total Effect /ˈtoʊtəl ɪˈfekt/	직접·간접경로를 포괄하는 전체 효과	입지가 투자성과와 연결되는 전체효과
모형적합도(模型適合度)	–	Model Fit /ˈmɑːdəl fɪt/	연구모형이 관측자료와 부합하는 정도	부동산 연구모형 전체 적합성
카이제곱(係數)	χ²	Chi-square /ˈkaɪ skwer/	모형과 자료 간 차이를 평가하는 통계량	전체 SEM 적합성 검토
비교적합지수(比較適合指數)	CFI	Comparative Fit Index /kəmˈpærətɪv fɪt ˈɪndeks/	기준모형 대비 연구모형의 적합개선 정도	부동산 측정·구조모형 비교
터커-루이스 지수(指數)	TLI	Tucker–Lewis Index /ˈtʌkər ˈluːɪs ˈɪndeks/	모형복잡성을 고려한 비교적합지수	SEM 전체 적합성 검토
근사오차평균제곱근(近似誤差平均平方根)	RMSEA	Root Mean Square Error of Approximation /ruːt miːn skwer ˈerər əv əˌprɑːksəˈmeɪʃən/	자유도를 고려한 근사적 모형오차 지표	구조모형의 전체 불일치 정도 평가
표준화잔차평균제곱근(標準化殘差平均平方根)	SRMR	Standardized Root Mean Square Residual /ˈstændərdaɪzd ruːt miːn skwer rɪˈzɪdʒuəl/	관측·예측 상관 또는 공분산 차이를 요약하는 지표	모형잔차 평가
공분산(共分散)	Cov	Covariance /koʊˈveriəns/	두 변수의 공동변동 정도	SEM이 설명하는 핵심 자료구조
수정지수(修正指數)	MI	Modification Index /ˌmɑːdəfɪˈkeɪʃən ˈɪndeks/	특정 경로 추가 시 적합도 개선 가능성을 제시하는 지표	측정오차 공분산 등 모형수정 검토
다집단분석(多集團分析)	MGA	Multi-group Analysis /ˈmʌlti ɡruːp əˈnæləsɪs/	여러 집단에서 동일 모형을 비교하는 분석	지역·투자자유형별 구조비교
측정동일성(測定同一性)	MI	Measurement Invariance /ˈmeʒərmənt ɪnˈveriəns/	서로 다른 집단에서도 같은 구성개념이 동일하게 측정되는지 검토	수도권·비수도권 간 설문척도 비교

H3. 4.16 SEM과 회귀분석의 연결

회귀분석은

Y = β₀ + β₁X + ε

로 시작한다.

다중회귀는

Y = β₀ + β₁X₁ + β₂X₂ + … + ε

로 확장된다.

경로분석에서는 여러 회귀식을 연결한다.

SEM은 여기에 잠재변수와 측정모형을 포함한다.

따라서 전체 흐름은

단순회귀 → 다중회귀 → 경로분석 → 잠재변수 → CFA → SEM

이다.

H3. 4.17 SEM의 장점

SEM의 대표적인 장점은 다음과 같다.

여러 종속관계를 동시에 분석 → 잠재변수 사용 → 측정오차 명시적 고려 → 직접·간접효과 동시 검증 → 전체 모형적합도 평가

lavaan은 이러한 잠재변수·회귀관계·공분산 구조를 하나의 모델 구문에서 정의할 수 있다.

H3. 4.18 SEM도 만능은 아니다

SEM을 사용한다고 해서 연구가 자동으로 고급화되는 것은 아니다.

SEM의 한계는

잘못된 이론 → 잘못된 구조모형

낮은 측정품질 → 잘못된 잠재변수

부적절한 표본 → 불안정한 결과

횡단자료 → 제한된 인과해석

등이다.

따라서 복잡한 모형보다 이론적으로 명확한 모형이 더 중요하다.

H3. 4.19 수정지수에 따라 화살표를 계속 추가하는 오류

SEM 프로그램은 수정지수를 제공할 수 있다.

