당신은 주제를 찾고 있습니까 “탐색 적 요인 분석 – SPSS 탐색적 요인분석(EFA, Exploratory Factor Analysis) 방법 / 논쓰남 완벽 정리 / 주성분 분석 / 공통요인분석 / 베리맥스 / 직접 오블리민“? 다음 카테고리의 웹사이트 th.taphoamini.com 에서 귀하의 모든 질문에 답변해 드립니다: th.taphoamini.com/wiki. 바로 아래에서 답을 찾을 수 있습니다. 작성자 논문쓰는남자 [논쓰남] 이(가) 작성한 기사에는 조회수 35,545회 및 좋아요 436개 개의 좋아요가 있습니다.
Table of Contents
탐색 적 요인 분석 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 SPSS 탐색적 요인분석(EFA, Exploratory Factor Analysis) 방법 / 논쓰남 완벽 정리 / 주성분 분석 / 공통요인분석 / 베리맥스 / 직접 오블리민 – 탐색 적 요인 분석 주제에 대한 세부정보를 참조하세요
★필독!! 요인분석 개념부터 꼭 숙지하고 오세요!!
https://blog.naver.com/sub_om/221840896168
요인분석 개념을 영상을 통해 구구절절 설명하기에는 분석 영상 성격과 맞지 않았고 오히려 영상이 길어지고 지루해질 것 같아 개념 설명을 최소화하였습니다.
대신 독자 분들이 이해하기 쉽도록 자세하게 [논쓰남] 블로그에 게시하였으니 개념을 충분히 숙지한 후 요인분석 영상을 시청하는 것을 권장합니다.
[탐색적 요인분석] 표 양식 및 해석 다운로드
https://blog.naver.com/sub_om/221840896168
[논쓰남] 블로그
https://blog.naver.com/sub_om
[논쓰남] 인스타그램
http://www.instagram.com/nonssnam
탐색 적 요인 분석 주제에 대한 자세한 내용은 여기를 참조하세요.
탐색적요인분석과 확인적요인분석의 비교에 과한 연구
사회과학분야의 논문에서 활용되는 통계분석 중 요인. 분석(factor analysis)은 매우 중요한 위치를 차지하고 있. 으며, 통계분석 과정에서 변수들 간의 상관관계나 인과.
Source: koreascience.kr
Date Published: 9/21/2021
View: 8386
탐색적 요인분석 연구의 현황과 제언: 심리학 분야를 중심으로*
선정된 논문들을 대상으로 탐색적 요인분석의. 사용 목적, 참여자수, KMO 및 Bartlett 구형성 검정 결과 제시 여부, 요인추출방법 및 회전방.
Source: jsscnu.re.kr
Date Published: 9/23/2021
View: 9722
탐색적 요인분석 – IBM
탐색적 요인분석을 사용하여 기본 변수 또는 요인을 식별하여 관측변수 세트에서 상관계수의 패턴을 설명할 수 있습니다. 요인 분석은 많은 수의 명백한 변수에서 관측 …
Source: www.ibm.com
Date Published: 8/27/2021
View: 3337
SPSS에서 요인분석으로 타당도 측정하기(탐색적 요인분석)
원본의 데이터를 가지고 바로 통계분석을 진행할 수 없습니다. · 메뉴에서 [분석-차원감소-요인분석]을 선택합니다. · CA01부터 CC24까지 총 24문항을 변수 …
Source: learnx.tistory.com
Date Published: 1/24/2022
View: 1933
탐색적 요인분석 개괄 – 생각보다 어렵지 않아
탐색적 요인분석 vs. 확인적 요인분석–어떻게 결정할까? 요인분석의 주요 목적은 자료의 축소와 측정문항 혹은 변수 간의 공통성을 찾아내서 자료를 요약하는 거예요.
