JMP Pro 에서 구조 방정식 모델링과 해당 플랫폼에 대한 첫 번째 게시물에 오신 것을 환영합니다. 이 게시물은 구조 방정식 모델링의 원리와 JMP Pro에서 이러한 원리를 구현하는 방법을 설명하는 게시물로 구성된 월간 시리즈로 제작될 예정입니다. 첫 번째 게시물에서는 구조 방정식 모델링을 소개하고, 과거 구조 방정식 모델링이 사용된 분야와 향후 활용 가능한 분야에 대해 간략하게 설명하겠습니다.
SEM이란 무엇인가요?
구조방정식모형(SEM) 은 행동과학 및 사회과학 분야에서 널리 채택되어 온 다변량 시스템 모델링을 위한 오랜 역사를 가진 방법입니다. 이러한 분야에서 SEM이 인기를 얻는 이유는 복잡한 다변량 시스템을 시각적으로 간편하게 표현할 수 있기 때문입니다. SEM은 변수 간의 복잡한 관계를 이해하는 데 이상적이며, 모델링 분야나 방정식 시스템에 대한 경험이 부족한 사람들에게도 이러한 복잡한 관계를 쉽게 설명할 수 있도록 해줍니다. 뿐만 아니라, SEM은 변수의 간접적인 영향을 정량적으로 파악할 수 있을 뿐만 아니라 모든 변수를 입력과 출력 모두로 모델링할 수 있도록 합니다. 결과적으로, SEM은 기존 모델링 방법에서는 간과되거나 교란될 수 있는 관계들을 포착할 수 있습니다.
동기 부여
최근 화학공학을 전공한 저는 SEM의 이러한 고유한 특성에 주목하게 되었고, 아직 검증되지 않은 과학 및 공학 분야에서의 SEM 적용 가능성에 관심을 갖게 되었습니다. 따라서 SEM에 대해 배우고 최근 추가된 JMP SEM 플랫폼에서 SEM 모델을 구축, 평가 및 수정하는 방법을 배우기 시작했습니다. 이 플랫폼은 JMP Pro 15에 추가되었으며, 여러 블로그 게시물에서 다루어졌습니다. JMP Pro 16이 출시되고 SEM 모듈에 여러 새로운 기능이 추가됨에 따라, SEM에 대해 배우고 JMP Pro 16을 사용하여 SEM을 적용하는 과정을 다루는 튜토리얼 시리즈를 제작하기에 적절한 시기라고 생각했습니다.
이 JMPer Cable 시리즈는 해당 주제와 모듈 개발 과정에 대해 더 자세히 알아가는 대로 업데이트할 계획입니다. 또한, 이 시리즈는 JMP Pro 16 SEM 모듈의 "시작하기" 튜토리얼 시리즈로도 활용될 예정입니다. 이 시리즈를 통해 흔히 겪는 어려움을 짚어보고, 제가 최근에 다루었던 어려운 주제들을 다루고자 합니다. 또한, 이 시리즈 전반에 걸쳐 이해하기 쉬운 데이터 세트를 적용한 짧은 비디오 데모를 통해 다양한 SEM 개념을 보여드릴 예정입니다.
SEM은 언제 사용할 수 있나요?
SEM(Surface Entity Model)이 행동 과학 및 사회 과학 분야에서 활발하게 활용되는 반면, 공학 분야에서는 도입률이 낮은 이유가 궁금하실 수 있습니다. 두 가지 주요 이유가 있습니다. 첫째, 다양한 통계 지표와 방법에 대한 깊은 이해가 필요하기 때문에 어떤 맥락에서든 SEM을 도입하는 데 상당한 진입 장벽이 있습니다. 기존 SEM 소프트웨어는 일반적으로 이해하기 어려웠고, 관련 튜토리얼도 많지 않았습니다. JMP SEM 플랫폼은 통계 출력과 함께 통합된 시각적 분석 플랫폼을 제공하여 다른 SEM 소프트웨어 패키지의 단점을 극복하고, 모델 간 비교를 용이하게 합니다.