하지만

MI 높음 → 경로 추가

를 반복하면 표본에 지나치게 맞춘 모형이 될 수 있다.

따라서

수정지수 → 이론검토 → 문항내용 → 경로의 경제적 의미 → 수정 여부 결정

순서가 필요하다.

H3. 4.20 다집단 SEM으로 확장할 수 있다

SEM은 여러 집단에서 동일한 연구모형을 비교하는 다집단 분석으로 발전할 수 있다.

예를 들어

수도권 vs 비수도권

공장 vs 물류창고

개인투자자 vs 법인투자자

등을 비교할 수 있다.

lavaan은 공식적으로 multiple-group analysis 기능을 지원하며 동일한 측정모형을 여러 집단에 적용해 비교할 수 있다.

H3. 4.21 다층 SEM으로도 발전할 수 있다

부동산 데이터는

개별 부동산 → 지역 → 도시

처럼 계층구조를 가질 수 있다.

이 경우 단순 SEM보다 다층 SEM을 검토할 수 있다.

lavaan 공식 자료도 Level 1과 Level 2의 모형을 따로 정의하는 다층 SEM 기능을 설명하고 있다.

H2. 5. 실무 사례 연구(Case Study)

H3. 5.1 사례 1 ― 물류창고 입지경쟁력 → 시장수요 → 투자성과

연구모형은

입지경쟁력(X) → 시장수요(M) → 투자성과(Y)

이다.

각 잠재변수를 여러 문항으로 측정한다.

입지경쟁력 → IC 접근성 · 간선도로 접근성 · 배송권역 · 대형차 진입성

시장수요 → 입주문의 · 임대율 · 잠재기업수요 · 수요안정성

투자성과 → 수익률 · 현금흐름 · 자산가치 상승 · 투자만족도

먼저 CFA로 측정모형을 검증한 뒤 구조모형에서

입지경쟁력 → 시장수요

시장수요 → 투자성과

입지경쟁력 → 투자성과

를 동시에 분석한다.

H3. 5.2 사례 2 ― 공장부지 경쟁력과 기업 입지선호도

실무질문은

“공장부지의 입지경쟁력이 기업 입지선호를 통하여 가격에 연결되는가?”

이다.

공장부지 경쟁력(X) → 기업 입지선호(M) → 거래가격(Y)

공장부지 경쟁력과 기업 입지선호가 잠재변수라면 SEM을 이용해 측정모형과 구조모형을 동시에 검증할 수 있다.

다만 거래가격 Y가 실제 실거래가격과 같은 관측변수라면 잠재변수와 관측변수를 혼합한 SEM도 구성할 수 있다.

H3. 5.3 사례 3 ― 상가 입지매력도와 투자만족도

상가입지 매력도(X) → 임차수요(M) → 투자만족도(Y)

라는 구조를 생각할 수 있다.

입지매력도는

역 접근성 · 유동인구 · 가시성 · 상권성장성

등으로 측정하고,

투자만족도는

수익성 만족 · 안정성 만족 · 향후 보유의향 · 재투자의향

등으로 측정할 수 있다.

이 경우 SEM은 “입지매력도”와 “투자만족도”를 단순 평균점수가 아니라 잠재변수로 분석할 수 있다.

H3. 5.4 사례 4 ― 토지개발사업 종합 연구모형

박사논문 수준의 가상모형을 구성해보자.

입지경쟁력(X) → 시장수요(M) → 투자성과(Y)

그리고

금융조달비용(W)

을 조절조건으로 고려한다.

관측변수 중심이라면 PROCESS 같은 회귀기반 분석을 활용할 수 있다.

하지만

입지경쟁력 · 시장수요 · 투자성과

가 여러 문항으로 측정된 잠재변수라면 SEM으로 발전할 수 있다.

최종적으로는

측정모형 → 구조모형 → 직접효과 → 간접효과 → 조건부 효과 → 전체 적합성

을 통합적으로 검토하는 연구로 발전한다.

