구조방정식 논문 심사에서 자주 나오는 질문은 "이 매개효과가 우연이 아니라는 걸 어떻게 아는가"다. 경로계수 하나만으로는 이 질문에 답하기 어렵다.
무엇을 분석했나
소셜미디어 고객참여(Customer Engagement) 영향요인을 다룬 연구의 통계분석 전반을 지원했다. 공동가치창출을 선행 요인으로, 기능적·감정적·공동체적 참여를 매개로, 사회적 존재감·몰입을 거쳐 구전 의도에 이르는 7개 잠재변수 구조모형을 설정하고, N=475 설문 데이터로 PLS-SEM(부분최소제곱 구조방정식)을 수행했다.
측정모형은 문항 신뢰도(Cronbach's α), 복합신뢰도(CR), 수렴타당도(AVE), 판별타당도(HTMT·Fornell-Larcker)로 평가했다. 구조모형은 경로계수(β)·결정계수(R²)·효과크기(f²)를 추정하고, 부트스트랩 5,000회 편의보정 신뢰구간으로 직접·간접·총효과의 유의성을 검정했다. VAF 기준으로 부분매개 구조를 판정하고, 완전매개 대비 부분매개 경쟁모형을 비교했다.
무엇이 나왔나
첫째, 전 잠재변수가 측정모형 기준선을 통과했다는 점. α·CR ≥ 0.7, AVE ≥ 0.5 기준선을 7개 잠재변수 전체가 통과함을 확인해, 구조모형 추정에 앞서 측정 도구 자체의 신뢰도·타당도를 먼저 방어할 수 있었다.
둘째, 매개효과를 부트스트랩 5,000회로 검정했다는 점. 직접·간접·총효과의 유의성을 편의보정 신뢰구간으로 검정하고, VAF 기준으로 완전매개 대비 부분매개 경쟁모형을 비교해 매개 구조 자체를 판정했다.
셋째, 분석 전 과정을 재현 가능한 Python 코드로 제공했다는 점. pandas·numpy·scipy·semopy와 자체 구현한 부트스트랩 코드로 전 과정을 재현 가능하게 만들어, 심사 과정의 "이 수치가 어떻게 나왔는가" 질문에 코드로 즉시 답할 수 있게 했다.
심사위원이라면 여기를 본다
포인트 1 — 판별타당도를 두 가지 기준으로 교차검증. HTMT와 Fornell-Larcker 두 방법으로 판별타당도를 나란히 제시해, 한쪽 기준만으로는 남는 반박 여지를 줄였다.
포인트 2 — 매개효과를 유의성 검정에서 그치지 않고 유형까지 판정. 부트스트랩 5,000회 편의보정 신뢰구간으로 직접·간접·총효과를 검정한 뒤, VAF로 완전매개 대비 부분매개 경쟁모형을 비교해 "매개가 있는가"를 넘어 "어떤 매개인가"까지 답했다.
포인트 3 — 인용을 원문과 1:1 대조 검증. 논문 본문의 인용을 원문과 하나씩 대조 검증한 뒤 참고문헌을 APA 형식으로 정리해, 투고본 단계의 인용 오류 리스크를 줄였다.
마치며
텍스트마이닝뿐 아니라 PLS-SEM 같은 전통적 다변량 통계도, 재현 가능한 코드와 다중 기준 교차검증이라는 같은 원칙으로 방어할 수 있다.
비슷한 구조방정식·매개효과 분석이나 논문 통계 지원이 필요하다면 텍스트마이닝 분석 페이지에서 진행 방식을 확인할 수 있다. 분석 설계 노하우는 뉴스레터 「강의실의 AI」 구독 시 받아볼 수 있다.