Source: study-easy.tistory.com
Date Published: 6/10/2022
View: 5869
요인 분석 – 나무위키:대문
먼저 탐색적 요인분석(이하 EFA; exploratory factor analysis)은 기존에 요인모형이 존재하지 않는 상태에서 요인을 어림해 만들어 보는 것이다. 당연히, …
Source: namu.wiki
Date Published: 1/16/2022
View: 9356
탐색적 요인분석? 확인적 요인분석? > 통계분석강좌 – 논문1번지
바로 측정도구가 제대로 되어 있는지를 파악하는 분석방법입니다 . 타당도 분석은 크게 요인분석과 신뢰도 분석으로 나누어지죠.. 흔히 만인이 사용하는 …
Source: www.nonmun1st.co.kr
Date Published: 1/18/2021
View: 6127
주제와 관련된 이미지 탐색 적 요인 분석
주제와 관련된 더 많은 사진을 참조하십시오 SPSS 탐색적 요인분석(EFA, Exploratory Factor Analysis) 방법 / 논쓰남 완벽 정리 / 주성분 분석 / 공통요인분석 / 베리맥스 / 직접 오블리민. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
주제에 대한 기사 평가 탐색 적 요인 분석
- Author: 논문쓰는남자 [논쓰남]
- Views: 조회수 35,545회
- Likes: 좋아요 436개
- Date Published: 2020. 3. 5.
- Video Url link: https://www.youtube.com/watch?v=bvqITnoTXbU
탐색적 요인분석
탐색적 요인분석을 사용하여 기본 변수 또는 요인을 식별하여 관측변수 세트에서 상관계수의 패턴을 설명할 수 있습니다. 요인 분석은 많은 수의 명백한 변수에서 관측된 대부분의 분산을 설명할 수 있는 소수의 요인을 식별함으로써 데이터 축소에 사용됩니다. 요인 분석을 사용하여 일반적인 메커니즘에 관한 가설을 작성하거나 후속 분석(예: 선형 회귀분석에 앞서 공선성을 식별)에 대한 변수를 구분할 수 있습니다.
탐색적 요인분석 프로시저에서는 다음과 같은 상당한 유동성을 제공합니다.
일곱 가지 요인 추출 방법을 사용할 수 있습니다.
비직교 회전에 대한 직접 오블리민과 프로멕스 방법을 포함하여 다섯 가지 회전 방법을 사용할 수 있습니다.
요인점수를 계산하는 데 세 가지 방법이 있으며 스코어는 이후의 분석에 대한 변수로 저장됩니다.
예 정치적 여론 설문조사에서 반응자가 질문에 반응하는 기본 항목은 무엇입니까? 설문조사 항목 간의 상관을 살펴보면 항목의 여러 하위 그룹에서 중요한 교차 관계를 볼 수 있는데 조세 관련 질문과 군사 문제 등은 서로 상관이 있음을 알게 됩니다. 요인 분석을 통해 기본 요인의 수를 조사하고 여러 케이스에서 요인이 개념적으로 무엇을 나타내는지 식별할 수 있습니다. 또한 각 반응자에 대한 요인점수를 계산하여 후속 분석에서 사용할 수 있습니다. 예를 들어, 로지스틱 회귀 모형을 작성하여 요인점수에 따라 투표 행태를 예측할 수 있습니다. Statistics 각 변수에 대해 유효한 케이스 수, 평균 및 표준 편차를 선택할 수 있습니다. 각 요인 분석에 대해 변수의 상관행렬(유의 수준, 판별계수, 역 상관행렬 포함), 재연된 상관행렬(역-이미지 행렬 포함), 초기해법(공통성, 고유 값, 설명한 분산 퍼센트), Kaiser-Meyer-Olkin 표본 타당성 측도와 Bartlett의 단위행렬 검정, 비회전 해법(요인 로딩, 공통성, 고유 값 등 포함), 회전 해법(회전 패턴 행렬과 변환 행렬 포함)을 선택할 수 있습니다. 각 사각 회전에 대해 회전 패턴과 구조 행렬, 요인점수 계수행렬과 요인 공분산행렬을 선택할 수 있습니다. 도표에 대해 고유 값의 스크리 도표와 처음 둘이나 세 요인의 로딩 도표를 선택할 수 있습니다.
데이터 고려사항 데이터 변수는 구간 수준이나 비율 수준에서 양적변수이어야 합니다. 범주형 데이터(예: 출생 지역이나 국가)는 요인 분석에 적합하지 않습니다. 요인 분석에는 Pearson 상관계수를 확실하게 계산할 수 있는 데이터가 적합합니다. 가정 데이터에는 각 대응변수에 대한 이변량 정규 분포가 있어야 하며 관측값은 독립이어야 합니다. 요인 분석 모형을 사용하여 공통 요인(모형으로 추정된 요인)과 고유 요인(관측 변수간에 겹쳐지지 않는 요인)으로 결정될 변수를 지정합니다. 계산된 추정값은 모든 고유 요인이 서로 또는 공통 요인과 상관이 없다는 가정에 기준합니다.
