확인적 요인분석까지는 어떻게든 왔습니다. 그런데 잠재변수 세 개를 화살표로 연결한 연구모형을 검증하려는 순간, 지도교수가 한마디 던집니다. “AMOS로 돌려 봐.” 옆 연구실 선배는 “요즘은 SmartPLS 쓰던데”라고 하고, 학술지 논문들은 Mplus와 lavaan을 씁니다. 넷 다 구조방정식을 돌린다는데, 무엇이 다른지는 아무도 설명해 주지 않습니다.
이 네 프로그램의 차이는 기능 목록의 차이가 아닙니다. 애초에 두 종류의 서로 다른 통계 모형이 섞여 있고, 그 갈림길을 모르고 도구를 고르면 심사에서 “왜 이 방법을 썼습니까”라는 질문에 답할 수 없습니다. 이 글은 그 갈림길부터 정리한 뒤 네 프로그램을 여섯 기준으로 비교하고, 각각 어떤 연구자에게 맞는지 한 줄로 못 박습니다. 가격은 검증할 수 있는 것만 적었고, 확인되지 않는 금액은 적지 않았습니다.
도구를 고르기 전에 갈리는 길 — 공분산 기반이냐 PLS냐
구조방정식이라는 이름 아래 성격이 다른 두 접근이 있습니다.
- 공분산 기반(CB-SEM). 관측된 공분산 행렬을 이론이 함의하는 행렬과 맞춰 보는 방식입니다. 잠재변수를 공통요인으로 봅니다. 모형 전체의 적합도 지수(CFI, TLI, RMSEA, SRMR)가 나오고, 그 지수로 “이론 모형이 자료에 맞는가”를 묻습니다. AMOS, Mplus, lavaan이 여기에 속합니다.
- 부분최소제곱(PLS-SEM). 잠재변수를 공통요인이 아니라 지표들의 합성물(composite)로 다룹니다. 공통요인 모형을 자료에 맞추는 것이 아니라 합성 모형을 맞춥니다. 종속변수의 설명량을 키우는 데 초점이 있어 예측과 탐색에 강하고, 형성적(formative) 측정모형을 자연스럽게 다룹니다. SmartPLS가 대표입니다.
널리 퍼진 통념 하나를 짚고 가야 합니다. “표본이 작으면 PLS를 쓰면 된다”는 말입니다. 이 주장은 방법론 연구자들로부터 반복적으로 비판받아 왔습니다. PLS가 아주 작은 표본에서도 신뢰롭게 작동한다는 주장에 문제가 제기되었고, 최근에는 PLS에도 별도의 최소 표본 크기 산정 방법이 제안되고 있습니다. 가중치의 표집분포처럼 핵심적인 성질에 대한 엄밀한 증명이 부족하다는 지적도 있습니다.
따라서 선택의 근거는 표본 크기가 아니라 측정모형의 성격과 연구 목적이어야 합니다. 반영적 측정모형으로 이론을 검증하려면 공분산 기반이고, 형성적 지표가 섞여 있거나 목적이 예측·탐색이라면 PLS가 합리적입니다. 이 판단의 밑바탕은 구조방정식모형의 측정모형·구조모형과 적합도 지수 해석에 정리해 두었습니다. 그 글을 먼저 읽고 오면 아래 표가 훨씬 잘 읽힙니다.
이 비교의 평가 기준 여섯 가지
- 추정 방식 — 공분산 기반인가 PLS인가, 둘 다 되는가.
- 모형을 지정하는 방식 — 그림을 그리는가, 전용 문법을 쓰는가, 코드를 쓰는가. 이것이 학습 시간을 결정합니다.
- 논문에 필요한 출력 — 적합도 지수, 표준화 경로계수, 부트스트랩 간접효과, 다집단 비교가 기본으로 나오는가.
- 모형 확장성 — 잠재성장모형, 다층모형, 잠재계층분석처럼 학위논문 이후까지 갈 여지가 있는가.
- 비용과 접근 경로 — 무료인가, 대학이 사 뒀을 가능성이 있는가, 학생 가격이 있는가.
