2015-04-03 Michael Porter's five forces model  - 연세대학교 정보대학원 수업내용

PORTER 경쟁구조분석 모형(FIVE FORCES MODEL) 무엇인가?
Porter 산업구조분석 모형(5 Forces Model) 산업구조의 매력도(가치) 분석을 통하여 외부환경(경쟁)요인을 사업단위 내부에 반영시키는 전략도구이다. 경쟁요인 분석은 5 가지의 기본적 경쟁요인을 명확히 하는 것으로부터 시작된다 :

  1. 경쟁자의 시장진입 (Entry of competitors)진입장벽이 존재하는 시장에서, 새로운 경쟁자가 시장에 진입하는 자체가 얼마나 쉽거나 혹은 어려운가와 관련된 측면.
  2. 대체재의 위협 (Threat of substitutes)제품이나 서비스가 얼마나 쉽게 대체될 있는가와 관련된 측면(특히, 저가품의 경우).
  3. 구매자의 협상 능력 (Bargaining power of buyers)구매자들이 대량주문을 협상도구로 사용할 만큼 구매자의 협상력이 강한가와 관련된 측면.
  4. 공급자의 협상 능력 (Bargaining power of suppliers). 판매자의 협상력이 얼마나 강한가와 관련되며잠재적 공급자가 다수인가 혹은 소수(독점시장)인가와 관련된 측면
  5. 기존 기업과의 경쟁 (Rivalry among the existing players)기존 기업들 사이의 경쟁강도와 관련되며, 기업이 지배적 경쟁력을 확보하고 있는가 아니면 대부분의 기업이 유사한 강점과 규모를 갖고 있는가와 관련된 측면.
경우에 따라서, 아래 여섯 번째 경쟁요인(정부) 추가되기도 한다:
  1. 정부(Government).
Porter 경쟁구조분석 모형은 아마도 가장 널리 활용되는 사업전략도구 하나일 것이다. 또한 Porter 경쟁구조분석 모형(Five Forces Model) 수많은 상황 속에서 유용성이 입증되고 있으며, 특히 외부환경분석 사고의  측면에서 강한 면모를 보인다.
새로운 시장진입자(신규 경쟁자) 위협은 아래 요인들에 의하여 결정된다:
  • 진입장벽으로서의 규모의 경제.
  • 자본/투자 (요구)수준.
  • 고객의 전환 비용.
  • 산업유통채널에의 접근성.
  • 기술에의 접근성(독점적 기술의 확보정도).
  • 브랜드 로열티고객의 애호도/충성도 수준은 어떠한가?
  • 산업내 기존 기업들의 보복 가능성.
  • 정부의 규제새로운 시장진입자는 보조금을 확보할 있는가?
대체재의 위협은 아래 요인들에 의하여 결정된다:
  • 품질. 나은 대체재인가?
  • 구매자의 대체에 대한 의지.
  • 대체제의 상대적 가격 성능.
  • 대체제로의 전환 비용다른 제품으로 변경하는 것의 쉬운 정도는?
공급자의 협상 능력은 아래 요인들에 의하여 결정된다:
  • 공급() 집중화 정도다수의 구매자가 존재하고 소수의 지배적 공급자가 존재하고 있는가? 비교 모형 : Kraljic 모형.
  • 브랜딩 수준. 공급자는 강력한 브랜드 경쟁력을 확보하고 있는가?
  • 공급자의 수익성공급자가 가격을 인상하려 하는가?
  • 전방 통합을 통한 공급자의 위협(: 브랜드를 보유한 제조업체의 자체 소매 매장 구축 위협).
  • 공습망 내에서 구매자가 후방 통합으로 위협하지 않는 경우.
  • 품질과 서비스의 역할정도(역할력).
  • 산업 자체가 공급자에게 핵심 고객군이 아닌 경우.
  • 전환 비용. 공급자가 새로운 고객을 찾는 것이 얼마나 쉬운가?
구매자에 대한 교섭 능력은 아래 요인들에 의하여 결정된다:
  • 구매() 집중화 정도. 산업 내에 소수 지배적 구매자와 다수의 판매자가 존재하고 있는가?
