[실습예제] SSRA 전 과정 따라하기 ① PLS-SEM — 생성형 AI 신뢰와 업무 활용의도

# SSRA 전 과정 따라하기 ① — PLS-SEM 횡단면 설문연구

![S1 PLS-SEM 시나리오](upload/diagrams/ex_isr_s1_pls.png)

SSRA V2.0 을 평가할 때 쓴 세 가지 대표 연구 시나리오 가운데 첫 번째입니다. 경영정보 분야에서 가장 흔한 **PLS 구조방정식(PLS-SEM) 설문연구**를 **연구설계 → 설문지 작성 → 자료수집 → 통계분석 → 보고서 작성**의 다섯 단계로 끝까지 해 봅니다.

이 실습의 핵심은 **한 번 입력한 연구정보가 다음 단계로 그대로 넘어가는 것**을 직접 확인하는 데 있습니다. 연구설계에서 적은 구성개념 4개·문항 16개·가설 5개가 설문지와 분석 모형으로 다시 입력하지 않아도 이어집니다.

> 응답 250명은 연구가설에 맞춰 만든 **모의 자료**입니다. 실제 응답을 모으는 대신 [설문지 파일등록]으로 올립니다. 결과를 실제 연구 결과로 인용하지 마세요.

## 한눈에 보기

| 단계 | 메뉴 | 하는 일 | 확인할 것 |
| --- | --- | --- | --- |
| ① 연구설계 | 연구설계 자동화 › 새 연구설계 작성 | 구성개념 4개·경로 5개·조작적 정의·측정지표 16개 | 가설 5개가 자동으로 생긴다 |
| ② 설문지 | 연구설계 STEP 6 › 설문지 작성 | 측정지표로 설문 자동 구성 | 문항 a1–a16 이 그대로 들어온다 |
| ③ 자료수집 | 자료수집 자동화 › 설문지 파일등록 | 응답 250명 CSV 올리기 | 카드에 250건 |
| ④ 통계분석 | 통계분석 자동화 › 구조방정식 | PLS-SEM · 매개효과 · PLSpredict · AI 해석 | 모형을 다시 그리지 않는다 |
| ⑤ 보고서 | 보고서 작성 자동화 › 구조방정식모형(PLS) | 논문 형식 보고서 자동 작성 | 표·그림·수치가 결과와 같다 |

## 준비물

| 파일 | 내용 |
| --- | --- |
| [isr_s1_pls_responses.csv](upload/data/isr/isr_s1_pls_responses.csv) | **응답자료** 250명 × 16문항 (a1–a16, 리커트 5점) — ③에서 올립니다 |
| [isr_s1_pls_design.csv](upload/data/isr/isr_s1_pls_design.csv) | 구성개념·조작적 정의·문항·가설 (엑셀로 열립니다) |
| [isr_s1_pls_expected.csv](upload/data/isr/isr_s1_pls_expected.csv) | SSRA 에서 나와야 할 결과 — 내 결과와 맞춰 보세요 |
| [isr_s1_pls_bundle.zip](upload/data/isr/isr_s1_pls_bundle.zip) | 위 세 파일 묶음 |

* **요금제** — 설문지 작성·자료수집은 무료, 연구설계·통계분석은 일반 이상, 보고서 작성은 프리미어 요금제에서 쓸 수 있습니다.
* **걸리는 시간** — 처음이면 40분 안팎(연구설계 15분, 설문·자료 10분, 분석 10분, 보고서 5분).

## 연구 개요

**연구문제** — 생성형 AI 에 대한 신뢰는 직장인의 업무 활용의도를 높이는가?

| 코드 | 구성개념 | 영문 | 문항 |
| --- | --- | --- | --- |
| IQ | 정보품질 | Information Quality | a1–a4 |
| TR | AI 신뢰 | Trust in AI | a5–a8 |
| PU | 지각된 유용성 | Perceived Usefulness | a9–a12 |
| UI | 업무 활용의도 | Intention to Use at Work | a13–a16 |

```
TR = IQ
PU = IQ TR
UI = TR PU
```

| 가설 | 경로 | 내용 |
| --- | --- | --- |
| H1 | IQ → TR | 정보품질은 AI 신뢰에 정(+)의 영향을 미친다 |
| H2 | IQ → PU | 정보품질은 지각된 유용성에 정(+)의 영향을 미친다 |
| H3 | TR → PU | AI 신뢰는 지각된 유용성에 정(+)의 영향을 미친다 |
| H4 | TR → UI | AI 신뢰는 업무 활용의도에 정(+)의 영향을 미친다 |
| H5 | PU → UI | 지각된 유용성은 업무 활용의도에 정(+)의 영향을 미친다 |

TR → PU → UI 는 **매개 경로**입니다 — 신뢰가 유용성 인식을 거쳐 활용의도로 이어지는지 ④에서 따로 검정합니다.

