SSRA / 기능 도움말 / AI 앱 연결(MCP 커넥터) FAQ 도구 비교 요금제 로그인

AI 앱 연결(MCP 커넥터)

통계분석 자동화 프리미어 요금제 이상

Claude·ChatGPT 같은 AI 앱에 SSRA 를 커넥터로 연결해, 대화로 내 설문 자료의 PLS-SEM·CB-SEM 분석과 매개효과·모형 비교·공통방법편의·다집단 비교를 실행하는 기능이다.

AI 앱과 대화하면서 «이 모형으로 다시 돌려 봐», «간접효과를 부트스트랩으로 구해 줘» 처럼 요청하면 AI 가 SSRA 의 분석 도구를 직접 불러 결과를 받아 온다. 분석은 SSRA 서버의 R(plspm·lavaan)에서 돌고, 앱의 PLS 분석과 같은 계산을 쓴다. 내 설문을 쓸 때는 먼저 «분석용 사본»을 만들어 그 사본에서만 작업하므로 원본 설문·모형·결과는 바뀌지 않는다. 같은 씨앗(seed)을 주면 부트스트랩 결과가 매번 똑같이 나와 논문의 수치를 다시 확인할 때 쓸 수 있다.

무엇이 필요한가
SSRA 프리미어(또는 기관·그룹 구독) 계정AI 앱(Claude 또는 ChatGPT)내 설문(응답이 있는 것) 또는 예제 자료
무엇이 나오는가
경로계수·부트스트랩 SE·t·p·R²·f²·Q²·SRMR·PLSpredictCB-SEM 표준화 계수·적합도신뢰도·타당도 판정표특정·총간접효과와 매개 유형 판정모형 비교(Δχ²·ΔCFI·AIC·BIC·수정지수)공통방법편의 진단MICOM·다집단 경로 차이 검정원자료 CSV·상관행렬·잠재변수 점수하위표본·더미변수 사본
사용 순서
  1. AI 앱의 설정 › 커넥터에서 사용자 지정 커넥터를 추가하고 주소에 https://ssra.or.kr/mcp/server 를 넣는다(기관에서 이미 등록해 두었다면 그 SSRA 커넥터에서 [연결]만 누른다).
  2. 브라우저에 뜨는 SSRA 로그인 화면에서 로그인하고, AI 앱이 SSRA 를 쓰도록 [허용]한다.
  3. 새 대화를 열고 «SSRA 서버 정보 보여 줘»라고 해서 연결된 계정과 쓸 수 있는 도구 목록(16개)을 확인한다.
  4. «내 SSRA 설문 목록 보여 줘»(list_my_surveys)로 설문 번호를 찾고, «설문 1234 로 분석용 사본 만들어 줘»(load_dataset)로 사본을 만든다. 연습용은 list_datasets 의 예제 자료를 쓴다.
  5. describe_data 로 변수와 저장된 모형 version 을 보고, 모형을 바꿀 때는 set_model 로 새 version 을 저장한다(기존 version 은 그대로 남는다).
  6. 측정모형은 check_measurement_model, 구조모형은 run_plssem 또는 run_cbsem 으로 추정한다. 오래 걸리면 «진행 중»과 작업 번호가 오고, get_result 로 받는다.
  7. 간접효과는 run_mediation 으로 구한다. 경로를 주지 않으면 모형의 모든 간접경로를, [["A","B","C","D"]] 처럼 주면 그 경로만 계산한다.
  8. 대안모형 비교는 compare_models(CB-SEM), 공통방법편의는 check_cmb, 집단 비교는 run_mga 로 한다.
  9. 특정 응답자를 빼거나 명목변수를 더미로 넣어야 하면 derive_dataset 으로 새 사본을 만든 뒤 그 사본에서 분석한다. 외부 프로그램으로 검증하려면 export_data 로 자료와 행렬을 받는다.
용어
MCP(Model Context Protocol)
AI 앱이 바깥 서비스의 기능을 «도구»로 불러 쓰게 하는 표준 규약. SSRA 는 이 규약으로 분석 도구를 AI 앱에 제공한다.
분석용 사본