SPSS에서 요인분석으로 타당도 측정하기(탐색적 요인분석)
원본의 데이터를 가지고 바로 통계분석을 진행할 수 없습니다.
왜냐하면 내가 사용한 설문문항 중에 좋지 않은 문항이 섞여 있거나, 응답자들의 응답과정에서 문제가 있었을 수 있기 때문입니다.
따라서 분석결과를 어지럽힐 수 있는 방해 문항들은 분석 전에 미리 찾아 제거해주어야 합니다.
제거문항
1. 타당도가 낮은 문항
2. 신뢰도가 낮은 문항
(타당도와 신뢰도에 대한 설명을 확인하려면 아래를 클릭)
2015/12/11 – [논문통계/통계기초] – 신뢰도, 타당도, 객관도, 실용도
이번 시간에는 타당도가 낮은 문항을 찾아 제거할 수 있는 요인분석을 해보겠습니다.
(타당도검사를 신뢰도검사보다 왜 먼저하는지 궁금하면, 아래를 클릭)
2015/12/11 – [논문통계/통계기초] – 신뢰도와 타당도 중에 무엇을 먼저 검증해야 하는가
각각의 문항들은 무엇을 측정하려는지 목적이 있고, 그 목적에 따라 소속(하위요인그룹)이 있습니다.
문항들이 그 의도대로 잘 측정되었는지 확인하기 위해, 문항들을 모아서 요인분석을 실시하면, 통계프로그램은 아무것도 모른 상태에서 오직 수치만 가지고 그룹핑을 합니다.
이때 요인분석 결과가 연구자가 의도한 그룹핑과 다른 그룹핑 결과를 보여준다면,
방해문항을 확인하고 제거하여 원하는 결과가 도출될 때까지 요인분석을 실시합니다.
예제로 사용할 SPSS 파일이 준비되어 있지 않으신 분은 아래의 파일를 다운로드 해주세요.
rawdata(sample).sav
출력결과1.spv
※ 이미지들은 클릭하면 원본이미지로 크게 보실 수 있습니다.
A부터 C까지 3개의 변인 중, 세번쨰 변인인 C.팀원의 여가만족(24문항) 을 요인분석해보도록 하겠습니다. (여기서는 예제로 한 변인만 요인분석하지만, 실제 논문통계분석에서는 전 변인을 요인분석 해야합니다.)
C. 팀원의 여가만족 24문항은 CA. 가족활동 만족 8문항(CA01~CA08) CB. 취미활동 만족 8문항(CB09~CB16) CC. 자기계발 만족 8문항(CC17~CC24) 으로 구성되어 있습니다.
위에 첨부된 두 파일을 열어보면, 데이터편집기에는 지난번 저장한 데이터들이 있고, 촐력결과에는 지난번에 분석한 빈도분석 결과가 저장되어 있습니다.
메뉴에서 [분석-차원감소-요인분석]을 선택합니다.
(메뉴명은 SPSS 버전마다 차이가 있습니다.)
CA01부터 CC24까지 총 24문항을 변수로 등록합니다.
팝업창 오른쪽 5가지 옵션을 하나씩 설정합니다.
[기술통계] 옵션에서 일변량기술통계 와 계수(상관계수) 그리고 KMO와 Bartlett의 구형성 검정(K) 를 체크합니다. [요인추출] 옵션에서 아래이미지와 같이 기본값으로 설정되어 있는지 확인합니다. [요인회전] 옵션에서 베리맥스(V) 를 체크합니다. [요인점수] 옵션에서 아무것도 체크가 되어 있지 않는 것을 확인합니다. [옵션]에서 크기순 정렬 을 체크합니다.지금까지 설정한 옵션의 선택사항은 프로그램에 기본값으로 저장되므로, 한 번만 설정해주면 됩니다.
[확인]을 클릭하여 요인분석을 실행합니다.뷰어에 요인분석 결과가 추가되었음을 확인할 수 있습니다.