## 이 자료는 어떻게 만들었나요?

**실제 응답자는 한 명도 없습니다.** 250명의 응답은 SSRA 의 표본응답 생성기가 위의 연구모형대로 «움직이도록» 만든 시뮬레이션 자료입니다. 문항마다 따로 난수를 뽑지 않고, 사람마다 잠재변수 값을 먼저 만든 뒤 문항은 거기에 측정오차만 더합니다. 그래야 신뢰도·타당도가 실제 척도처럼 나옵니다.

| 차례 | 하는 일 | 사용한 값 |
| --- | --- | --- |
| ① 공통 성향 | 응답자마다 «후하게/박하게 답하는» 성향 g 를 뽑는다 | g ~ N(0, 1) |
| ② 외생변수 | IQ = 0.30·g + 오차 | 분산이 1 이 되도록 오차 크기를 맞춤 |
| ③ 내생변수 | 구조식대로 선행변수의 가중합 + 오차 | TR = .42·IQ · PU = .42·IQ + .33·TR · UI = .42·TR + .33·PU (모두 가설 방향 +) |
| ④ 문항 | 문항 = 반올림(구성개념 평균 + 잠재값 + 측정오차) 을 1–5 로 자름 | 측정오차 SD 0.62 — α 가 .85–.92 쯤 나오는 크기 |
| ⑤ 난수 시드 | 같은 자료를 다시 만들 수 있게 고정 | 20260910 + 설문번호 |

**그래서 결과는 «정해 둔 대로» 나옵니다.** 경로가 유의하고 가설이 채택되는 것은 처음부터 그렇게 만들었기 때문이지, 이론이 검증된 것이 아닙니다. 이 실습은 이론을 시험하는 것이 아니라 **SSRA 의 흐름(설계 → 설문 → 분석 → 보고서)이 끊기지 않고, 계산과 보고서 수치가 맞는지** 를 확인하는 용도입니다. 결과를 실제 집단의 특성으로 해석하거나 인용하지 마세요.

> 이 응답은 **생성형 AI 가 지어낸 것이 아닙니다.** 통계 모형과 고정된 난수 시드로 만든 시뮬레이션 자료라, 같은 코드를 다시 돌리면 같은 자료가 나옵니다.

***

## ① 연구설계

1. 위쪽 메뉴 **연구설계 자동화** 를 엽니다. «새 연구설계 작성» 카드의 [[btn:작성하기]] 를 누릅니다.
2. **연구 주제** 칸에 `생성형 AI에 대한 신뢰가 업무 활용의도에 미치는 영향` 을 적고 [[btn:▶ 연구설계 시작|primary]] 을 누릅니다. 새 연구설계 카드가 열리고 6단계 탭이 보입니다.
3. [[btn:연구계획서 작성|tab+file-earmark-text]] — «연구문제의 정의» 탭에 위의 연구문제를 한 줄 적습니다. (나머지 탭은 이 실습에서 비워 두어도 됩니다.)

### STEP 2 — 연구모형 구성

4. [[btn:연구모형 구성|tab+diagram-3]] 탭에서 [[btn:연구변수 일괄등록]] 을 누르고 아래를 **그대로 붙여넣습니다.** 순서가 문항 번호(a1–a16)를 정하므로 바꾸지 마세요.

```
IQ:정보품질
TR:AI 신뢰
PU:지각된 유용성
UI:업무 활용의도
```

5. 화면 아래 **경로설정** 목록의 [추가] 를 세 번 눌러 경로를 만듭니다. 독립변수는 여러 개를 고를 수 있습니다.

| 차례 | 독립변수 (여러 개 선택) | 종속변수 |
| --- | --- | --- |
| 1 | IQ | TR |
| 2 | IQ, TR | PU |
| 3 | TR, PU | UI |

모형도에 화살표 5개가 그려지면 됩니다. 상자는 마우스로 끌어 보기 좋게 옮겨도 됩니다(위 그림 참고).