- 국내 관행과 학습 자료 — 지도교수와 심사위원이 아는 이름인가, 한국어 자료가 있는가.
한눈에 보는 네 프로그램 비교표
| 기준 | AMOS | SmartPLS | Mplus | lavaan (R) |
|---|---|---|---|---|
| 추정 방식 | 공분산 기반 | PLS 중심, CB-SEM도 지원 | 공분산 기반(+베이즈) | 공분산 기반 |
| 모형 지정 | 마우스로 경로도 그리기 | 마우스로 경로도 그리기 | 전용 명령문 | R 안의 짧은 모형 문법 |
| 운영체제 | 윈도우 | 윈도우·맥 | 공식 안내 확인 필요 | 윈도우·맥·리눅스 |
| 비용 | 상용(대학 단체 계약이 흔함) | 상용, 30일 무료 체험 | 상용, 학생 가격·무료 데모 있음 | 무료 오픈소스 |
| 적합도 지수 | 기본 출력 | PLS에서는 개념이 다름 | 기본 출력 | 기본 출력 |
| 부트스트랩 간접효과 | 가능 | 기본 기능 | 가능 | 가능 |
| 고급 모형 | 제한적 | PLS 계열 확장(IPMA 등) | 가장 넓음(다층·잠재계층·생존) | 넓음, 패키지로 확장 |
| 학습 난이도 | 낮음 | 낮음 | 중간~높음 | 중간 |
| 국내 인지도 | 가장 높음 | 경영·마케팅 계열에서 높음 | 학술지 논문에서 높음 | 이공계·통계 전공에서 높음 |
| 재현성 | 파일 저장 | 프로젝트 파일 | 명령문 파일 | 스크립트로 완전 재현 |
AMOS — 그림으로 그리는 국내 표준
AMOS는 경로도를 마우스로 그리면 그 그림이 곧 모형이 되는 프로그램입니다. 타원과 사각형을 놓고 화살표를 연결하면 추정이 돌아갑니다. 통계 문법을 몰라도 시작할 수 있다는 점이 국내 사회과학 대학원에서 오래 표준 자리를 지켜 온 이유입니다.
강점
- 진입 장벽이 가장 낮습니다. 경로도를 그리는 행위 자체가 모형을 이해하는 과정이 되어, 처음 SEM을 배우는 사람에게 교육적입니다.
- 그린 경로도를 그대로 논문 그림으로 쓸 수 있습니다. 표준화 계수를 화살표 위에 표시해 출력하면 결과 장의 그림이 완성됩니다.
- 국내 한국어 교재와 강의가 넷 중 가장 많습니다. 심사위원도 대체로 익숙합니다.
- SPSS와 같은 계열이라 데이터 연결이 매끄럽고, 학교가 SPSS를 단체 계약했다면 AMOS도 함께 들어 있는 경우가 있습니다. 구매 전에 전산정보원 공지를 반드시 확인하세요.
약점
- 윈도우 전용입니다. 맥 사용자는 가상머신을 쓰거나 학교 전산실을 이용해야 합니다.
- 모형이 복잡해지면 화면이 스파게티가 됩니다. 잠재변수가 여섯 개를 넘어가면 그림을 정리하는 일 자체가 작업이 됩니다.
- 다층 구조방정식, 잠재계층분석 같은 확장 모형에서는 한계가 뚜렷합니다.
- 모형을 조금 바꿀 때마다 그림을 다시 손봐야 해서, 여러 대안 모형을 비교하는 작업이 번거롭습니다.
이런 사람에게 맞습니다: 반영적 측정모형에 잠재변수 서너 개 규모의 연구모형을 한 번 검증하면 되는 석사과정, 그리고 학교가 이미 라이선스를 보유한 경우.
SmartPLS — 형성적 지표와 예측 목적의 선택지
SmartPLS는 2005년에 시작해 전 세계 35만 명 이상이 쓴다고 밝히는 상용 소프트웨어입니다. 윈도우와 맥을 모두 지원하고, 현재 버전은 SmartPLS 4이며 30일 무료 체험을 제공합니다. PLS-SEM이 중심이지만 공분산 기반 분석과 회귀·요인분석도 함께 제공합니다.