또한, SEM 사용자는 모델을 성공적으로 식별하고 솔루션 결정 과정에서 오류를 방지하기 위해 다양한 규칙에 대한 심층적인 지식을 갖추어야 합니다. JMP는 모델 식별을 방해할 수 있는 오류나 규칙 위반 사항을 자동으로 표시하는 상태 창을 제공하며, 오류 발생 원인과 해결 방법에 대한 간편한 설명도 함께 제공합니다. 이 오류 탭에 대해서는 추후 게시물에서 다루겠지만, 이 단계에서는 이 기능이 디버깅 시간을 크게 절약해 주었고 수렴하지 않는 모델로 인한 불편함을 줄여 주었다는 점을 알아두시기 바랍니다.
둘째, SEM은 일반적으로 기본 모델에 가설적 구조가 존재하는 상황에서 사용됩니다. 이는 시스템에 대한 사용자 지식과 변수 간의 관계를 기반으로 생성된 모델을 의미합니다. 수집된 데이터는 모델에서 설명하는 가설을 뒷받침하거나 반증하기 위해 사용됩니다. 그러나 공학 분야에서는 일반적으로 실험이나 시스템에서 수집된 데이터를 분석하여 가설과 결론을 도출하는 데이터 기반 접근 방식을 따릅니다. 이러한 이유로 기계 학습과 같은 다른 데이터 기반 방법이 공학 분야에서 더 일반적으로 사용되며, 이는 이 분야에 SEM을 적용하는 데 있어 명백한 문제점을 드러냅니다. SEM을 적용할 수 있는 몇 가지 방법이 있지만, 더 자세한 내용은 이 시리즈의 이후 게시물을 참고하시기 바랍니다.
SEM의 일반적인 문제
SEM을 사용하는 한 가지 단점은 합리적이고 정확한 추론을 위해서는 대규모 표본 크기가 필요하다는 것입니다. 엔지니어링 분야에서 일반적인 관찰 단위는 연구 대상인 단일 시스템입니다. 엔지니어링 상황에 SEM을 적용할 때, 많은 기업들이 SEM 모델의 검증을 위해 유사한 시스템의 데이터를 공유해야 하지만, 이는 흔히 발생하는 일이 아닙니다. 그러나 시간 의존적 공정 데이터를 사용하여 이러한 문제를 해결할 수 있는 몇 가지 고급 SEM 애플리케이션이 있습니다.
SEM 방법론
일반적인 SEM 피팅 과정은 4단계 방법으로 생각할 수 있으므로, 이 JMPer Cable 시리즈 전체에서 이 방법을 대략적으로 따라가며 각 개념이 이 일반적인 방법론과 어떻게 연관되는지 설명하겠습니다. 4단계는 다음과 같습니다.
읽어주셔서 감사합니다. 이 글이 엔지니어링 분야에서 SEM의 활용, 그리고 SEM의 강력한 기능, 그리고 JMP Pro의 SEM 플랫폼에 대한 여러분의 관심을 사로잡았기를 바랍니다. 여러분의 의견을 기다리겠습니다.
훌륭한 첫 포스트 조던. 저는 비즈니스 및 재무 문제에 SEM을 적용하는 데 관심이 있습니다. 앞으로의 게시물을 계속 읽을 것입니다.
훌륭한 포스트 조던(Jordan), 다음 글도 기대됩니다 
관심을 가져주셔서 감사합니다 @gzmorgan0 , 그것은 흥미로운 주제이며 앞으로 내 게시물 중 하나가 이 아이디어를 탐구할 것이라고 확신합니다.
감사합니다 @조던월터스 .모델 수정에 대한 귀하의 논의를 기대하고 있습니다. 내 관심은 검증된 SEM이 있는 프로세스를 고려한 효율적인 실험 설계입니다. 다가오는 프레젠테이션에서 이를 다룰지는 확실하지 않지만, 그 토론을 기대하고 있습니다.
SEM에 대해 더 자세히 알고 싶습니다! 잘했어요 @조던월터스
훌륭한 첫 번째 게시물, @조던월터스 ! 벌써부터 다음편이 기대됩니다.