  • 차별화 정도표준화된 제품인가?
  • 구매자의 수익성구매자가 강하게 가격인하를 요구하는가?
  • 품질과 서비스의 역할.
  • 산업 내의 전방통합과 후방통합 위협
  • 전환 비용구매자들은 현재 공급자들을 변경하는 것이 쉬운가?
경쟁 강도는 아래 요인들에 의하여 결정된다:
  • 경쟁 구조시장에 작은 규모 혹은 유사한 규모의 경쟁자들이 다수 존재할 경우, 경쟁은 더욱 치열해지게 된다. 산업 분명한 시장 선도자가 존재한다면, 경쟁은 완화될 것이다.
  • 산업의 비용구조. 고정비가 높은 산업은 필요에 따라서 경쟁자들로 하여금 가격할인의 단행을 통해 생산여력의 최대치까지 생산을 하게 한다.
  • 제품의 차별화 수준제품 특성이 원자재(예를들어 강철, 석탄) 산업의 경우에는 일반적으로 경쟁의 정도가 매우 심하다.
  • 전환 비용. 구매자가 높은 전환비용을 부담해야 하는 경우에 경쟁은 감소한다.
  • 전략 목표경쟁자가 공격적 성장전략을 추구할 경우, 경쟁은 보다 치열해 진다. 성숙 산업에서 경쟁자들 낮은 이익(Milking Profits) 얻고 있으면, 일반적으로 경쟁강도는 낮다.
  • 퇴출 장벽. 산업에서 철수/퇴출장벽이 높을 경우, 경쟁자들은 보다 높은 경쟁성을 보이는 경향이 있다.
산업구조 분석(FIVE COMPETITIVE MODEL) 모델의 강점과 이점.
PORTER의 산업구조 분석모델의 제한점
  • 다음의 경우 모델을 사용하는 것에 주의해야만 한다 : 현재 조직이 가지고 있는 강점의 중요성을 과소평가하거나 충분히 강조하지 못할 경우(인사이드아웃(Inside-out Strategy) 전략). 참고Core Competence[핵심역량]
  • Porter 모델은 개별 사업전략 분석을 위해 설계되었기 때문에, 대기업 포트폴리오 내에서의 시너지효과와 상호의존성을 반영 못하는 경우가 있다. 참고Parenting Advantage [양육우위]
  • 이론적인 관점에서 보면, 어떤 산업은 특정 기업이 산업에 속해 있다는 것만으로도 매력적일 있다는 가능성을 다루고 있지 않다.
  • 일부 사람들은, 빠르고 체계적이며 급진적인 변화를 보이는 환경 하에서는 전략을 수립하는 있어 보다 유연한 동적 접근 혹은 새로운 접근방법이 요구된다고 주장한다. 참고Disruptive Innovation [파괴적 혁신]
  • 때때로 기존 산업 내에서 하나의 세분시장을 선택하는 대신 완전히 새로운 시장을 창출할 수도 있다. 참고Blue Ocean Strategy [블루오션전략]
참고도서 "COMPETITIVE STRATEGY" 개요
  • Part1에서, Porter (5가지 경쟁요인을 기반으로) 산업 구조분석과 3 가지 본원적 경쟁전략(전반적인 비용우위, 집중화, 그리고 차별화) 다루고 있으며, 경쟁자분석, 경쟁활동, 구매자와 공급자에 대한 전략, 산업 구조분석(전략 그룹, 전략 매핑, 이동장벽), 그리고 산업의 진화(수명주기, 진화프로세스) 관련한 탁월한 체계(Framework) 제시하고 있다.
  • Part2에서, Porter 다양한 일반 산업환경 내에서의 경쟁전략을 다루고 있다.: 예를 들어, 분화된 산업(실질적인 시장선도자가 부재한 산업), 첨단(새롭게 떠오르는;emerging) 산업, 성숙 산업, 쇠퇴 산업, 그리고 글로벌 산업과 같은.
  • Part3에서, Porter 사업과 기업이 취해야  전략적 의사결정을 다루고 있다.: 예를 들어, 수직적 통합(전방, 후방, 파트너십), 생산능력의 확대, 그리고 새로운 산업/사업에의 진출과 같은.
 