가장 먼저 공통성(Communality)을 확인합니다.
공통성은 추출된 요인들에 의해 설명되는 비율로,
공통성이 0.4(또는 0.5) 이하이면 삭제하는 것이 좋습니다.
위의 표를 보면 CA06의 공통성이 .278로 낮은 것을 확인할 수 있습니다.
회전된 성분행렬을 확인합니다.(성분행렬 밑에 회전된 성분행렬표가 있습니다. 둘은 다릅니다.)
회전된 성분행렬을 보면 프로그램이 24개의 문항을 총 6개의 요인으로 그룹핑한 것을 확인할 수 있습니다.
연구자의 목표는 3개의 하위요인(가족, 취미, 계발)으로 묶이는 것이 목표였으므로, 묶을 요인수를 3개로 지정해 줄 필요가 있습니다.
다시 요인분석을 합니다.
변수목록에서 공통성이 낮았던 CA06을 제거합니다.
[요인추출] 옵션의 추출 영역에서 고정된 요인 수 를 강제로 3개로 지정해준 후, [확인] 버튼을 클릭하여 요인분석을 실행합니다.뷰어에 요인분석의 결과가 추가되었습니다.
공통성을 확인합니다. 4문항(CA03, CA04, CA13, CA16)의 공통성이 .4 이하입니다.
하지만 4문항을 다 제거할 필요는 없습니다. CA13은 공통성이 .394 이므로, .4 이상으로 살릴 수 있습니다.
회전된 성분행렬의 경우 6요인으로 묶였던 것이, 원하던대로 3요인으로 그룹핑된 것을 확인할 수 있습니다.
다시 요인분석을 합니다 .
공통성이 낮았던, CA03, CA04, CA16을 제거한 후, 요인분석을 실행합니다.
CA13의 공통성이 .394 에서 .500 으로 증가하여, 기준인 .4 이상이 되었습니다.
회전된 성분행렬을 확인해보면,
1요인: 8문항(CC19~CC17)
2요인: 5문항(CB09~CB14)
3요인: 7문항(CA01~CA07)
으로 그룹핑되어 있습니다.
1요인은 CC들로 구성되어 있어, [자기계발 만족] 요인이라는 것을 알 수 있습니다.
2요인은 CB들로 구성되어 있어, [취미활동 만족] 요인이라는 것을 알 수 있습니다.
3요인은 CA들로 구성되어 있어, [가족활동 만족] 요인이라는 것을 알 수 있습니다.
1요인과 CC로만, 2요인은 CB로만 구성되어 있지만,
3요인은 CA가 아닌 CB13과 CB15가 포함되어 있으므로, 이 두 문항을 제거해야 합니다.
하지만 CB15는 2요인에서의 요인적재량이 .424로 낮은 편이 아니라, 살릴 가능성도 있습니다.
일단 CB13만 제거해보기로 합니다.
다시 요인분석을 합니다.
CB13만 제거해봅니다.
공통성은 모두 .4 이상입니다.
CB15는 여전히 3요인에 있습니다. 제거해야 합니다
그런데 CB13이 제거되자, 3요인에 잘 있던 CA05가 2요인으로 이동했습니다. CA05도 삭제합니다.
다시 요인분석을 합니다.
CA05와 CB15 두 문항을 더 제거한 후, [확인] 버튼을 클릭하여 요인분석을 실행합니다.
마지막 요인분석이므로, 다른 표들에 대해서도 설명합니다.
KMO와 Bartlett의 검정은 문항들 간의 상관계수가 다른 문항들에 의해 얼마나 잘 설명되는지 정도를 나타냅니다.
KMO값이 .828이면 꽤 높게 설명되고 있다고 할 수 있습니다.
<참고: KMO 범위별 해석>
0.9 이상이면 상당히 높은 편
0.8~0.89 꽤 높은 편
0.7~0.79 적당한 편
0.6~0.69 평범한 편
0.5~0.59 낮은 편
0.5 미만 받아들일 수 없음을 의미합니다.
Barlett의 구형성 검정은 요인분석 모형의 적합성 여부를 나타냅니다.
유의확률이 0.000이므로 적합하다고 할 수 있습니다.
공통성(Communality)은 추출된 요인들에 의해서 설명되는 변수의 분산입니다.
