위 그림에서 독립이 종속에 미치는 간접효과의 합, 즉 총간접효과는  a*b + c*d 로 계산된다. 

개별 간접효과는 a*b 와 c*d 두 개이다. 

AMOS를 이용하는 경우 총간접효과의 신뢰구간을 구하는 것은 어렵지 않다. 

하지만 개별 간접효과를 구하는 것은 쉽지 않다.  개별 간접효과의 차이를 구하는 것은 더더욱 어렵다. 

일단 개별 간접효과를 구하려면 팬텀변수를 이용해야 하는데 복잡하기도 하거니와 

은근히 까다롭고 하다보면 적합이 되지 않는 경우도 생긴다.  

모형이 복잡하면 사실 설정 자체가 거의 어렵다. 

이러한 경우, R 프로그램을 사용하면 매우 간단하다. 

구조방정식을 위한 패키지 중 하나인  lavaan 패키지에 포함된 parameterEstimates 함수를 사용하면 된다. 

간접효과를 설정하는 부분이 있는데 개별 간접효과 및 차이값을 한번씩 넣어주면 된다. 

예를 들어 a*b, c*d,   abs(a*b) -  abs(c*d)를  돌아가면서 한 번씩 넣어주면 

신뢰구간은 물론 표준화, 비표준화값, 표준오차 등 값이 전부 나온다. 

물론 구조방정식 분석이 아니고 경로분석을 사용하는 경우, 

그냥 spss process macro를 사용하면 되고, 그런 경우 차이값도 알아서 계산해준다. 

그런데 그런 방법을 쓰면 결국 구조변인을 활용하여 측정오차를 줄이는 것은 하지 못한다. 

더욱 중요한 문제는 개별 간접효과들의 부호가 다른 경우이다. 

각자 해보면 알겠지만 부호가 다른 경우 차이값이 계산이 안된다. 

예를 들어 각 간접효과가 1과 -2라고 하면  간접효과의 강도의 차이는 1이 된다. 

그런데 이런 경우 프로세스로 계산하면 3으로 나온다. 

 a*b - c*d가 아니고  abs(a*b) -  abs(c*d)  로 하게되면 절댓값의 차이를 구할 수 있다. 

결국  lavaan 패키지를 쓰는 장점은 세 가지로 요약할 수 있다. 

1. 경로분석이 아니라 구조방정식 분석을 할 수 있으며

2. 개별 간접효과를 쉽게 구하고 

3. 부호가 다른 경우에도 개별 간접효과의 간접효과의 강도의 차이를 쉽게 구할 수 있다. 

AMOS와 process 어느 누구도 세 가지 장점을 함께 가지지 못했지만 R에서는 가능하다 !!