 
2014-09-19 학회 - 포스트휴먼 기술의 인문학적 이해와 ICT혁신의 미래

 
140919 포스트휴먼 기술의 인문학적 이해와 ICT혁신의 미래
 
! 내 생각 ! 사유를 일부 상속할 수 있는가? AI란 다양한 사람들의 사유의 일부의 집합체인데, 이렇게 되면 전혀 새로운 자아의 mixed된 사유의 unique함이 보장되어 존재로 볼 수 있지 않은가. 
기술의 질주를 인문학적 성찰로 보완
기술결정론: OO을 도입하면 ~~ 할 것이다
<유리감옥> 니콜라스 "기술은 발전하는데 인간은 왜 무능력해지는가?"
미국- 인간을 공학화 / 유럽 - 인간을 위한 공학
인문학 Liberal Arts Humanity는 구분해야 할 것.
 
<포스트휴먼, 어떻게 볼 것인가> 이재현 교수 
디지털 인문학 Digital Humanities 인간과 테크놀로지 사이를 규정짓는 학문 
B. Stiegler : 칸트의 재해석 
- 3가지 Stance 
외화 Exteriorization 인간의 무엇을 외부에 구현하는 것. 기술이 있으면 인간은 보다 창의적일 수 있지 않을까.
내화 Interiorization 인간의 무엇을 내부에 차지하는 것. 빈곤화. 기술이 우리를 바보로 만드는 것인가. Software Society algorithmic society이다. 구글의 검색엔진에서 더 가치있는 검색 결과를 보여주는 방식은 상당히 기존 정보의 고착화를 유도하고 있다. a계수가 0.85는 보다 보수적이라는 뜻이다. 가중치를 얼마나 주는 가. 이것은 세계관의 반영이다. 
상호변환 Transduction 양자가 바뀐다.
글쓰는 인형의 AI " 나는 생각하지 못한다. 그럼 존재하지 않는 것인가." 
<'디지털화 된 몸'의 철학적 재조명> 김상호 교수 
Singularity 어떤 상태가 연속적이지 않고 정의 또는 예측을 할 수 없는 상태로 비약하는 지점(순간) 
천동설 vs 지동설, 창조론 vs 진화론, 의식 vs 무의식의 대결 처럼 
인간 vs 기계의 경계가 갈수록 사라질 것이다. 
양난과 말벌 : 암컷처럼 생긴 양난이 말벌을 생식기로 사용하는 것 처럼, 기술이 인간을 사용한다. 증기기관차가 달리기 위해 인간에게 석탄을 가져오도록 시킨다. 인공심장을 가진 사람은 기계인가. 인간을 규정할 수 없게 된다. 이원론적 인간론의 종말. 
때문에 인간의 몸에 부여하는 가치에 대한 재조명이 이루어지고 있다. 세월호 사건, 사람은 이미 죽었지만 시신을 가져오지 않으면 돌아오지 않았다고 믿는 것. Endosoma <트랜센던스>, <> 영화 볼 것. 
<-> Peter Sloterdijk 유전자 조작으로 새로운 인간형을 창조하자. 유전자 조작이 인간 존엄성의 훼손을 의미하는가
Wearable Technology
Embeded Technology - 옷을 다 벗어도 생각하는 방식, 언어는 벗을 수 없다. 
<무규범의 규범: 일베와 아고라  > 이원재 교수 
네트워크는 행동을 설명하는가? 
행동은 네트워크를 설명하는가? 
일반적인 네트워크는 social group이 가까울 수록, 새로운 정보의 유통자일 수록 가치가 높게 평가되는 경향. 일베의 경우 정반대의 경향이 있었다. 
일베: 닉밴(아이디를 부르지 말 것) 친목밴(친분을 맺지 말 것) 
글을 보면 그 사람이 닉네임을 바꿔도 알 수 있다. 
<웨어러블. 라이프로깅. 인문학적 탐색> 이중식 교수 
portable, attachable(피어싱 같은.. ) , eatable(삼키는) 
* 보철감각: 센서가 이물감 없이 연결되면 '보철감각'이라고 한다. 장님의 지팡이처럼. 감각의 연장선. 
! 내 생각 ! 감각의 오버라이딩 주체로서의 보철감각: 기존의 감각에 착각을 유발하여 보철감각을 원래부터 소유하고 있던 감각으로 느끼게 하는 기술(. 오큘러스VR, 기어VR .) 의도적 착각 유발 기술에 의한 현실인식연구. 보철된 감각의 일반 감각화를 위한 요소들은 무엇인가. 예를 들어 꿈은 전혀 비현실적이지만 깨기전에는 그것을 현실로 여기는 것 처럼. 현실로 믿도록 만드는 무언가가 있지 않을까.
데이터는 요약되고 시각화 된다. 강한 positive(선별작업: 굉장히 많은 데이터를 버린다.) 
라이프 로깅은 회고적인 작업이다. 
<모바일 헬스케어 서비스의 인문학적 이해> 조성은 KISDI
Seamless -> 내가 서비스 받는지도 모르는 서비스
 
 
 
2015-05-30 [통계] PLS 상세 설명 버전

본 글에서는 PLS(Partial Least Square) 분석을 위한 소프트웨어 중 하나인 SmartPLS를 소개하고 사용법을 설명하고자 한다.
 
현재 PLS-Graph, VisualPLS 등의 다양한 PLS 소프트웨어가 나와있고, 본 저자도 이러한 소프트웨어들을 모두 사용해 봤지만, 분석의 용이성, 소프트웨어의 안정성, 분석 결과물의 품질 등에서 가장 맘에 드는 소프트웨어이다.
 
본 글은 다음과 같이 구성된다.
 
Written by Jinwon Hong(홍진원)
 
Last Updated: 2008-08-30
 
 
 
1. SmartPLS 소개
 
SmartPLS는 독일의 Hamburg 대학의 Ringle, Christian Marc/Wende, Sven/Will, Alexander 등에 의해 개발된 PLS 분석을 위한 무료 소프트웨어이며, 현재 2.0 M3 버전까지 개발되어 있다.
 