강점
- 형성적 측정모형을 자연스럽게 다룹니다. 반영적 지표로 억지로 바꿔 쓰지 않아도 되는 상황이 실제로 있습니다.
- 부트스트랩이 기본 절차로 통합되어 있어 간접효과와 조절효과 검증이 매끄럽습니다.
- 중요도-성과 지도 분석(IPMA)처럼 실무적 함의를 뽑는 도구가 있어, 경영·마케팅 계열 논문의 시사점 절을 쓰기 좋습니다.
- 맥에서 그대로 돌아갑니다.
약점
- PLS는 모형 전체의 적합도를 공분산 기반과 같은 방식으로 묻지 않습니다. “CFI가 얼마입니까”라는 심사 질문에 그대로 답할 수 없고, 왜 다른 지표를 보는지 설명해야 합니다.
- 방법 자체에 대한 방법론적 비판이 존재합니다. PLS를 고른 이유를 방법 장에 명시적으로 논증해 두지 않으면 취약해집니다.
- 상용 소프트웨어이고 요금 체계가 변동되므로, 이 글에서는 금액을 적지 않았습니다. 공식 사이트에서 확인하세요.
- 계열에 따라 심사위원이 낯설어할 수 있습니다. 교육학·간호학처럼 CB-SEM 관행이 강한 분야에서는 특히 그렇습니다.
이런 사람에게 맞습니다: 형성적 지표가 포함된 모형을 다루거나, 이론 검증보다 예측·탐색이 목적인 연구자. 경영·마케팅·정보시스템 계열에서 선행연구가 이미 PLS를 쓰고 있는 경우.
Mplus — 확장성이 가장 넓은 전문 도구
Mplus는 Muthen & Muthen이 개발하는 상용 프로그램으로, 베이즈 구조방정식, 혼합모형(mixture modeling), 다층모형, 생존분석까지 한 프로그램에서 다룹니다. 2025년 10월에 버전 9가 나왔고 2026년 8월 현재 버전 9.1이 배포되어 있습니다.
강점
- 학위논문 이후까지 갈 수 있습니다. 잠재계층분석, 잠재성장혼합모형, 다층 SEM처럼 다른 도구로는 까다로운 모형이 표준 기능입니다.
- 결측치 처리(FIML)와 범주형 지표 처리가 견고합니다. 리커트 척도를 순서형으로 다뤄야 하는 상황에서 강합니다.
- 명령문 파일이 곧 분석 기록이라 재현성이 좋고, 심사에서 재분석 요구가 와도 파일 하나로 대응됩니다.
- 학생 전용 가격이 있고, 학생 버전은 정규 버전과 기능이 동일하다고 안내합니다. 변수 수가 제한된 무료 데모도 있어 모형이 작으면 미리 시험해 볼 수 있습니다.
약점
- 전용 명령문 문법을 새로 배워야 합니다. 오류 메시지가 짧고 건조해 처음에는 원인을 찾기 어렵습니다.
- 경로도를 그려 주지 않습니다. 논문에 넣을 그림은 별도 도구로 직접 그려야 합니다.
- 상용이고 라이선스 종류가 여러 갈래여서, 필요한 조합을 고르는 일부터 확인이 필요합니다.
- 국내 한국어 학습 자료가 AMOS보다 확실히 얇습니다.
이런 사람에게 맞습니다: 박사과정이거나 종단자료·다층자료를 다루는 연구자, 학술지 투고를 전제로 모형을 설계하는 사람.
lavaan — 돈이 들지 않고 기록이 남는다
lavaan은 R에서 돌아가는 무료 오픈소스 패키지로, 개발진 스스로 “무료 오픈소스이지만 상용 수준의 품질”이라고 표현합니다. 경로분석, 확인적 요인분석, 구조방정식, 잠재성장모형을 모두 다룹니다.