H2. 6. 실무 체크리스트

박사논문에서 SEM을 실행하기 전 다음 흐름을 확인하는 것이 좋다.

연구문제 → 이론 → 선행연구 → 연구가설 → 잠재변수 정의 → 측정문항 → 데이터 수집 → 데이터 정제 → 기술통계 → EFA 필요성 판단 → CFA → 신뢰도 → 수렴타당도 → 판별타당도 → 측정모형 적합 → 구조모형 설정 → SEM 추정 → 경로계수 → 직접효과 → 간접효과 → Bootstrap → 전체 모형적합도 → 잔차·수정지수 → 강건성 검토 → 이론적 해석 → 부동산 현장 재검증

중요한 것은

AMOS 실행 → 화살표 연결 → 적합도 확인 → 끝

이 아니다.

SEM은 최종 단계에서 실행되는 프로그램이지만 실제 연구는 그보다 훨씬 이전의

이론 → 변수 → 측정 → 데이터

단계에서 이미 품질이 결정된다.

H2. 7. SEM에서 가장 흔한 오류

H3. 7.1 측정모형 검증 전에 구조모형부터 보는 오류

구조경로의 유의성보다 먼저 잠재변수의 측정품질을 검증해야 한다.

CFA → 측정모형 → SEM

의 순서가 중요하다.

H3. 7.2 적합도지수만 맞추려는 오류

CFI·RMSEA 등을 원하는 숫자로 만들기 위해 경로와 오차공분산을 무분별하게 추가해서는 안 된다.

H3. 7.3 잠재변수에 문항을 너무 적게 배치하는 오류

잠재변수를 안정적으로 식별하고 의미 있게 측정하기 위해서는 문항 수와 문항품질을 함께 고려해야 한다.

H3. 7.4 유의하지 않은 경로를 모두 삭제하는 오류

p > .05 → 삭제

라고 기계적으로 접근하면 이론모형이 데이터 맞춤형 모형으로 변할 수 있다.

H3. 7.5 SEM 결과를 인과관계의 최종증명으로 생각하는 오류

SEM 경로 유의 → 인과관계 확정

은 아니다.

이론 + 시간적 선행성 + 연구설계 + 교란요인 + 데이터품질 + SEM 결과

를 함께 검토해야 한다.

H2. 8. 자주 묻는 질문(FAQ)

H3. 8.1 회귀분석과 SEM의 가장 큰 차이는 무엇입니까?

회귀분석은 주로 관측변수 사이의 관계를 추정한다. SEM은 여러 회귀경로를 동시에 추정하면서 잠재변수와 측정모형까지 포함할 수 있다.

H3. 8.2 CFA와 SEM은 같은 분석입니까?

CFA는 잠재변수와 측정지표 사이의 측정모형 검증에 초점을 둔다. SEM은 측정모형에 잠재변수 사이의 구조경로까지 포함한 확장된 모형이다. lavaan도 cfa()와 sem()을 별도 함수로 제공한다.

H3. 8.3 SEM에서는 반드시 잠재변수를 사용해야 합니까?

반드시 그렇지는 않다. 관측변수만으로 경로모형을 구성할 수도 있지만 잠재변수와 측정오차를 포함하는 것이 SEM의 중요한 활용영역이다.

H3. 8.4 AMOS와 lavaan은 같은 역할을 합니까?

둘 다 SEM 분석에 사용할 수 있지만 인터페이스와 분석환경이 다르다. lavaan은 R 기반의 오픈소스 잠재변수 모델링 패키지로 CFA·SEM·성장모형 등을 지원한다.

H3. 8.5 PROCESS와 SEM 중 무엇이 더 좋습니까?

연구문제에 따라 다르다. 직접 측정된 관측변수 중심의 매개·조절분석은 PROCESS가 효율적일 수 있고, 잠재변수·측정오차·측정모형을 포함하려면 SEM이 더 적절할 수 있다.

