SmartPLS 4 PLS-SEM 실전 튜토리얼 2026: 논문용 8단계 절차

Q: SmartPLS 무료 버전으로 논문 분석을 끝낼 수 있나요?

기본 PLS-SEM 알고리즘과 부트스트래핑은 무료 범위에서도 실행되지만, 일부 고급 분석과 결과 내보내기는 유료 라이선스가 필요합니다. 대학 라이선스가 있는지 먼저 확인하고, 없다면 학생용 라이선스를 검토합니다.

Q: 표본이 몇 명이면 PLS-SEM을 돌릴 수 있나요?

예전의 열 배 규칙은 더 이상 권장되지 않습니다. 검정력 분석으로 필요한 표본을 산출하거나, 최소 R 제곱 방법에 따라 계산한 값을 근거로 제시하는 것이 최근 관행입니다.

Q: 부트스트래핑을 할 때마다 p값이 달라집니다. 어떻게 하나요?

정상입니다. 부표본을 무작위로 뽑기 때문입니다. 부표본 수를 10,000으로 두면 변동이 작아지며, 최종 실행 결과를 저장해 두고 그 값을 논문에 씁니다.

Q: HTMT와 Fornell-Larcker 중 무엇을 보고해야 하나요?

둘 다 표로 제시하되 본문 해석은 HTMT를 기준으로 합니다. 최근 PLS-SEM 보고 지침이 HTMT를 우선하기 때문입니다.

구조방정식을 써야 하는데 표본이 150명 남짓이고, 변수 중에 형성적 지표가 섞여 있고, 정규성 검정은 이미 위배됐다. 이런 상황에서 지도교수가 「PLS로 돌려 보라」고 말하는 순간, 대학원생은 SmartPLS라는 낯선 프로그램 앞에 앉게 된다. 메뉴는 많지 않지만 어느 버튼을 어떤 순서로 눌러야 하는지, 출력된 수십 개의 표 중 논문에 무엇을 옮겨야 하는지가 문제다.

이 글은 SmartPLS 4를 기준으로 데이터 준비부터 모형 그리기, PLS-SEM 알고리즘 실행, 측정모형과 구조모형 평가, 부트스트래핑, 매개효과, 논문 표와 결과 서술 문장까지 8단계로 정리한다. 공분산 기반 구조방정식과 PLS 중 무엇을 골라야 할지 아직 정하지 못했다면 구조방정식 프로그램 비교에서 갈림길을 먼저 확인하고 오는 것이 순서다.

시작 전 확인: PLS-SEM을 써도 되는 상황인가

PLS-SEM은 공분산 기반 구조방정식의 대체재가 아니라 목적이 다른 도구다. 다음 조건 중 둘 이상에 해당하면 PLS를 정당화할 수 있다.

연구 목적이 이론 검증보다 예측과 탐색에 가깝다.
형성적 측정 구성개념이 하나 이상 있다(예: 사회경제적 지위, 정보시스템 성공 지표).
표본이 작거나 자료가 정규분포를 크게 벗어난다.
모형이 복잡해 구성개념과 지표 수가 많다.

연구방법 장에는 이 근거를 반드시 적는다. 「표본이 작아서」만으로는 심사에서 방어되지 않으며, 예측 목적이나 형성적 지표 같은 실질적 이유가 함께 있어야 한다. 반대로 이론 검증이 목적이고 반영적 지표만 있으며 표본이 충분하다면 공분산 기반 구조방정식을 쓰는 것이 관행이다. 그 절차는 AMOS 확인적 요인분석 튜토리얼에 정리되어 있다.

1단계: 데이터 파일 준비와 프로젝트 만들기

SmartPLS는 CSV나 엑셀 파일을 읽는다. 첫 행은 변수명, 둘째 행부터 응답 값이어야 하고, 변수명에 공백이나 특수문자가 없어야 한다. 결측치는 빈칸으로 두지 말고 -99 같은 숫자 코드로 통일해 두면 불러올 때 결측 값으로 지정할 수 있다. 역문항은 불러오기 전에 엑셀에서 역채점을 마친다.

프로그램을 열고 워크스페이스에서 새 프로젝트를 만든 뒤 데이터 파일을 가져온다. 데이터를 불러오면 변수별 기술통계와 결측 비율이 표시되므로, 여기서 입력 오류(범위 밖의 값)를 한 번 걸러낸다. 결측 처리 방식은 평균 대체 또는 케이스별 제거 중 하나를 고르는데, 어느 쪽을 골랐는지 논문에 적어야 한다.