load_dataset·derive_dataset 이 만드는 별도 설문. 분석은 사본에서만 하므로 원본 설문·모형·결과가 바뀌지 않는다. 설문 목록에 [Claude] 같은 이름표가 붙어 보인다.
모형 version
한 사본 안에 저장한 모형 하나하나. set_model 을 부를 때마다 새 번호가 붙고, 분석 도구는 version 을 골라 돌린다.
seed(씨앗)
부트스트랩 난수의 시작값. 같은 seed·같은 자료·같은 설정이면 SE·t·p·신뢰구간이 똑같이 나온다. 결과의 options.seed 에 쓴 값이 적힌다.
run_mediation
부트스트랩 간접효과 분석. 특정 간접효과(3단계 이상 직렬 매개 포함)·총간접효과·총효과·직접효과마다 추정치·SE·t·p·백분위 CI·BCa CI 를 내고, Zhao et al.(2010) 기준으로 보완적·경쟁적·간접효과만·직접효과만·효과 없음을 판정한다. 반복 수 200~10,000(기본 5,000), engine 은 pls(기본) 또는 cbsem.
compare_models
같은 사본의 두 모형 version 을 CB-SEM 으로 추정해 χ²·CFI·TLI·RMSEA·SRMR·AIC·BIC 와 그 차이, 우도비 검정 p, 내포 여부, 수정지수 상위 N개를 낸다.
check_cmb
공통방법편의 진단. Harman 단일요인(첫 요인 설명분산 50% 기준), 전면 공선성 VIF(Kock 2015, 3.3 기준), 마커변수 보정(Lindell & Whitney 2001 CLC). 마커 문항을 주지 않으면 구성개념 간 최소 양의 상관을 쓴다.
run_mga
한 변수로 응답자를 두 집단으로 나눠 PLS 경로계수 차이를 순열검정과 Welch t 로 검정하고, 그 앞에 MICOM 2·3단계로 측정동일성을 확인한다. 앱 그룹비교와 같은 계산이다.
export_data
사본의 원자료 CSV(글 응답 열은 기본 제외), 지표 상관행렬, 잠재변수 점수, 구성개념 상관행렬을 내보낸다.
derive_dataset
기존 사본에서 filter 로 응답자를 고르거나 명목변수를 더미(기준 범주 제외)로 붙인 새 사본을 만든다. 열 번호와 모형 version 은 그대로 옮겨진다.
filter
하위표본 조건. 예: "b1 != 3", "age >= 3 and sex == 1", "b1 in (1,2)". 새 도구들은 사본을 만들지 않고 filter 를 바로 받는다.
대기열
같은 사본에서 run_plssem·run_cbsem·check_measurement_model 이 이미 돌고 있으면 뒤 작업은 거절되지 않고 기다렸다 차례로 돈다(«대기 중»). 새 도구들은 동시에 돌 수 있다.
자주 묻는 질문
Q. Claude나 ChatGPT에서 SSRA 분석을 쓸 수 있나요?
A. 네. AI 앱의 커넥터에 https://ssra.or.kr/mcp/server 를 추가하고 SSRA 계정으로 로그인하면, 대화로 PLS-SEM·CB-SEM·매개효과·모형 비교·공통방법편의·다집단 비교를 실행할 수 있습니다. SSRA 프리미어 또는 기관·그룹 구독 회원이 쓸 수 있습니다.
Q. AI 앱으로 분석하면 제 원본 설문이 바뀌나요?
A. 바뀌지 않습니다. 분석은 load_dataset 으로 만든 «분석용 사본»에서만 하며, 원본 설문·모형·결과는 그대로 둡니다. 모형을 고쳐도 사본에 새 version 으로 저장됩니다.
Q. 새 도구가 AI 앱에 안 보입니다.
A. AI 앱이 예전 도구 목록을 기억하고 있는 경우입니다. 새 대화를 열어 보시고, 그래도 같으면 커넥터 설정에서 SSRA 연결을 끊었다가 다시 [연결]해 SSRA 로그인을 새로 하시면 새 목록을 받습니다. «SSRA 서버 정보 보여 줘»로 서버가 제공하는 도구 목록과 비교해 볼 수 있습니다.