H3. 8.6 SEM의 적합도가 좋으면 모든 가설이 옳다는 뜻입니까?

아니다. 전체 모형이 데이터와 비교적 잘 부합한다는 것과 개별 가설이 이론적으로 옳다는 것은 서로 다른 문제이다.

H3. 8.7 모형적합도 기준은 하나의 숫자로 판단하면 됩니까?

아니다. χ²·CFI·TLI·RMSEA·SRMR과 계수, 잔차, 표본특성, 이론을 종합적으로 검토해야 한다.

H3. 8.8 SEM에서도 간접효과를 분석할 수 있습니까?

가능하다. SEM은 매개경로를 포함하여 직접·간접효과를 추정할 수 있으며 Mplus도 SEM 기반 mediation analysis 기능과 예제를 공식적으로 제공한다.

H3. 8.9 지역별로 모형이 다른지 비교할 수 있습니까?

가능하다. 다집단 SEM을 이용하여 집단별 측정모형과 구조경로를 비교할 수 있다. lavaan도 multiple group analysis를 공식적으로 지원한다.

H3. 8.10 SEM을 배우면 박사논문 통계가 끝난 것입니까?

기본적인 흐름을 통합적으로 이해하게 된다는 의미에서는 중요한 단계이지만 연구목적에 따라 다층 SEM, 종단 SEM, 성장모형, 범주형 자료 SEM 등으로 더 발전할 수 있다. lavaan과 Mplus 모두 이러한 확장모형을 지원하는 자료를 제공한다.

H2. 9. 연구자의 실무 의견(Author’s Insight)

부동산 실무에서는 하나의 부동산가격이나 투자성과를 결정하는 요인을 한 문장으로 설명하기 어렵다.

공장부지를 예로 들어도

도로조건 · IC 접근성 · 용도지역 · 기업수요 · 인력수급 · 금융비용 · 개발가능성 · 지역시장

등이 동시에 작용한다.

그리고 그중 일부는 숫자로 직접 측정할 수 있지만

입지경쟁력 · 시장매력도 · 투자위험 인식

과 같은 개념은 여러 정보를 종합해야 이해할 수 있다.

이것이 SEM이 부동산경영 연구에서 의미를 가질 수 있는 이유다.

SEM의 핵심은 복잡한 화살표를 그리는 것이 아니다.

현장에서 경험한 복잡한 관계를 → 이론적 개념으로 정리하고 → 측정 가능한 문항으로 만들고 → CFA로 측정을 검증하고 → 구조모형으로 인과가설적 관계를 검증하는 것

이다.

공인중개사 실무경험과 경영학 연구방법론이 만나는 지점도 바로 여기다.

현장은

무슨 변수가 중요한가

를 알려준다.

이론은

왜 그 변수가 중요한가

를 설명한다.

통계는

그 관계가 표본자료에서도 확인되는가

를 검증한다.

따라서

실무경험 + 이론 + 측정 + SEM

의 결합이 부동산경영 박사논문의 중요한 경쟁력이 될 수 있다.

H2. 10. 정책 제언 및 투자 전략

첫째, 복합적인 부동산 투자평가에서는 단일지표보다 구조적인 평가모형을 고려할 수 있다.

예를 들어

교통입지 → 시장수요 → 현금흐름 → 투자성과

라는 구조를 설정하면 단순히 IC 거리 하나만 보는 것보다 시장의 전달경로를 이해하는 데 도움이 될 수 있다.

둘째, 정책평가에서도 직접효과와 간접효과를 구별할 필요가 있다.

교통인프라 건설 → 토지가격

이라는 단순관계보다

교통인프라 → 접근성 → 기업수요 → 투자 → 가격

이라는 경로를 분석하면 정책효과의 메커니즘을 보다 구조적으로 검토할 수 있다.

셋째, 투자자는 평균적인 관계보다 시장구조를 분석해야 한다.

좋은 입지 → 무조건 좋은 투자

가 아니라

입지 → 수요 → 금융 → 현금흐름 → 투자성과

의 전체 경로를 검토해야 한다.