### STEP 3 — 가설 설정

6. [[btn:가설 설정|tab+lightbulb]] 탭을 엽니다. 경로 5개에서 **가설 5개가 자동으로** 만들어져 있습니다. 방향이 모두 «긍정적인» 인지 확인합니다. (가설을 늘리거나 줄이려면 STEP 2 의 경로를 고칩니다.)

### STEP 4 — 조작적 정의

7. [[btn:조작적 정의|tab+pencil-square]] 탭의 [[btn:조작적 정의 일괄등록]] 에 붙여넣습니다.

```
IQ : 생성형 AI가 제공하는 답변의 정확성·적시성·완전성에 대한 사용자의 지각 정도
TR : 생성형 AI의 답변이 믿을 만하며 업무에 의지할 수 있다고 믿는 정도
PU : 생성형 AI를 사용하면 업무 성과가 향상될 것이라고 믿는 정도
UI : 앞으로 업무에서 생성형 AI를 계속 활용하려는 의도의 정도
```

### STEP 5 — 측정지표 개발

8. [[btn:측정지표 개발|tab+list-ol]] 탭의 [[btn:측정지표 일괄등록]] 에 붙여넣고 [[btn:설정확인|primary]] 을 누릅니다.

```
IQ
IQ1: 생성형 AI가 제공하는 정보는 정확하다.
IQ2: 생성형 AI가 제공하는 정보는 업무에 필요한 내용을 충분히 담고 있다.
IQ3: 생성형 AI는 필요한 정보를 적시에 제공한다.
IQ4: 생성형 AI가 제공하는 정보는 전반적으로 품질이 높다.

TR
TR1: 나는 생성형 AI가 제공하는 답변을 믿을 수 있다.
TR2: 생성형 AI는 나의 업무에 신뢰할 만한 도움을 준다.
TR3: 나는 업무에서 생성형 AI의 결과에 의지할 수 있다.
TR4: 전반적으로 나는 생성형 AI를 신뢰한다.

PU
PU1: 생성형 AI를 사용하면 업무를 더 빨리 처리할 수 있다.
PU2: 생성형 AI는 나의 업무 생산성을 높여 준다.
PU3: 생성형 AI는 업무 성과를 향상시킨다.
PU4: 전반적으로 생성형 AI는 나의 업무에 유용하다.

UI
UI1: 나는 앞으로 업무에 생성형 AI를 활용할 것이다.
UI2: 나는 업무에서 생성형 AI를 자주 사용할 계획이다.
UI3: 나는 다른 동료에게 업무용 생성형 AI 활용을 권할 것이다.
UI4: 나는 생성형 AI를 업무 도구로 계속 사용할 의향이 있다.
```

> 실제 연구에서는 각 탭의 [[btn:AI 프롬프트|ai+stars]] 로 초안을 받아 일괄등록하고, 반드시 문헌과 대조해 고칩니다.

***

## ② 설문지 작성

1. [[btn:설문지 작성|soft]] (STEP 6) 탭을 누르면 «▷ 설문지 작성» 창이 뜹니다.
2. 연구모형에 체크, **설문지 제목**은 연구 주제 그대로, 척도는 **리커트 5점** 을 고르고 [[btn:실행|primary]] 을 누릅니다.
3. 설문지 작성 화면이 열리고 **16문항이 구성개념별로 이미 채워져** 있습니다. 하나도 입력하지 않았다는 점을 확인하세요.
4. 아래 **응답자 배경 정보** 카드의 **성별·연령대·학력·직업 체크를 모두 끕니다.**

> ⚠ 이 실습에서 가장 중요한 한 가지입니다. 배경정보가 켜져 있으면 설문에 sex·age·edu·job 열이 생기는데, 내려받은 응답 파일에는 그 열이 없어서 ③ 파일등록이 «성별의 컬럼명이 다릅니다» 로 멈춥니다.

5. «추가 문항이 필요하십니까?» 는 **아니오** 그대로 두고 [[btn:작성하기|primary]] 를 누릅니다.