아래 URL로 웹사이트를 방문하고 사용자 등록을 하면 무료로 사용할 수 있다.
 
이 웹사이트에서는 SmartPLS 및 PLS 분석과 관련된 다양한 정보를 획득할 수 있는 커뮤니티도 운영하고 있어 PLS 분석 중 생기는 다양한 문제들을 해결하는 데 도움을 얻을 수 있다.
 
소프트웨어 설치 시 특별히 시스템 사양을 가리지는 않지만, Java 2 Standard-Edition Runtime Environment (J2SE JRE) 5.0 이상이 설치되어 있어야 SmartPLS를 실행시킬 수 있으며, 아래 주소에서 다운로드 받을 수 있다.
 
Written by Jinwon Hong(홍진원)
 
Last Updated: 2008-08-30
 
 
2. 데이터 셋의 준비
 
우선 SmartaPLS를 실행시키기 전에 분석의 대상이 되는 데이터 셋을 준비해야 할 것이다.
 
SmartPLS는 csv 파일 포맷을 지원한다. csv 파일은 엑셀이나 SPSS 등에서 “다른 이름으로 대상 저장”을 선택하고, 파일 포맷에서*.csv를 선택해주면 쉽게 생성할 수 있다.
 

 
 
 
Written by Jinwon Hong(홍진원)
 
Last Updated: 2008-08-30
 
 
3. 실행 및 프로젝트 생성하기
 
SmartPLS를 처음 실행시키면 아래와 같은 대화상자가 나타나며, Browse 버튼을 눌러 PLS 분석을수행하는 데 사용할 폴더를 지정해주고, OK 버튼을 누르면 된다.
 

 
그러면 아래와 같이 첫 화면이 뜰 것이다.
 

 
위 화면은 SmartPLS의 기본적인 사용법을 설명하고 있다. 일단 현재 상태에서는 큰 도움이 안되므로, Welcome 탭에 있는 X 버튼을 눌러 창을 닫는다. 그러면 아래와 같은 화면이 나타날 것이다.
 

 
위 화면을 보면, 좌측에 Project, Outline, Indicators 탭이 보일 것이다. 각각의 역할은 다음과 같다.
 
Project: SmartPLS를 이용해 분석중인 프로젝트들을 보여줌. 여러 개의 프로젝트들을 생성할 수 있으며, 각각의 프로젝트에는 PLS모형과 데이터가 할당된다.
 
Outline: PLS 모형에서 사용중인 잠재변수(latent variable, 구조방정식에서는 개념(construct)라고도 함)들과 각각의 잠재변수에 할당되어 있는 indicator들의 목록을 보여준다.
 
Indicators: 데이터 셋에 들어있는 indicator들의 전체 리스트를 보여준다.
 
새로운 프로젝트를 생성하기 위해 Project 탭을 클릭해주고 마우스 오른쪽 버튼을 누른다. 그러면 아래 그림과 같이 메뉴가 나타나며, Create New Project를 클릭해주면 된다.
 
 

 
아래와 같은 대화상자가 나타나면 Project name에 프로젝트 명을 기입하고 Next를 클릭한다. Import indicator data가 기본으로 체크되어 있는데, 이 기능이 체크되어 있으면 프로젝트를 생성하면서 데이터 셋도 함께 불러오게 된다.
 
 

 
아래 대화상자가 나타나면 미리 만들어놓은 데이터 셋을 불러오고, Finish 버튼을 클릭한다.
 

 
아래와 같이 새로운 프로젝트가 생성되었다. 모델탐색.splsm은 PLS 모형과 관련된 파일이고, Raw Data.csv는 데이터 셋이다. 새로운 모델을 그리기 위해서 모델탐색.splsm을 더블클릭 해준다.
 
 

 
그럼 아래와 같이 화면이 바뀔 것이다. Indicators 탭에 데이터 셋에 들어있는 변수들이 자동적으로 할당되고, 모델탐색.splsm이 작업가능한 상태로 활성화 된다. 이 상태가 되면 PLS 모형을 그리고 분석을 수행할 수 있게 된다.
 

 
 
Written by Jinwon Hong(홍진원)
 
Last Updated: 2008-08-30
 
 
4. 모형 그리기
 
모형을 그릴 때에는 아래의 3가지 아이콘이 사용된다. 좌측부터 차례대로 설명하면 다음과 같다.
 

 
화살표 아이콘: 가장 좌측에 있는 아이콘을 클릭하면 모형내의 잠재변수나 경로들을 선택할 수 있다. 이를 통해 잠재변수들의 위치를 변경하거나, 잠재변수와 관련된 각종 옵션들을 사용할 수 있다.
 