공통성은 모두 0.4이상으로 수용할 수 있는 수준으로 설명되고 있습니다.
(공통성이 0.4 이하인 문항은 공통성이 낮다고 판단하여 제거합니다.(0.5 이상이면 더 바람직함))
초기 고유값을 확인하면, 몇 요인으로 그룹핑되면 좋은지 알 수 있습니다.
성분4까지는 초기고유값 합계가 1이상입니다.(1.032, 성분5부터는 고유값합계가 .939로 1미만임)
이것은 4개의 요인으로 그룹핑하는 것이 바람직함을 의미합니다.
(스크리도표를 통해서 확인가능, 하지만 연구자는 강제로 3개의 요인으로 그룹핑하였음)
논문에서 가장 중요한 것은 회전 제곱한 적재값으로,
회전 제곱합 적재값에서의 고유값은 추출된 요인들에의 설명되는 변수의 분산입니다.
1요인(자기계발): 5.161
2요인(취미활동): 3.689
3요인(자기계발): 2.292
분산설명율은
1요인(자기계발): 30.361%
2요인(취미활동): 21.699%
3요인(가족활동): 13.481%
입니다.
회전하기 전의 성분별 요인적재량입니다.
회전하기 전 초기값보다, 회전하여 수렴시킨 후의 성분행렬이 더 중요합니다.
요인적재량(factor loading)은 문항(변수)과 요인과의 상관관계의 정도입니다.
전 문항의 요인적재량은 기준인 .4 이상입니다.
(요인적재량의 기준은 ±.4(또는 ±.3)입니다.)
요인분석의 결과를 논문작성 중인 한글파일에 작성하기 위해, 한글파일에 타당도와 신뢰도 분석결과 표를 작성합니다.
변수명과 요인적재량을 작성합니다.
(SPSS 표에서 우클릭 후 [내용편집-뷰어에서]를 선택하면, 원하는 데이터를 복사하여 한글문서에 붙여넣기 할 수 있어 편리합니다. (표를 더블클릭해도 됨)
공통성을 작성합니다.
설명된 총분산 표를 확인하여, 고유값과 분산설명을 작성합니다.
(신뢰도는 다음에 작성합니다.)
분석이 완료되면, 뷰어에서 분석기록(log)을 관리해야 합니다.
최종 요인분석결과를 나중에 확인하기 편하도록 이름을 수정합니다.
뷰어에서 불필요한 분석결과들을 삭제합니다.
출력결과 파일을 저장합니다.
아래 첨부파일과 같은 SPSS 뷰어파일이 저장되어 있으면 성공입니다.
출력결과1.spv
요인분석의 경우, 한 번만에 끝날수도 있고, 10번 20번해도 안 끝날수도 있습니다.
이 문항을 빼보고, 다음엔 저 문항을 빼보면서, 원하는 결과가 나올때 까지 계속 분석은 진행해야하기 때문입니다.
물론 방해문항으로 판단되는 문항들을 한번에 모두 제거하면 빨리 요인분석을 진행할 수 있겠지만,
그런 경우 어렵게 받은 설문결과들을 많이 사용하지 못하고,
원래 계획한 측정도구와 많이 달라지기 때문에, 연구에 영향을 줄 수 있다는 문제도 있습니다.
좋은 측정도구로 좋은 환경에서 설문이 진행되어 요인분석결과가 한 번에 잘 나오면 좋겠지만,
최악의 경우, 설문문항 타당도가 너무 낮아 그룹핑이 불가하여, 다시 설문하는 것 이외에 방법이 없는 상황을 맞을 수도 있습니다.
이런 경우, 꼼꼼하게 원본의 데이터를 살펴봐야 합니다.
응답값에 1~5 사이의 값이 있어야 하는데, 오타로 인해 ’50’ 같은 잘못된 값이 있는지,
역문항들이 있는데 역연산 처리를 뺴먹지 않았는지,
아니면 설문태도가 안좋았던 사람들을 알고 있어서, 그 사람들의 응답값들을 제거할 수 있다든지 확인해봐야 합니다.