같은 설문지로 원인과 결과를 모두 쟀다면: 공통방법편의 점검

독립변수와 종속변수를 같은 응답자가 같은 시점에 한 설문지로 답했다면, 심사위원은 공통방법편의(CMB)를 물어본다. SmartPLS에서는 모든 구성개념을 하나의 공통 변수로 연결한 뒤 내부 VIF를 확인하는 완전 공선성 검정이 가장 널리 쓰인다. 모든 VIF가 3.3 미만이면 편의가 심각하지 않다고 보고한다. 이 결과는 4단계의 측정모형 표 아래에 한 문장으로 덧붙이면 충분하며, 설문 설계 단계에서 문항 순서를 섞거나 응답 형식을 달리한 조치가 있었다면 그것도 함께 적는다.

2단계: 경로모형 그리기

프로젝트에서 새 PLS-SEM 모형을 만들면 빈 캔버스가 열린다. 왼쪽 지표 목록에서 한 구성개념에 속하는 문항들을 함께 선택해 캔버스로 끌어다 놓으면 잠재변수 하나가 만들어진다. 이름을 연구모형의 변수명과 똑같이 바꾸고, 연결 도구로 가설의 방향대로 화살표를 긋는다.

이 단계에서 두 가지를 확인한다. 첫째, 반영적·형성적 측정의 방향이다. 반영적 지표는 잠재변수에서 지표로 화살표가 향하고, 형성적 지표는 반대다. 잘못 설정하면 이후 모든 평가 기준이 달라진다. 둘째, 캔버스의 화살표 수와 가설 수가 일치하는지다. 이 대조는 가설 문장을 확정할 때 이미 했어야 하며, 그 규칙은 마케팅 논문 가설 설정 예시에 정리되어 있다.

3단계: PLS-SEM 알고리즘 실행

알고리즘 실행과 부트스트래핑 설정 화면을 실제로 보여 주는 강의. 아래 설정값과 함께 보면 어느 옵션을 건드려야 하는지 바로 보인다.

상단의 계산 메뉴에서 PLS-SEM 알고리즘을 고른다. 가중치 산정 방식은 기본값인 경로 가중치를 그대로 두고, 최대 반복 횟수 3,000, 정지 기준 10의 -7승도 기본값으로 둔다. 실행하면 결과 창이 열리고 왼쪽 메뉴에 수십 개의 표가 나열된다. 이 중 논문에 쓰는 것은 정해져 있으므로 순서대로 읽는다.

결과 창은 이 순서로 연다

처음 결과 창을 열면 어디부터 봐야 할지 막막하다. 순서는 정해져 있다. 먼저 외부 적재값을 열어 0.7 아래 지표가 있는지 본다. 다음으로 구성개념 신뢰도와 타당도 표에서 알파·rho_A·rho_c·AVE를 한 번에 읽는다. 셋째로 판별타당도의 HTMT 행렬을 연다. 여기까지 통과하지 못하면 지표를 손질하고 알고리즘을 다시 실행해야 하므로, 경로계수 표는 아직 열지 않는다. 측정모형이 통과한 뒤에야 경로계수, R 제곱, f 제곱, 내부 VIF 순으로 읽는다. 이 순서를 지키면 결과 절의 문단 순서도 그대로 정해진다.

4단계: 측정모형 평가 — 반영적 지표

측정모형 평가를 먼저 통과한 뒤 구조모형을 평가하는 PLS-SEM 2단계 절차 도식 — 측정모형이 기준을 통과하기 전에는 구조모형의 경로계수를 읽지 않는다. 이 순서를 지키지 않은 논문은 심사에서 바로 지적된다.

반영적 구성개념은 네 가지를 순서대로 확인하고, 그 수치를 한 표에 모아 논문에 싣는다.

지표 신뢰도 — 외부 적재값(outer loading)이 0.708 이상이면 지표가 구성개념 분산의 절반 이상을 설명한다. 0.4~0.7 사이 지표는 제거했을 때 신뢰도나 AVE가 기준을 넘게 되는 경우에만 제거한다.
내적 일관성 신뢰도 — Cronbach 알파, rho_A, 복합신뢰도(rho_c)를 함께 본다. 0.7 이상이 기준이며 0.95를 넘으면 문항이 중복된다는 뜻이므로 오히려 지적받는다.
집중타당도 — 평균분산추출(AVE)이 0.5 이상이어야 한다.
판별타당도 — HTMT 값이 0.85(개념이 유사하면 0.90) 미만이어야 한다. 최근 PLS-SEM 보고 지침은 Fornell-Larcker 기준보다 HTMT를 우선하므로, 둘 다 제시하되 HTMT를 본문에서 해석한다.

형성적 구성개념이 있다면 평가 항목이 완전히 다르다. 지표의 외부 가중치의 유의성, 지표 간 다중공선성(VIF 3 미만, 최대 5), 그리고 별도의 준거 변수를 이용한 중복 분석으로 타당도를 본다. 형성적 지표에 알파나 AVE를 보고하면 개념을 잘못 이해했다는 신호가 된다.