잠재변수 아이콘: 중앙에 있는 아이콘을 클릭하면 잠재변수를 그릴 수 있다. 이 아이콘을 한번 클릭하면 계속 잠재변수를 그리는 상태로 고정되므로, 잠재변수들을 다 그리고 난 후에는 가장 좌측에 있는 화살표 모양 아이콘을 꼭 클릭해줘야 한다.
 
경로 아이콘: 가장 우측에 있는 아이콘을 클릭하면 잠재변수간의 경로를 그릴 수 있다. 이 아이콘도 한번 클릭하면 계속 경로를 그리는 상태로 고정되므로, 잠재변수들을 다 그리고 난 후에는 가장 좌측에 있는 화살표 모양 아이콘을 꼭 클릭해줘야 한다.
 
그럼 지금부터 모형을 그려보겠다. 분석하려는 모형은 인지된 즐거움(PE), 인지된 사용편의성(PE), 인지된 유용성(PU), 지속적 사용의도(CUI) 등의 4가지 잠재변수로 구성된 모형이다.
 
잠재변수 아이콘을 선택하고, 모델탐색.splsm 창의 원하는 위치에 마우스를 포인터를 가져간 후, 마우스 왼쪽 버튼을 누르면 잠재변수가 그려진다. 이러한 방식으로 아래 그림과 같이 4개의 잠재변수를 그린 후, 화살표 아이콘을 클릭해준다. 
 

 
잠재변수를 다 그렸으면 경로 아이콘을 클릭한다. 경로를 그릴 때에는 경로가 시작하는 잠재변수를 마우스로 클릭한 후, 경로가 끝나는 잠재변수를 다시 마우스로 클릭해주면 된다. 이러한 방식으로 아래 그림과 같이 경로들을 그린 후, 화살표 아이콘을 클릭해준다.
 

 
이제는 각각의 잠재변수에 대해 잠재변수명을 부여해보도록 하겠다.
화살표 아이콘이 선택되어 있는 상태에서 가장 상단의 좌측에 있는 잠재변수를 클릭하고, 마우스 오른쪽 버튼을 누르면 아래와 같이 메뉴가 나타날 것이다.
 
위 메뉴 중 중요한 것들만 설명하면 다음과 같다.
 
Delete: 선택한 잠재변수 또는 경로를 삭제한다.
Rename Object: 잠재변수의 이름을 지정 또는 수정한다.
Hide/Show measurement model: 잠재변수에 할당된 indicator들을 보여주거나 숨긴다.
Invert measurement model: 잠재변수에 할당된 indicator들을 반영지표(reflective indicator)에서 조형지도(formative indicator)로,또는 조형지표에서 반영지표로 바꿀 때 사용한다.
 
Rename Object를 선택하면 아래와 같은 대화상자가 나타난다. 잠재변수명을 입력하고 OK 버튼을 클릭한다. 이러한 방식으로 나머지 잠재변수들에도 아래 그림과 같이 잠재변수명을 입력해준다.
 
 

 
여기까지 그렸으면 각각의 잠재변수들에 대해 indicator들을 할당할 차례이다.
 
좌측의 indicator 탭에서 PE1-PE4를 PE에 할당하기를 원한다면, PE1-PE4를 마우스 왼쪽 버튼으로 클릭한 상태로 PE 잠재변수 위로 끌어온 후 마우스 버튼을 놓으면 변수가 할당된다. 이러한 할당은 다음과 같은 방법으로 이루어질 수 있다.
 
첫째, PE1-PE4를 하나하나 끌어오는 방법. 가장 무식하고 노가다적인 방법이라고 할 수 있다.
 
둘째, Shift 버튼을 누른 상태에서 PE1을 클릭하고 PE4를 클릭하면 PE1-PE4가 모두 선택된다. 이 상태에서 선택된 indicator들을 마우스 왼쪽 버튼으로 클릭하고 잠재변수로 끌고 온다. 이 방법은 indicator들이 서로 붙어있는 상태로 배열된 경우에 편리하다.
 
셋째, Ctrl 버튼을 누른 상태에서 원하는 indicator들을 마우슨 왼쪽 버튼으로 클릭한 후, 마우스 왼쪽 버튼으로 클릭하고 잠재변수로 끌고 온다. 이 방법은 indicator들이 뛰엄뛰엄 배치된 경우에 편리하다.
 
PE1-PE4 indicator를 PE 잠재변수에 아래와 같이 할당한다.
 

 
잠재변수에 indicator가 할당되면 화면이 다음과 같이 변한다. PE1-PE4 indicator들이 PE 잠재변수에 반영지표로서 할당되어 있는 것을 알 수 있다. 이때 만약 조형지표로 할당하고 싶으면, PE 잠재변수를 클릭하고, 마우스 오른쪽 버튼을 누르면 나타나는 메뉴에서 Invert measurement model를 클릭해준다.  
 