요인분석(Factor Analysis)이란
많은 변수들의 상호 관련성을 소수의 요인(factor)으로 추출하여 전체변수들의 공통요인을 찾아내 각 변수가 받는 영향의 정도와 그 집단의 특성을 규명하는 통계분석방법이다. 요인분석을 통해 타당성을 평가할 수 있고, 동시에 불필요한 변수들을 제거할 수 있다.
관련 글 보기
2015/12/03 – [논문통계/SPSS] – SPSS에서 엑셀데이터 불러와서 저장하기(예제파일포함)
2015/12/03 – [논문통계/SPSS] – SPSS에서 빈도분석으로 인구통계적 특성 파악하기
2015/12/05 – [논문통계/SPSS] – SPSS에서 요인분석으로 타당도 측정하기
2015/12/05 – [논문통계/SPSS] – SPSS에서 크론바흐 알파(Cronbach’s α)로 신뢰도 측정하기
2015/12/06 – [논문통계/SPSS] – SPSS에서 변수 계산으로 요인 평균값 만들기
2015/12/06 – [논문통계/SPSS] – SPSS에서 상관관계분석으로 변수 간 상관도 분석하기
2015/12/06 – [논문통계/SPSS] – SPSS에서 회귀분석으로 영향을 미치는지 확인하기
2015/12/06 – [논문통계/SPSS] – SPSS에서 3단계 회귀분석으로 매개변수의 매개효과 확인하기
2015/12/06 – [논문통계/SPSS] – SPSS에서 위계적 회귀분석으로 조절변인의 조절효과 확인하기
2016/01/11 – [논문통계/SPSS] – SPSS에서 더미변수를 이용하여 회귀분석하기
2016/01/11 – [논문통계/SPSS] – SPSS에서 T-test로 두 집단간의 평균 비교하기
2016/01/17 – [논문통계/SPSS] – SPSS에서 One-Way-Anova(일원배치분석)으로 여러 집단간의 평균 비교하기
2016/02/10 – [논문통계/SPSS] – SPSS에서 카이제곱 분석으로 변수들간의 독립성과 관련성 분석하기
2016/02/10 – [논문통계/SPSS] – SPSS에서 군집분석으로 집단을 군집으로 분류한 후 특성 확인하기
생각보다 어렵지 않아
반응형
이번에는 탐색적 요인분석에 대해서 간략하게 알아볼거예요.
[통계 이야기/탐색적요인분석(EFA)] – 탐색적 요인분석 개괄 ◁ 현재 포스팅 [통계 이야기/탐색적요인분석(EFA)] – 탐색적 요인분석 실전 1 [통계 이야기/탐색적요인분석(EFA)] – 탐색적 요인분석 실전 2 [통계 이야기/탐색적요인분석(EFA)] – 탐색적 요인분석 문답설명에 들어가기 전에, 요인분석은 흔히 사용하지만 사실 상당히 어렵다고도 볼 수 있는 통계 방법이예요. 그래서 그런지 잘 못 사용하고 있는 경우가 태반이예요. 물론 제가 100% 확실히 알고 있는건 아니지만, 제가 확실하게 아는 한도내에서도 많이 틀리고 설명하기 까다로운 부분들도 많아요. 이 점 감안하시고, 비판이 많을 수 있으니 부디 감내해주시기를 바랄게요.
요인분석에는 크게 확인적 요인분석과 탐색적 요인분석이 있어요.
둘 중에 둘 다 분석할건지, 아니면 어느 하나만을 분석할건지 먼저 결정해야해요.
탐색적 요인분석 vs. 확인적 요인분석–어떻게 결정할까?
요인분석의 주요 목적은 자료의 축소와 측정문항 혹은 변수 간의 공통성을 찾아내서 자료를 요약하는 거예요.
요인분석은 기본적으로 분산을 이용하는 거예요. 흔히 말하는 설명력 있잖아요? r제곱 이라고도 하죠? 이 r제곱 혹은 설명력을 공통된 분산이라고 생각하시면 돼요. 여기서 r은 상관계수인거 아시죠? 따라서 요인분석은 본질적으로 상관관계를 근간으로 해요. 다시 말하면, 요인분석은 측정 문항들의 분산을 이용하는 방법이고, 쉽게 말하면 측정 문항들간의 상관관계를 이용하는 방법이예요.
여기서 탐색적 요인분석은 문자 그대로 탐색적으로 요인분석을 하는거예요.