## ③ 자료수집 — 응답 파일 올리기

1. 메뉴 **자료수집 자동화** 에서 방금 만든 설문 카드의 [[btn:수집]] 을 엽니다.
2. 오프라인/직접입력 영역의 **설문지 파일등록** 을 엽니다.
3. (확인) [[btn:양식파일 다운로드]] 로 받은 양식의 첫 줄이 `a1,a2,…,a16` 인지 봅니다. 내려받은 응답 파일의 첫 줄과 같아야 합니다.
4. **isr_s1_pls_responses.csv** 를 끌어다 놓고 등록합니다.
5. 카드의 수집 현황이 **250건** 이 되면 성공입니다. [[btn:보기]] 패널에서 응답을 표로 볼 수 있습니다.

> 실제 연구라면 이 자리에서 [동의서 작성] 후 수집 링크·QR 코드로 응답을 받습니다. 그 뒤 단계는 똑같습니다.

## ④ 통계분석

설문 카드의 [[btn:통계분석]] 을 누르거나, 메뉴 **통계분석 자동화 › 구조방정식** 화면으로 갑니다. 위쪽 **통계분석 자료 선택** 에서 이 설문(250건)을 고릅니다.

### 4-1 모형 확인 — 다시 그리지 않습니다

[[btn:구조방정식모형 설정]] 을 열어 보면 연구설계에서 만든 모형이 이미 들어와 있습니다.

```
잠재변수  IQ = a1 a2 a3 a4   TR = a5 a6 a7 a8   PU = a9 a10 a11 a12   UI = a13 a14 a15 a16
구조모형  TR = IQ   PU = IQ TR   UI = TR PU
```

### 4-2 PLS-SEM

[[btn:PLS 구조방정식모형 실행|primary]] → 설정 창에서

| 칸 | 값 |
| --- | --- |
| 수행방식 | 부트스트래핑 |
| PLS 스키마 | path |
| 부트스트래핑 횟수 | 500 |
| 검정방식 | 양측 |

결과 메뉴를 **신뢰도 → 타당도 → 경로 분석결과 → 가설검증 결과** 순서로 봅니다.

| 결과 | 기대 값 |
| --- | --- |
| Cronbach's α | .885 – .897 (모두 .70 이상) |
| CR | .921 – .928 |
| AVE | .744 – .764 (모두 .50 이상) |
| HTMT | 최대 .590 (UI–TR) — 모두 .85 미만, 판별타당도 확보 |
| R² | TR .123 · PU .331 · UI .360 |

| 가설 | 경로 | 경로계수 | t 값 | 결과 |
| --- | --- | --- | --- | --- |
| H1 | IQ → TR | .351 | 6.54 | 채택 |
| H2 | IQ → PU | .335 | 7.13 | 채택 |
| H3 | TR → PU | .365 | 7.15 | 채택 |
| H4 | TR → UI | .366 | 6.76 | 채택 |
| H5 | PU → UI | .330 | 6.13 | 채택 |

경로계수·신뢰도·타당도는 같은 자료면 **소수 셋째 자리까지 똑같이** 나옵니다. t 값은 부트스트랩이라 둘째 자리에서 조금 다를 수 있습니다.

### 4-3 매개효과

[[btn:매개효과 분석 실행]] → 같은 설정에 **매개모형 설정** 에서 독립변수 **TR**, 종속변수 **UI** 를 고릅니다.

| 효과 | 값 | 95% 신뢰구간 |
| --- | --- | --- |
| 간접효과 TR → PU → UI | **.121** | [.070, .171] |
| 직접효과 TR → UI | .366 | [.261, .471] |

간접효과의 신뢰구간이 0 을 포함하지 않고 직접효과도 유의하므로 **부분매개** 입니다. (SSRA 는 매개분석의 난수 시드를 고정해 두어 신뢰구간도 같게 나옵니다.)

### 4-4 예측력(PLSpredict)

PLS 결과의 [[btn:예측력(PLSpredict)]] → **10겹 × 10회** 로 실행합니다. 내생변수 지표 12개(a5–a16) 모두 **Q²predict > 0** 이고 **PLS 의 RMSE 가 선형회귀(LM)보다 작습니다** — 표본 밖 예측력이 있다는 뜻입니다.