 
위와 같은 방식으로 나머지 변수들에도 아래 그림과 같이 indicator들을 할당해준다.
 

 
현재 indicator, 경로, 잠재변수가 서로 섞여있어 매우 보기 좋지 않다. 모형 그리기 아이콘들 중 화살표 아이콘을 클릭하고, indicator을 선택하고 drag & drop해서 아래 그림과 같이 개인 취향에 따라 보기 좋게 모형을 배치해준다. 이 상태가 되면 모형 그리기는 끝난 것이며, 본격적으로 분석을 수행할 수 있게된다.
 

 
Written by Jinwon Hong(홍진원)
 
Last Updated: 2008-08-30
 
 
5. PLS 분석 수행하기
 
PLS 분석은 아래 아이콘들을 이용해 이루어진다. 일반적인 논문의 경우 PLS Algorithm과 Bootstrapping을 이용해 대부분의 분석을 수행할 수 있다.
 

 
 
우선 PLS Algorithm 아이콘을 클릭해주면 아래와 같은 대화상자가 나타난다. 일반적인 경우 특별히 설정을 바꾸지 않고 바로Finish 버튼을 눌러주면 된다. 
 
아래 그림은 PLS Algorithm 분석 결과를 보여주고 있다. 잠재변수 내의 숫자는 R Square 값을, 잠재변수간의 경로 위의 숫자는 잠재변수간의 상관계수를, 잠재변수에서 indicator로 향하는 경로 위의 숫자는 Outer Loading 값을 나타낸다. 
 
상세한 분석 결과를 보기 위해서는 아래 아이콘들을 사용하면 된다 Html Report는 웹 브라우저를 통해 분석결과를 보여주면, Default Report는 SmartPLS 소프트웨어 내에서 새로운 창으로 분석 결과를 보여준다.
 

 
 
Html Report를 클릭하면 다음과 같이 브라우저에 나타난다. 컨텐츠에서 원하는 항목을 클릭하면 바로 이동이 가능하다. 여기에서Latent Variable Correlations를 클릭해보자.
 

 
 
아래와 같은 형식으로 분석 결과가 나타난다. Internet Explorer를 사용하는 경우 특정 표를 마우스로 클릭하고 마우스 오른쪽 버튼을 누르면 나오는 메뉴에서 “Microsoft Excel로 내보내기”를 누르면 특정 표를 Excel로 내보내서 분석할 수도 있다. 아래 항목들에 대한 자세한 설명은 본 글의 범위를 벗어나므로 따로 설명하지는 않겠으며, 블로그 내의 다른 PLS 관련 글들을 참조하기 바란다.
 

 
Written by Jinwon Hong(홍진원)
 
Last Updated: 2008-08-30
 
 
6. 가설 검정 수행하기
 
PLS 분석을 통해서 잠재변수들간의 관계의 정도와 독립변수들이 종속변수들을 얼마나 설명할 수 있는지를 살펴볼 수 있었다. 그러나 잠재변수들간의 관계(즉, 연구가설)가 꼭 통계적으로 유의한 것은 아니다. 즉 가설의 채택 또는 기각을 결정할 필요가 있는 것이다. SmartPLS의 경우 아래 그림의 Bootstrapping을 이용해 가설 검정을 수행한다.
 

 
 
우선 Bootstrapping 아이콘을 클릭해주면 아래와 같은 대화상자가 나타난다. Cases에는 데이터 셋에 포함되어 있는 표본의 수를 입력해준다. 그리고 Samples에는 샘플링을 몇 번 수행할 것인지를 입력해 주는데, 일반적으로 500회가 많이 사용된다. 입력이 끝나면 Finish 버튼을 클릭한다.
 

 
 
그럼 대화상자 아래 부분에서 Bootstrapping 진행상태가 보여진 후, 화면에 분석 결과가 아래 그림과 같이 나타날 것이다. 아래 결과를 보면 PEOU->CUI는 기각되었으며, 나머지 가설들은 p=0.01수준에서 모두 채택되었음을 알 수 있다.
 
가설 검정의 기준은 아래와 같다.
 
 
 t 값의 절대치
 양측 검정
 단측 검정
  t>3.30  
  t>2.58
 0.001에서 유의
 0.01에서 유의
 0.0005에서 유의
 0.005에서 유의 
  t>2.33
 0.02에서 유의
 0.01에서 유의 
  t>1.96
 0.05에서 유의
 0.025에서 유의 
  t>1.645
 0.10에서 유의
 0.05에서 유의 
 
 

 
상세한 분석 결과를 보는 방법은 앞에서 설명한 것과 같다.
 