예를 들어서, A라는 변수를 측정하기 위한 측정 문항들을 기존의 연구에서 발췌하였으며, 아주 흔하게 쓰이는 문항들이예요. 그렇다면 ‘탐색적’으로 요인분석을 할 필요가 없겠죠? 흔하게 쓰인다는 의미는 선행 연구에서 그 타당성과 신뢰성이 증명되었다는 의미니깐요. 물론 이러한 문항들의 타당성과 신뢰성이 의심된다면 탐색적인 요인분석을 다시 해 봐야겠죠. 이럴 경우 연구의 목적이 확 달라져요. “A변수의 측정문항 비판 및 새로운 문항 개발”과 같이요. 그래서 탐색적 요인분석이 ‘주로’ 쓰이는 연구는 문항 개발하는 연구에서 많이 쓰여요.
확인적 요인분석은 역시 문자 그대로 확인적으로 요인분석을 하는거예요. ‘기존 연구에서 확인이 되었으니 본 연구에서는 확인적으로 요인분석을 한번 더 해보겠다’는 거죠. 구별이 되시나요?
많은 연구에서 왠만하면 탐색적 요인분석을 쓰는 경향이 있어요. 엄밀히 말하면 틀린 건 아니라고 생각해요. 더 엄밀한 연구가 되겠죠. 하지만 이는 통계에 너무 의존하는 연구가 된다고 생각해요. 생각 해보세요. 요인적재량이 안나오면 문항을 삭제하고 그러잖아요? 근데 그 문항이 해당 변수에 매우 중요한 문항이라면요? 데이터 수집 과정에서 오류가 생겨서 적재량이 낮게 나왔다면요? 그럼 이런 요인분석을 통해 나온 결과를 신뢰할 수 있을까요?
측정 문항을 개발하거나 탐색적 요인분석의 취지에 맞는 연구를 제외하고는 탐색적 요인분석 사용은 자제해야 한다고 생각해요. 왜냐하면 요인분석 자체가 데이터 손실이 있고, 통계적으로 너무 의존하는 경향이 생기는 등 모든 연구에서 반드시 필요한 분석이 아니라고 생각해요.
그럼 요인분석을 안하고 어떻게 측정 문항을 변수로 묶냐고요? 선행 연구와 신뢰도 분석을 근거로 하면 충분하다고 생각해요. 그리고 아주 당연하고 명백한 측정 문항들을 사용하는 것도 방법이고요. 후회라는 변수를 이용한다고 생각해보세요. 대충 “얼마나 후회하셨나요?” “얼마나 선택을 되돌리고 싶나요?” 이렇게 나눠서 해도 되겠죠? 그냥 “얼마나 후회하셨나요?”라고 물어보면 더 명백한 것 같아요. 하지만 유의할 점은 만약 선택지가 7점 척도라던가 그러면 등간 척도가 아닌 서열 척도로 봐야할 수도 있어요.
사설이 길었네요. 자 그럼 탐색적 요인분석을 선택했다고 칠게요.
데이터는 얼마나 필요할까?
샘플의 수는 최소 100개 이상이 되는게 좋아요. 보통 측정 문항당 10개의 데이터면 오케이 해요. 예를 들어, 20개의 문항을 이용해서 요인분석을 한다면 200개의 데이터가 필요한거죠. 어떤 학자들은 측정 문항당 20개의 데이터를 요구하기도 해요.
자, 이제 또 하나 결정해야 해요.
component analysis 를 사용 할 것인가 common factor analysis 를 사용 할 것인가?!
이걸 결정하기 이전에, 먼저 분산의 종류에 대한 이해가 필요해요.
분산의 종류는 크게 세 가지로 나눌 수 있어요. common/specific/error variance.
common variance는 음.. 공통 분산이라고 하면 될라나요? 이는 말 그대로 문항들 간 혹은 변수들 간 공유하고 있는 분산을 말해요. 쉽게 말해 상관관계를 의미해요.
specific variance는 unique variance라고 하기도 하고요, 자세히 설명하면 말이 길어지니, error variance와 함께 설명하자면, specific variance와 error variance는 상관관계로 설명이 안되는 부분이예요. 쉽게 말해, 공유하고 있는 부분을 제외한 나머지 부분이라고 생각하시면 돼요.