Q. 부트스트랩 결과가 돌릴 때마다 조금씩 다릅니다. 고정할 수 있나요?
A. seed 를 지정하시면 됩니다. 같은 seed·같은 자료·같은 반복 수·같은 검정 방향이면 SE·t·p·신뢰구간이 똑같이 나옵니다. 앱 화면과 수치를 맞출 때는 반복 수와 단측·양측(tail)도 같은지 확인해 주세요.
Q. 3단계 이상 직렬 매개(A→B→C→D)의 간접효과도 구할 수 있나요?
A. run_mediation 에 paths 로 [["A","B","C","D"]] 처럼 주시면 됩니다. paths 를 생략하면 모형의 모든 간접경로와 변수 쌍별 총간접효과를 함께 계산합니다. 유의성은 첫 번째 신뢰구간(기본 백분위)이 0 을 포함하는지로 판정하므로 p 값과 다를 수 있습니다.
Q. 직업 같은 명목변수를 통제변수로 넣으려면 어떻게 하나요?
A. derive_dataset 의 dummies 로 더미변수를 붙인 사본을 만든 뒤, set_model 에서 더미마다 지표 하나짜리 잠재변수를 만들어 결과변수로 가는 경로를 넣고 분석하시면 됩니다.
Q. 특정 응답자 집단을 빼고 분석할 수 있나요?
A. 새 도구(run_mediation·compare_models·check_cmb·run_mga·export_data)에는 filter 를 바로 주시면 됩니다(예: "b1 != 3"). run_plssem·run_cbsem 은 derive_dataset 으로 하위표본 사본을 만든 뒤 그 사본으로 돌리시면 됩니다.
Q. 다집단 비교(MGA)에서 세 집단 이상도 되나요?
A. 지금은 두 집단만 비교합니다. 세 집단이면 두 집단씩 나누어 돌려 주세요. MICOM 2단계(구성 동일성)를 충족하지 못하면 경로 차이를 해석하지 말라는 판정이 함께 나옵니다.
Q. 분석 결과는 AI 앱 회사로도 전달되나요?
A. 네. 도구가 돌려준 결과(계수·통계량, export_data 를 쓰면 응답 자료까지)는 대화의 일부로 AI 앱에 전달됩니다. 민감한 자료라면 export_data 사용을 피하고 소속 기관의 AI 사용 지침을 확인해 주세요.
Q. 설문 자료에 결측치가 있다고 사본을 만들 수 없다고 합니다.
A. SSRA 웹의 «통계분석 자동화» 화면에서 그 설문을 고르고 [자료 확인]에서 안내된 번째 응답을 «분석 제외»로 체크한 뒤, load_dataset 을 다시 불러 주세요.
다음 단계
신뢰도·타당도 분석
측정도구가 일관되게 재고 있는지(신뢰도), 재려던 것을 제대로 재고 있는지(타당도)를 검증해 논문 표 형식으로 내주는 기능이다.
매개효과 분석
독립변수가 매개변수를 거쳐 종속변수에 미치는 간접효과를 검증하고, 완전매개·부분매개 여부를 판정해 주는 기능이다.
그룹비교 분석
성별·직급·응답 언어처럼 나뉘는 두 그룹에서 같은 경로의 계수가 서로 다른지 검정하고, 그 전제인 측정동일성(MICOM)을 함께 검정하는 다중집단 분석 기능이다.
보고서 작성 자동화
분석 결과의 표와 그림을 본문에 자동으로 넣어 결과보고서·논문 원고를 만들고, 마크다운·Word·Overleaf 형식으로 내보내는 기능이다.
← 전체 기능 목차
SSRA — 클라우드 사회과학연구 자동화 (Social Science Research Automation)
llms.txt · llms-full.txt · sitemap.xml
이 문서는 SSRA 운영자가 관리하는 공식 기능 설명입니다.
SSRA 기능 도우미
SSRA 기능에 대해 물어보세요. 공식 도움말을 근거로만 답합니다.
설문 동의서는 어떻게 만드나요? PLS-SEM 분석을 할 수 있나요? 무료로 쓸 수 있는 기능은 무엇인가요? 분석 결과를 보고서에 넣는 방법