### 4-5 AI 해석 — 그리고 검토

결과 패널 위의 [[btn:AI 해석 프롬프트|ai+stars]] 를 누르면 결과 표와 해석 요청 문장이 복사됩니다. ChatGPT·Gemini·Claude 에 붙여넣어 해석을 받아 보세요.

평가 때 같은 프롬프트로 3번 해석을 받았더니, **없는 수치를 지어낸 경우는 없었지만** 한 번은 «신뢰가 활용의도를 **증가시킨다**» 처럼 **횡단면 자료로 인과를 단정**했습니다. 받은 해석을 아래 기준으로 꼭 확인하세요.

| 검토 기준 | 확인 방법 |
| --- | --- |
| 결과에 없는 숫자가 있는가 | 숫자 하나하나를 결과 표에서 찾는다 |
| 유의성 판단이 맞는가 | t·p 값과 채택/기각이 일치하는가 |
| 효과의 방향이 맞는가 | 독립·종속이 뒤바뀌지 않았는가 |
| 인과 표현이 지나친가 | 한 번 조사한 설문이면 «관련이 있다·영향을 미친다» 정도로 |

## ⑤ 보고서 작성

1. 메뉴 **보고서 작성 자동화** → «새 보고서 작성» 카드의 [[btn:작성하기]].
2. **보고서 유형** «구조방정식모형(PLS)», **설문** 은 이 설문을 고릅니다(PLS 를 실행한 설문만 목록에 나옵니다).
3. 제목·주제어를 확인하고 [[btn:설정확인|primary]].
4. 만들어진 보고서의 [[btn:보기]] → **내보내기** 에서 Word·마크다운·Overleaf 로 받습니다.

평가 때 만든 보고서는 **27개 절, 표 15개, 그림 2개**였고, 보고서에 들어간 소수 수치 244개를 저장된 분석 결과와 하나씩 대조했더니 235개가 그대로 일치했습니다. 나머지 9개는 저장 상관행렬로 다시 계산한 공통방법편의 값(7개)과 기준값 1.96(2개)이었습니다 — **보고서의 숫자는 사람이 옮겨 적지 않고 분석 결과에서 바로 옵니다.**

## 막히기 쉬운 곳

| 증상 | 확인할 것 |
| --- | --- |
| 파일등록에서 «성별의 컬럼명이 다릅니다» | ② 4번 — 배경정보 체크를 끄지 않았습니다. 설문을 새로 만들거나, 양식파일의 열 순서대로 파일에 열을 더하세요 |
| «문항의 컬럼명이 다릅니다» | 측정지표가 16개가 아니거나 순서가 다릅니다. 측정지표 개발 탭을 다시 확인하세요 |
| 설문지 작성 창이 «[측정지표 개발]을 먼저 작성해 주세요» | STEP 5 일괄등록 후 [설정확인] 을 눌렀는지 |
| 경로계수가 기대 값과 다릅니다 | 경로 5개가 맞는지, 스키마가 path 인지, 자료가 250건인지 |
| 보고서 설문 목록에 이 설문이 없습니다 | ④-2 PLS 를 먼저 실행해야 나옵니다 |

## 연습 문제

1. 경로 IQ → UI 를 하나 더해 다시 돌려 보세요. 정보품질이 활용의도에 **직접** 영향을 주나요, 신뢰·유용성을 거쳐서만 주나요?
2. 매개분석을 독립변수 **IQ**, 종속변수 **UI** 로 바꾸면 간접효과는 몇 개의 경로로 나뉘나요?
3. AI 해석에서 «인과 단정» 문장을 찾아 연구 설계에 맞는 표현으로 고쳐 보세요.

## 함께 읽기

- 다음 시나리오: [② 생존분석 — 생성형 AI 서비스 이용 중단](post.php?id=229) · [③ 다국어 설문·다중집단분석](post.php?id=230)
- [사용 매뉴얼] [연구설계 자동화](post.php?id=3) · [설문지 작성](post.php?id=4) · [자료수집](post.php?id=5) · [구조방정식·PLS·매개/조절](post.php?id=7) · [보고서 작성](post.php?id=9)
- [PLS-SEM 예측력(PLSpredict)](post.php?id=189) · [매개효과분석 실습 — ACSI](post.php?id=75)

S1 실습 자료 묶음 (ZIP)