굉장히 도움이 되는 강의였습니다.
108차 베이즈 구조방정식모델링 실습 세미나였습니다. 2시간 실습 및 이론...
평소 베이지안 모델링 방법에 대한 관심은 있었지만 구조방정식에서도 사용...
베이즈 구조방정식모델링의 이론적 배경과 AMOS를 활용한 실습을 함께 배울...
짧은 시간에 많은 내용을 알려주셔서 조금 어려웠지만 잘 배웠습니다 !
체계적이고 성실한 강의였습니다. 감사합니다.
석사 논문을 작성하기 위한 통계 관련 수업을 찾던 중 발견하게 된 강의였...
좋은 강의로 많이 배울 수 있었습니다. 감사합니다.
전반적으로 흥미롭게 진행되었으며, 실제 분석 과정에 대한 이해를 높이는 ...
수강생 이해, 반응 속도에 맞춰 체계적으로 설명해 주셔서 이해 완성도가 ...
108차 베이즈 구조방정식모델링 실습 세미나였습니다. 2시간 실습 및 이론수업을 수강했구요. 1교시에서는 Bayesian SEM의 정의를 통해 전통적인 SEM과 비교 차이점을 바라보게되었습니다. 인공 지능, 딥러닝, AI 상담 등 지금 트렌드에서 빼 놓을 수 없는 근간이 Bayes인데요. 이러한 추론 핵심 개념 설명은 다른 응용 영역을 폭 넓게 이해하는 데 큰 도움이 되었던 것 같아요. SEM이 베이즈추론으로 매개모수를 추정하는 데 도입되었다는 걸 쉽게 접근해 주셨습니다. 사전분포, 가능도, 사후분포 등의 3 구성개념을 짧지만 간단히 계산식으로 잘 제시해서 바로 익혔습니다. MCMC에 의한 매개모수 추정이 기존의 ML과 다른 점을 이해했구요. 마지막으로 B-SEM이 장점도 있지만 분명 한계점도 있을 수 밖에 없다는 걸 새삼 새기게 되었습니다. 아마, 빈도주의 추론방식과 양립하면서 계속 서로 호환발전해 나가지 않을까 생각이 들어요.
2교시 AMOS 실습시간은 이미 준비해 오신 결과물을 가지고 몇 단계 거쳐서 마지막 보고서 작성 방법까지 제시해 주셨습니다. 베이즈 추정을 시작할 때 단축 키 Ctrl+B를 하게되면, 바로 수행이 되는 걸 실제 구동하셔서 실행했습니다. 아마 B가 베이즈 약자 인 것 같은데 기억하기 쉽다는 생각이 들었습니다. 사전 분포 설정이 3가지 이론적인 방식 틀에서 접근하는데 이 부분이 좀 어려웠습니다. 첫 시간 이론에서 이미 설명을 하셨기에, 여기서는 바로 실습으로 결과물을 볼 수 있었어요. MCMC방식으로 추정을 하는데 burning, thinning 등 아주 생소하게 들렸지만, 실습을 하게 되니 조금은 친숙해졌어요. 마지막으로 수렴 진단 및 결과해석이 이어졌습니다. 모델 비교를 기존 ML에서 얻게되는 DIC, BIC와 비교까지 해서 좋았습니다.
마지막으로, 질문 및 응답 시간에서 좀 더 미진한 부분을 재차 설명해 주셔서 확실하게 각인이 되었습니다.
이번 실습 세미나에서도 항상 수고해 주셔서 실습세미나가 원활하게 진행해 주신 데이터 솔류션 스탭 분에게 다시 한 번 감사드립니다.
평소 베이지안 모델링 방법에 대한 관심은 있었지만 구조방정식에서도 사용되고 있는 줄은 몰랐는데 이번 기회를 통해 새롭게 학습하게 되어 좋았습니다. 또한 개념 설명에 그치지 않고 실제 데이터를 분석하는 과정을 실습할 수 있어서 이해에 많은 도움이 되었습니다. 수업시간 중에 언급해주신 다이나믹 베이지안 구조방정식 모형도 향후 기회가 된다면 배워보고 싶습니다. 감사합니다.