넷째, SEM은 투자예측 프로그램이 아니다.

SEM에서 유의한 관계가 발견되더라도 실제 투자결정에서는

법률 · 세금 · 건축 · 인허가 · 금융 · 현장조사 · 시장수급

을 별도로 검토해야 한다.

H2. 11. 결론(Conclusion)

제10편의 핵심은 SEM이라는 어려운 통계기법을 배우는 것이 아니다.

지금까지 배운 연구방법론 전체를 하나로 연결하는 것이다.

제1편에서

데이터와 변수를 이해했다.

제2편에서

연구모형과 가설을 만들었다.

제3편에서

데이터를 진단했다.

제4편에서

상관관계를 분석했다.

제5편에서

회귀분석을 배웠다.

제6편에서

매개효과를 분석했다.

제7편에서

조절효과를 분석했다.

제8편에서

조건부 과정분석으로 매개와 조절을 결합했다.

제9편에서

EFA·CFA와 신뢰도·타당도를 통하여 측정모형을 검증했다.

그리고 제10편에서

측정모형 + 구조모형 → SEM으로 전체 연구체계를 완성한다.

따라서 박사논문 통계의 전체 흐름은 다음 한 줄로 정리할 수 있다.

현장문제 → 연구질문 → 이론 → 변수 → 측정 → 데이터 → 기초통계 → 회귀 → 매개·조절 → CFA → SEM → 결과해석 → 현장 재검증

SEM의 진정한 목적은 화살표가 많은 복잡한 그림을 만드는 것이 아니다.

이론적으로 의미 있는 복잡한 현실을 → 측정 가능한 변수로 만들고 → 구조적인 연구모형으로 검증하는 것

이다.

좋은 SEM 연구는 복잡한 모형에서 시작하지 않는다.

명확한 연구문제 → 정확한 개념 → 좋은 측정 → 적절한 표본 → 타당한 분석 → 신중한 해석

에서 시작한다.

H2. 12. 참고문헌(References)

Rosseel, Y., lavaan SEM Tutorial. lavaan 공식 SEM 예제로 잠재변수 정의, 회귀공식, 분산·공분산 관계를 하나의 구조모형에 지정하는 방법을 설명하며 CFA에서 SEM으로 발전하는 원리를 이해하는 데 유용하다.
Rosseel, Y., lavaan CFA Tutorial. 잠재변수와 측정문항 사이의 CFA 측정모형 설정 및 추정방법을 설명하며, cfa()와 전체 구조모형을 위한 sem()의 차이를 이해하는 공식 자료이다.
lavaan Official Overview. lavaan은 경로분석·CFA·SEM·성장곡선모형 등 다양한 잠재변수 모델링을 지원하는 R 기반 오픈소스 패키지이다.
Muthén, L. K. & Muthén, B. O., Mplus User’s Guide. 구조방정식·잠재변수·매개·다층 및 다양한 확장모형의 설정과 분석을 다루는 공식 사용자 지침서이다.
Mplus Mediation Analysis Resources. SEM 틀에서 직접효과·간접효과·조절된 매개효과 등 다양한 mediation 분석 예제를 제공한다.
lavaan Multiple Groups Tutorial. 두 개 이상의 집단에서 동일한 CFA·SEM 모형을 비교하는 다집단 분석의 기본절차를 설명하는 공식 자료이다.
lavaan Multilevel SEM Tutorial. 개인·지역·조직처럼 계층화된 데이터를 Level 1과 Level 2 모형으로 분리하여 분석하는 다층 SEM의 기본구조를 설명한다.
Google AdSense Help, Make sure your site’s pages are ready for AdSense. Google은 AdSense 사이트에 방문자에게 유용한 독창적 콘텐츠와 좋은 사용자 경험이 필요하다고 공식 안내한다. 본 글도 단순 통계용어 나열보다 부동산 실무·연구이론·통계해석을 결합한 독자적 내용으로 구성하였다.