기준에 미달하는 지표가 나왔을 때의 처리도 정해져 있다. 적재값 0.4 미만은 제거한다. 0.4에서 0.7 사이는 제거했을 때 rho_c나 AVE가 기준선을 넘게 되는지 확인하고, 넘게 될 때만 제거하되 그 지표가 개념의 내용을 대표한다면 남긴다. 한 구성개념에서 지표를 두 개 넘게 지우면 원척도의 의미가 달라지므로, 제거한 문항 번호와 이유를 연구방법 장 또는 부록에 남겨야 한다. 지표를 지웠다면 알고리즘을 다시 실행해 모든 수치를 새로 뽑고, 표에는 최종 모형의 값만 싣는다.

5단계: 부트스트래핑으로 유의성 검정

PLS-SEM은 분포 가정이 없으므로 경로계수의 유의성을 부트스트래핑으로 구한다. 계산 메뉴에서 부트스트래핑을 고르고 다음과 같이 설정한다.

부표본 수 — 10,000. 예전 관행인 5,000도 통용되지만 최근 지침은 10,000을 권한다.
신뢰구간 방법 — 백분위(percentile) 부트스트랩. 편향 보정(BCa)을 쓸 수도 있으나 최근 교과서는 백분위를 기본으로 권한다.
검정 유형 — 방향 가설이면 단측, 아니면 양측. 유의수준 0.05.
결과 옵션 — 완전한 부트스트래핑을 선택해야 신뢰구간과 간접효과가 모두 출력된다.

결과에서 경로계수 표를 열면 원표본 추정치, 표본 평균, 표준편차, t값, p값, 그리고 신뢰구간의 하한과 상한이 나온다. 논문에는 경로계수, t값, p값, 신뢰구간을 함께 싣고, 신뢰구간이 0을 포함하지 않으면 유의하다고 해석한다. 부트스트래핑은 실행할 때마다 값이 조금씩 달라지므로, 논문에 실을 최종 실행의 결과를 파일로 저장해 둔다.

6단계: 구조모형 평가

측정모형이 통과했다면 구조모형을 다섯 항목으로 평가한다.

공선성 — 내부 VIF가 3 미만이면 문제없다. 3~5는 주의, 5 이상은 구성개념을 재검토한다.
경로계수와 유의성 — 5단계의 부트스트래핑 결과.
설명력 — 내생변수의 R 제곱. 0.75·0.50·0.25를 각각 높음·중간·낮음으로 읽는 관행이 있으나, 분야에 따라 0.20도 의미 있을 수 있으므로 선행연구와 비교해 해석한다.
효과크기 — f 제곱. 0.02·0.15·0.35가 작음·중간·큼의 기준이다.
예측 관련성 — PLSpredict 절차를 실행해 Q 제곱 예측값이 0보다 큰지, PLS-SEM의 예측 오차가 선형회귀 벤치마크보다 작은지 확인한다. 예측 목적으로 PLS를 골랐다면 이 항목이 없는 논문은 근거가 무너진다.

적합도 지수를 묻는 심사위원도 있다. PLS-SEM에서는 SRMR 0.08 미만을 참고 지표로 보고하되, 공분산 기반 구조방정식의 CFI나 RMSEA와 같은 의미가 아니라는 점을 각주에 적는다. PLS-SEM은 공분산 행렬의 재현이 아니라 내생변수 분산의 설명을 목표로 하기 때문이다.

7단계: 매개효과와 조절효과

부트스트래핑 결과의 특정 간접효과 표에 매개 경로별 간접효과와 신뢰구간이 있다. 신뢰구간이 0을 포함하지 않으면 매개효과가 유의하다. 직접효과의 유의성과 함께 보고 완전매개·부분매개를 판정하되, 최근 지침은 그 이분법보다 직접·간접효과의 부호와 크기를 함께 해석하는 쪽을 권한다.

조절효과는 조절변수와 독립변수를 연결한 뒤 상호작용항을 추가하면 자동으로 만들어진다. 상호작용항의 경로계수가 유의하면 단순기울기 그림을 함께 싣는다. 매개와 조절을 한 모형에서 해석하는 논리는 매개효과·조절효과 분석 완전 가이드의 틀을 그대로 쓰면 된다.

8단계: 논문 표와 결과 서술 문장

SmartPLS의 결과 창에서 엑셀이나 HTML로 내보내기를 하면 모든 표가 한 번에 저장된다. 논문에는 다음 네 표를 싣는 것이 관행이다.