베이즈 구조방정식모델링의 이론적 배경과 AMOS를 활용한 실습을 함께 배울수 있어 좋았다. 기존 구조방정식모델링이 주로 최대우도추정, p-value, 적합도 지표 중심으로 이해되었다면, 베이즈 구조방정식모델링은 매개변수를 고정된 값이 아니라 확률분포로 바라보는 베이즈 관점을 제시해 연구모형 해석의 폭을 넓혀 주었다. 특히 베이즈 정리, 사전분포와 사후분포, MCMC, 수렴진단, 신뢰구간 해석을 구조방정식모델링과 연결해 설명한 점이 향후 논문을 작성하는데 많은 영감을 받았다.
AMOS 실습 파트에서는 단순히 메뉴 사용법을 익히는 데 그치지 않고, 모델 준비, 데이터 로드, 베이즈 추정 실행, 사전분포 설정, MCMC 조정, 수렴 진단, 결과 출력과 해석까지 실제 분석 흐름을 단계별로 따라갈 수 있어 좋았다. 확인요인분석, 구조모델 경로분석, 서비스품질–고객만족–재구매의도 예제를 통해 이론이 실제 연구모형에 어떻게 적용되는지 확인할 수 있었다. 또한 수렴 미달, 음수분산, 분석 속도 지연, 레이블 스위칭 등 실제 분석 과정에서 자주 발생할 수 있는 오류와 해결책을 함께 다룬 것도 유익했다. 특히, DIC, BIC, posterior predictive p-value, credible interval 등을 활용한 모델 비교와 결과 해석 방법은 향후 논문 작성이나 연구보고서 작성시 유익하게 활용할 수 있을 것 같다.
이번 강의는 베이즈 SEM을 처음 접하는 나에게 핵심 개념을 이해하고, AMOS를 통해 직접 분석을 수행할 수 있도록 구성된 유익한 강의였다. 실제 연구자료를 가지고 반복 연습을 하면 BSEM을 보다 자신 있게 적용할 수 있을 것 같다.
체계적이고 성실한 강의였습니다. 감사합니다.
석사 논문을 작성하기 위한 통계 관련 수업을 찾던 중 발견하게 된 강의였습니다.
다른 강의는 처음부터 통계를 공부해야한다는 압박감이 들었는데, 이 강의에선 논문 작성에 초점을 맞춰 통계를 강의해주셔서 효율적으로 공부할 수 있었습니다.
강사 선생님께서 무척 친절하시고, 논문 작성자의 초점에 맞춰 강의를 해주십니다.
특히 이중매개나 조절된 매개로 논문을 작성하시려는 분이 있다면 더욱 추천드립니다.
연구모형의 개념과 실습, 관련 논문의 탐독을 통해 어렵게만 느껴졌던 모형이 좀 더 쉽게 다가옴을 느낄 수 있었습니다.
많은 분들이 이 강의를 통해 논문 작성하는데 도움을 받으면 좋겠네요.
한달동안 감사했습니다 선생님.
좋은 강의로 많이 배울 수 있었습니다. 감사합니다.
전반적으로 흥미롭게 진행되었으며, 실제 분석 과정에 대한 이해를 높이는 데 큰 도움이 되었습니다. 복잡하게 느껴졌던 개념들도 사례 중심 설명 및 실습을 통해 비교적 쉽게 이해할 수 있었습니다. 향후 연구 및 실무에 적용할 수 있는 유익한 교육이었습니다. 감사합니다!
수강생 이해, 반응 속도에 맞춰 체계적으로 설명해 주셔서 이해 완성도가 매우 높습니다. 감사합니다.
※ 각 과정 색상에 따른 난이도를 참고하여 교육을 단계별로 수강하시기를 권장 드립니다.
| 구분 | SW | 목표 | 역량 | 난이도 |
|---|---|---|---|---|
| 학술연구자 | SPSS |
이론 습득 ▼ SW 활용 분석 방법 학습 ▼ 현업에서의 활용 · 개인 역량 강화 |
공통 역량 선택 역량 |
기초(입문) |
| Amos | ||||
| 메타 | ||||
| R | 중급 | |||
| 그 외 | ||||
| 데이터과학자 | Python |
데이터 분석 능력 습득 ▼ SW 활용 능력 학습 ▼ 현업에서의 활용 · 개인 역량 강화 |
고급 | |
| Modeler |
학술연구자
SPSS
Amos
메타
R
그 외
데이터과학자
Python
Modeler
궁금한 사항은 담당자에게 연락 바랍니다.