강점
- 비용이 0원입니다. 학위 기간이 끝나 라이선스가 만료되는 일이 없고, 졸업 후에도 같은 코드로 재분석할 수 있습니다.
- 모형 문법이 짧습니다. 잠재변수 정의와 경로 지정이 몇 줄이면 끝나, 대안 모형 다섯 개를 비교하는 작업이 AMOS보다 훨씬 빠릅니다.
- 스크립트가 그대로 분석 기록이 됩니다. 논문 부록에 코드를 넣으면 재현성 설명이 완결됩니다.
- R 생태계와 붙어 있어, 전처리부터 표 생성과 그림까지 한 흐름으로 처리할 수 있습니다.
약점
- R을 모르면 시작할 수 없습니다. 마감이 두 달 안쪽인 사람에게는 권하기 어렵습니다.
- 경로도를 자동으로 그려 주지 않습니다. 그림은 별도 패키지나 그리기 도구로 만들어야 합니다.
- 한글 인코딩 문제가 R 전반의 고질이라, 한국어 변수 레이블에서 오류가 나면 원인 추적이 번거롭습니다.
이런 사람에게 맞습니다: 이미 R로 전처리를 하고 있거나 통계 도구를 오래 쓸 계획인 연구자, 예산이 없고 시간은 있는 대학원생. 무료 통계 도구 전반을 먼저 훑고 싶다면 무료 통계 프로그램 비교가 출발점이 됩니다.
표본은 실제로 얼마나 필요한가
“구조방정식은 200명이 필요하다”는 말이 관행처럼 돕니다. 정확한 표현은 아닙니다. 필요한 표본은 모형의 크기, 지표 수, 요인 적재량의 크기, 결측 비율에 따라 달라지고, 같은 200명이라도 잠재변수 세 개짜리 모형과 여덟 개짜리 모형은 전혀 다른 상황입니다.
실무적으로는 세 가지를 준비해 두면 심사에서 방어할 수 있습니다. 첫째, 추정할 모수의 개수를 세고 사례 수와의 비율을 밝힙니다. 둘째, 모형이 식별되는지를 확인합니다. 자유도가 음수이면 표본을 아무리 늘려도 추정되지 않습니다. 셋째, 표본 크기 산정 근거를 인용합니다. 관행을 근거 없이 인용하는 것보다, 자기 모형에 맞춘 계산 결과를 제시하는 편이 훨씬 강합니다.
여기서 자주 나오는 실수가 하나 더 있습니다. 응답자 수가 부족하다는 이유로 PLS로 갈아타고, 방법 장에는 “표본이 작아 PLS-SEM을 사용하였다”라고만 적는 경우입니다. 앞에서 본 대로 이 근거는 학계에서 이미 다투어지고 있어, 그 한 문장이 오히려 심사에서 공격 지점이 됩니다.
어떤 논문에 어떤 도구가 붙는가
| 연구 상황 | 추천 | 이유 |
|---|---|---|
| 반영적 척도, 잠재변수 3~5개, 석사논문 | AMOS | 학습 시간 최소, 경로도가 곧 논문 그림 |
| 형성적 지표 포함, 예측이 목적 | SmartPLS | 합성 모형이 연구 목적과 일치 |
| 종단자료·다층자료·잠재계층 | Mplus | 확장 모형이 표준 기능 |
| 대안 모형을 여러 개 비교해야 함 | lavaan | 모형 수정이 몇 글자면 끝남 |
| 예산 0원, R 사용 경험 있음 | lavaan | 비용 없이 CB-SEM 전부 가능 |
| 맥이 주력이고 CB-SEM이 필요 | lavaan | AMOS는 윈도우 전용 |
| 지도교수가 특정 도구를 지정함 | 지정 도구 | 지도와 심사 과정의 소통 비용이 기술적 장점보다 큼 |
어떤 도구를 쓰든 심사에서 물어보는 것들
프로그램 선택보다 심사에서 자주 걸리는 것은 절차입니다. 다음 다섯 가지는 도구와 무관하게 준비해 두어야 합니다.