 

 
Html Report를 클릭하면 다음과 같이 브라우저에 나타난다. 컨텐츠에서 원하는 항목을 클릭하면 바로 이동이 가능하다. 여기에서Path Coefficients (Mean, STDEV, T-Values)를 클릭해보자.
 
 

 
Path Coefficients (Mean, STDEV, T-Values)를 클릭해 이동하면 다음과 같은 분석 결과가 나타날 것이다. 여기서 T Statistics 값을 이용해 가설 기각, 채택 여부를 결정하게 된다.
 

 
지금까지 SmartPLS의 사용법을 간략하게 살펴봤다. 한가지 유념할 것은 SmartPLS는 PLS 분석을 위한 도구일 뿐이라는 점이다. PLS와 관련된 이론들이 뒷받침되지 못하다면, 위의 분석 결과물들은 아무 의미 없는 숫자놀음이 될 것이다. PLS 관련 이론들은 본 블로그 내의 다른 글들을 참고하기 바란다.
 
Written by Jinwon Hong(홍진원)
 
Last Updated: 2012-03-07
 
 
2015-06-05 Computational Modeling and Simulation - 연세대학교 정보대학원 수업내용

#한국시뮬레이션학회지가 있음. 국내에서 최근 어떤 툴을 사용하고 어떤 방식으로 서술하는지 참고할 만한 곳인듯.
 
# 시뮬레이션 방법 적용 순서
Roadmap for Developing Theory Using Simulation Methods
• Begin with a research question 연구질문을 시작하고
• Identify simple theory 간단한 이론을 구체화하고
 - what is the key process?
• Choose simulation approach 시뮬레이션 접근 방법을 선택하고
• Create computational representation 프로그래밍으로 재구현하고
• Verify computational representation 해당 구현된 방법을 확인하고
• Experiment to build novel theory 새로운 이론을 구축하기 위해 실험을 진행하고
• Validate with empirical data 실험적 결과를 입증하라.
 
# 시뮬레이션 접근 방법 종류
systems dynamics 시스템 다이나믹스

• theoretical logic 이론적 논리:  cybernetics
사이버네틱스 모형, 인간의 모든 행동을 '정보와 환류를 통한 제어ㆍ조정'이라는 사이버네틱스의 관점에서 설명하려는 의사결정모형
• main constructs: stock, flow, variables, links, feedback loops (+reinforcing, -balancing)
• purpose:  understand complex causality 피드백 기반의 복잡한 인과관계에 대해 이해하기 위해
 
cellular automata / network models

 

Cellular automaton (CA). 수학적 모델로, 유한한 갯수의 "상태" 중 하나를 가질 수 있는 독립적인 "셀"들로 이루어진 공간이 있고, 각 셀들의 상태가 이산적인 시간에 따라 주변(즉, 유한한 갯수의) 셀의 상태에만 지역적으로 영향을 받는다는 가정 하에 셀들의 반응과 그로부터 생겨나는 구조를 연구하는 목적으로 쓰인다. 복잡계나 이론전산학 등에서 종종 연구되며, 인공생명의 맥락에서 생물학에서 연구하기도 한다.
 
대표적인 셀룰러 오토마타의 예로 라이프 게임(1970)이 있는데, 이 모델에서 상태는 두 종류–삶·죽음–가 있고, 각 셀은 무한한 2차원 공간에 균일하고 규칙적으로 분포해 있으며, 매 순간마다 8개의 주변 셀들 중 살아 있는 것의 갯수를 세어서 거기에 따라 다음 순간에 해당 셀이 살아 있는지 죽어 있는지가 결정된다. 각 셀은 주변 셀들의 변화에 지역적으로만 반응하며 사실 규칙 또한 매우 단순하지만, 라이프 게임에서 셀들의 반응은 생각보다 훨씬 복잡하며 튜링 완전한 계산까지 할 수 있음이 밝혀졌다. 그 밖에도 셀룰러 오토마타로 분류되는 수학적 모델은 여러 종류가 있다.
 
오토마톤 이론이란 오토마톤을 연구하는 학문이지만, 다른 표현 방식을 빌린다면 ‘대상의 어떤 기능에 주목하여, 입력과 내부 출력 각 신호의 상호관계를 수학모델로 옮기고, 이 모델을 수학적으로 고찰 ·결론을 유도한다. 그리고 이 유도된 결론을 다시 원래의 대상에 꼭 들어맞춰서 해석한다고 하는 일련의 과정의 일부 또는 전부’에 관계되는 것이다. 그리고 대상의 구성요소의 성질 등에는 그리 관여하지 않는다. 이와 같은 입장을 취함으로써 새로운 시야가 열리며, 미시적인 견지로부터는 끄집어낼 수 없는 많은 유용한 결론이 기대된다
 
• theoretical logic: simple rule-based interactions produce emergence
• main constructs: agents, connection, distance, influence
• purpose: uncover macro emergent global behavior from micro local interactions 미시적 상호작용을 통한 거시적 새로운 행동 양식을 발견하는 것.
 