표 1. 측정모형 평가 — 구성개념, 지표, 외부 적재값, 알파, rho_A, rho_c, AVE.
표 2. 판별타당도 — HTMT 행렬(필요하면 Fornell-Larcker도).
표 3. 구조모형 결과 — 가설, 경로, 경로계수, t값, p값, 신뢰구간, f 제곱, 지지 여부.
표 4. 매개효과 — 특정 간접효과와 신뢰구간.

결과 서술은 다음 형식을 따른다. 「지각된 유용성은 이용의도에 유의한 정(+)의 영향을 미쳤다(β = 0.42, t = 6.13, p < .001, 95% 신뢰구간 [0.29, 0.55]). 따라서 가설 1은 지지되었다.」 소수점 자릿수와 기호 표기는 APA 7판 통계 결과 표기법을 따르되, 학과 지침이 우선한다.

기각된 가설도 같은 형식으로 쓴다. 「사회적 영향은 이용의도에 유의한 영향을 미치지 않았다(β = 0.06, t = 0.91, p = .363, 95% 신뢰구간 [-0.07, 0.19]). 따라서 가설 3은 기각되었다.」 신뢰구간이 0을 포함한다는 사실을 문장에 드러내면, 왜 기각인지를 표를 보지 않고도 읽을 수 있다. 기각의 해석은 결과 절이 아니라 고찰에서 다루며, 표본 특성이나 측정 맥락에서 이유를 찾는다.

논문에 실을 표를 만들 때 자주 하는 실수는 프로그램이 출력한 소수점 셋째 자리를 그대로 옮기는 것이다. 경로계수와 적재값은 소수점 둘째 자리나 셋째 자리 중 하나로 통일하고, p값은 .001 미만이면 그렇게 적는다. 표 아래에는 부표본 수, 신뢰구간 방법, 단측·양측 검정 여부를 주석으로 단다. 이 주석이 없으면 같은 표라도 재현 불가능한 결과로 취급된다.

연구방법 장의 자료분석 절에는 사용한 프로그램의 이름과 버전, 알고리즘 설정, 부표본 수와 신뢰구간 방법을 모두 적는다. 프로그램은 참고문헌에도 인용해야 하며, SmartPLS 4는 개발자와 출시 연도, 배포 기관을 표기하는 형식을 따른다.

한 걸음 더: 다중집단분석과 고차 구성개념

석사논문에서는 드물지만 박사논문이나 학술지 투고에서는 두 가지 확장이 자주 요구된다. 다중집단분석(MGA)은 성별이나 이용 경험 유무처럼 범주형 조절변수로 집단을 나누어 경로계수가 집단 간에 다른지 검정한다. 집단을 정의하고 순열 알고리즘으로 측정 불변성을 먼저 확인한 뒤, 집단별 부트스트래핑 결과를 비교하는 순서다. 측정 불변성 검정 없이 집단 간 차이를 주장하면 심사에서 반드시 지적된다.

고차 구성개념은 서비스품질의 다섯 차원처럼 하위 차원이 상위 개념을 구성할 때 쓴다. SmartPLS 4는 고차 구성개념을 캔버스에서 직접 만들 수 있으며, 반영-반영형인지 반영-형성형인지에 따라 평가 항목이 달라진다. 어느 유형을 골랐는지와 그 근거를 연구방법 장에 적어야 한다.

심사에서 실제로 나오는 지적

「왜 PLS인가」 — 시작 전 확인 항목 중 둘 이상을 근거로 답한다.
「형성적 지표에 왜 AVE를 보고했는가」 — 측정 유형에 맞는 평가 항목만 보고한다.
「HTMT 값이 0.9를 넘는다」 — 두 구성개념을 합치거나, 개념적으로 구분되는 근거와 함께 부트스트랩 신뢰구간이 1을 포함하지 않음을 보인다.
「부트스트랩 결과가 재현되지 않는다」 — 부표본 수와 난수 설정을 기록하고, 최종 실행 파일을 보관한다.
「예측 관련성이 없다」 — PLSpredict 결과를 추가한다.

결과 서술까지 한 번에 다듬기

표를 만들었는데 결과 절의 문장이 표의 숫자를 되풀이하는 수준에 머무른다면, 문장을 학술 문체로 끌어올리는 데 Tesify AI 학술 에디터를 쓸 수 있다. 경로계수와 신뢰구간을 넣은 초안 문장을 입력하면 가설 지지 여부와 해석을 잇는 문단으로 다듬어 준다. 다만 수치와 유의성 판정은 반드시 SmartPLS 출력과 대조해야 하며, 연구 전체 흐름은 논문 쓰는 순서 9단계 가이드에서 다시 확인할 수 있다.

자주 묻는 질문

SmartPLS 무료 버전으로 논문 분석을 끝낼 수 있나요?