- 측정모형의 타당도. 집중타당도와 판별타당도 근거를 제시해야 합니다. 개념적 기준은 신뢰도와 타당도 완전 정리에 정리되어 있고, 그 앞 단계인 요인 구조 확인은 탐색적 요인분석(EFA) 절차에서 다룹니다.
- 적합도 지수 보고 방식. 어떤 지수를 어떤 기준으로 보고할지 미리 정하고, 기준의 출처를 인용하세요.
- 간접효과 검증 방법. 부트스트랩 반복 횟수와 신뢰구간 종류를 명시합니다. 매개·조절 설계 전반은 매개효과·조절효과 분석 완전 가이드를 참고하세요.
- 모형 수정의 근거. 수정지수만 보고 오차항을 연결하면 심사에서 반드시 지적됩니다. 이론적 근거를 함께 적어야 합니다.
- 결측치 처리. 어떤 방식으로 처리했는지와 그에 따른 최종 표본 수를 명시합니다.
통계 결과를 논문 문장으로 옮기는 규칙 전반은 논문 통계 분석 기법 선택과 APA 결과 해석에 따로 모아 두었습니다.
모형은 돌았는데 결과 장이 안 써질 때
Tesify는 구조방정식을 대신 추정해 주지 않습니다. 추정이 끝난 뒤 적합도와 경로계수를 학술 문체의 결과 문장으로 옮기고, 그 결과를 선행연구와 연결하는 고찰 초안을 잡고, 참고문헌을 APA·KCI 형식으로 정리하는 단계를 돕는 AI 학술 도구입니다.
방법 장은 선행연구의 문장 구조를 그대로 따라가기 쉬운 구간입니다. 제출 전 Tesify 표절 검사기로 독창성 자가 점검을 한 번 돌려 두세요.
자주 묻는 질문
표본이 작으면 무조건 SmartPLS를 써야 하나요?
아닙니다. PLS-SEM이 작은 표본에서도 안정적이라는 주장은 방법론 연구자들로부터 반복적으로 비판받아 왔고, 최근에는 PLS에도 별도의 최소 표본 크기 산정 방법이 제안되고 있습니다. 표본이 작다는 이유만으로 PLS를 고르면 심사에서 그 선택의 근거를 방어하기 어렵습니다. 측정모형이 반영적인지 형성적인지, 목적이 이론 검증인지 예측인지를 먼저 따져야 합니다.
AMOS는 맥에서 쓸 수 있나요?
AMOS는 윈도우용 프로그램입니다. 맥 사용자는 가상머신이나 학교 전산실 PC를 이용하거나, 처음부터 lavaan 또는 SmartPLS처럼 맥을 지원하는 도구를 선택하는 편이 현실적입니다.
lavaan은 정말 무료인가요?
lavaan은 무료 오픈소스 R 패키지이며, 개발진 스스로 “무료 오픈소스이지만 상용 수준의 품질”을 표방합니다. 경로분석, 확인적 요인분석, 구조방정식, 잠재성장모형을 모두 다룰 수 있습니다. 비용은 0원이지만 R 문법을 익히는 시간이 실제 비용입니다.
Mplus는 학생 가격이 따로 있나요?
개발사는 Mplus에 학생 전용 가격을 제공하며, 학생 버전은 정규 버전과 기능이 동일하다고 안내합니다. 변수 수가 제한된 무료 데모 버전도 있어 모형이 작다면 구매 전에 시험해 볼 수 있습니다. 실제 금액은 라이선스 종류와 지역에 따라 다르므로 공식 안내를 확인하세요.
프로그램을 바꾸면 결과가 달라지나요?
같은 추정 방식과 같은 모형이라면 AMOS, Mplus, lavaan의 결과는 사실상 같습니다. 소수점 이하 미세한 차이는 결측치 처리 기본값과 표준오차 산출 방식의 차이에서 옵니다. 반면 공분산 기반 도구와 PLS 기반 도구의 결과는 애초에 다른 모형을 추정한 것이므로 직접 비교 대상이 아닙니다.