NK Fitness Landscapes

Kauffman은 복잡한 생태계를 분석할 수 있는 간단한 통게적 NK모형을 제시하였다. 즉 어떤 생태계도 N개의 본질적 요인과 K개의 본질적 요인간에 상호관계를 가진 체계이며, 통계적 분석이 가능하다는 것을 보았다. {조상섭, 2012 #3}
Kauffman (1993)은 관측된 형태들이 필연적으로 선택압력에 의한 결과물인지에 대한 의문 을 제기하였다. 즉 관측된 조직형태가 자기조직화의 과정일 수 있다는 견해이다.
만일 어떤 조직들이나 개체군들이 그들의 최적 형태를 추구하기 위하여 탐색방법으로 인접한 지역 또는 주변 지형에서 Hill-Climbing방법을 사용한다면, 대부분 조직체들은 전체보다 국소적 최적화에 머물게 된다. Westhoff et al.(1996), Kauffman(1993)
즉 누적성과 비체화성이 결합된 새로운 SW는 다른 특성이 미친 영향인 상호작용의 정도를 알 수 없다. 이 러한 문제점으로 인하여 자체 특성과 함께 다른 특성사이에 상호작용이 너무 복잡하기 때문에 확률적 적응함수에 의한 그들의 결과를 바탕으로 통계적 형태를 분석할 모형을 시도하게 된다. 이러한 통계적 모형 중 가장 정교한 모형이 Kauffman의 NK모형이다.
 
기초통계자료를 사용하는 경우가 있는데, 어떤 연결점으로 사용하는지?
 
• theoretical logic: goal-driven adaptation
• main constructs: fitness landscape, complexity, interdependencies, search, sticking
points
• purpose: investigate efficacy of adaptation strategies 전략의 적용의 효능을 조사하다
 
stochastic models (전산학) 추계적 모형
 

• theoretical logic: N/A
• main constructs
• anything
• purpose: flexible approach to model building
 
의사결정과 확률적 모형
 상황에 따라 의사결정은 확실한 상황하의 의사결정, 위험상황하의 의사결정, 불확실한 상황하의 의사결정의 세 가지로 구분된다.
확실(certainty)한 상황이란 의사결정자가 결정하려는 代案(alternatives)별로 어떤 결과가 발생할 것인지에 관한 정보를 사전에 정확히 갖고 있는 상황을 말한다. 즉 결정에 따라 나타날 유일하고 확정적인 결과를 미리 알고 있는 경우이다. 이러한 상황에서 시도되는 의사결정모형을 확정적 모형(deterministic models)이라 부른다.
 위험(risk)한 상황이란 의사결정자가 갖고 있는 정보가 유일 확정적으로 알려져 있지는 않으나 대안별로 여러 개의 출현 가능한 결과와 이 결과가 각각 나타날 확률을 알고 있는 상황을 의미한다. 이러한 경우를 위해서 사용되는 의사결정모형을 확률적 모형(stochastic models)이라고 한다.
 불확실(uncertainty)한 상황이란 갖고 있는 정보가 의사결정 대안별로 나타날 결과의 일부나 전부를 명시해 주지만 이들 결과에 대한 개개의 확률을 제시해 주지 못하는 상황이다. 이러한 상황에서 의사결정은 앞의 두 경우에 비하여 매우 어렵다. 불확실성의 상황을 위험상황으로 상정하고 확률모형을 적용하는 경우가 흔하다.

 
IIS651 추계적모형 (Stochastic Models)
본 과목에서는 확률적 모형 분석을 주로 다룬다. 주요 논제로는 확률, Stochastic Process, Poisson Process, Renewal Process, Markov Process, Random Walk, Queueing Models 등이며, 기타 확률적 모형개발에 대하여도 사례를 중심으로 다룬다.
 
 
# 시뮬레이션 구현 방법
create computational representation
• use tools / frameworks
• NetLOGO, Repast, Mason, Vensim
• code from scratch
 
#
experiment to build novel theory
• systems dynamics models
• add causal loops, change flow rates
• CA/network models
• change rules/thresholds, alter connections (neighborhood, structure)
• NK fitness landscape models
• change N/K, specify interdependency, change adaptation rules, create
environmental shocks
• stochastic models
• vary source/structure of stochasticity, change theoretical logic
 
#
model validation
• a valid computational model is one that is effectively appropriate to the
end goal
• balance between “realism” and “simplicity”
• theoretical validation vs. empirical validation
• validation vs. calibration
 

+ Recent posts