자, 다시 돌아가서, (principal) component analysis (이하 CA)는 저 세 가지 분산을 모두 고려한 분석이고요,
common factor analysis(이하 CF)는 common variance만을 고려한 분석이예요.
결론부터 말하면, CA의 목적은 데이터 축소에 있고요, CF의 목적은 잠재된 변수를 찾는거예요.
CF를 먼저 생각해볼게요. CF는 앞서 말한바와 같이, common variance만을 고려해요.
즉, 공통된 부분만 고려하겠다 이거예요. 왜요? 공통된 부분이 아닌 부분은 뭔지 모르잖아요.
예를 들어, 후회를 측정할 때, “얼마나 후회되시나요?”, “얼마나 선택을 되돌리고 싶으신가요?”라고 물어봤다고 쳐요.
후회로서 공통된 부분이 있겠죠? 하지만 그 나머지는요?
만약 응답자가 그닥 후회되지는 않은데 부끄러움 때문에 선택은 되돌리고 싶긴해 라고 생각한다면요?
어떠한 error가 있다던가, 두 질문에 뭔가 모를 차이가 있다면요? common variance를 제외한 나머지를 파악하기는 굉장히 힘들어요. 따라서 공통된 부분만을 고려해서 잠재된 변수를 찾는거예요.
CA는 전부 다 고려하잖아요? 그럼 error variance건 뭐건 다 포함하는거예요. 이 분석은 보통 common variance를 제외한 분산이 상당히 적다고 충분히 말할 수 있을 때, CF를 대신해 사용할 수 있을거예요. 하지만 이러한 분산이 적다고 자신있게 말할 수 있는 경우는 드물어요.
주로 탐색적 요인분석을 왜 사용하세요? 측정 문항간에 잠재되어 있는 변수를 찾기 위해 사용하지 않나요?
그렇다면 common factor analysis(CF)를 사용해야 해요. 하지만 제가 본 90%의 논문은 component analysis(CA)를 사용했어요. 제 의견으로는 이건 잘못됐다고 봐요. 하지만 왜 사람들이 왜 component analysis를 고집하는 걸까요? 먼저, 전통을 그냥 답습하고 있는 경우가 태반인 것 같고요, 둘째, spss상에서 기본 옵션이 component analysis로 되어 있어요. 그래서 그냥 사용하는게 아닌가 싶어요.
다음 포스팅에서는 스샷과 함께 직접 EFA를 같이 해봐요!
도움이 됐다면 커피 한 잔 사주시면 감사하겠습니다^^
반응형
탐색적 요인분석? 확인적 요인분석? > 통계분석강좌
본문
안녕하세요!!! 논문1번지입니다 .^^;
오늘은 아주 많이 바쁠것 같네요. 아침에 출근해서 이메일을 열어보면 많을때에는 이메일이 40통이 넘게 와 있습니다.
물론 스팸도 있지만 ^^; 대부분 논문에 대한 내용이라 답장을 다 해드리고 나면 오전이 훌쩍지나가 버린답니다.
이런 저런 보고 저희 사무실 분들은 저보고 메일돌~~~ 이라고 부르신답니다. ㅎㅎ
오늘은 며칠전 저와 30분이라는 긴 시간동안 상담한 요인분석에 대한 이야기 입니다.
요인분석이란 무엇일까 부터 이야기를 해봐야 겠네요.
요인분석이란 타당성분석의 하나입니다. 타당성분석은???
바로 측정도구가 제대로 되어 있는지를 파악하는 분석방법입니다 .
타당도 분석은 크게 요인분석과 신뢰도 분석으로 나누어지죠..
흔히 만인이 사용하는 spss에서 요인분석을 사용하면 이것은 탐색적 요인분석이라 칭하게 됩니다. 그냥 요인분석이라고 하기도 하구요.
그러면 확인적 요인분석은?
탐색적 요인분석을 확인하는 방법입니다. 확인적 요인분석은 탐색적요인분석보다 더 까다로운 잣대를 쓰게 되죠. 사용하는 통계툴 역시 amos라는 구조방정식 프로그램을 이용해서 검색을 하게 된다는 것입니다.
주로 확인적 요인분석을 하게 되면 탐색적 요인분석을 할때보다 설문항목수가 더 줄어드는 것을 볼수가 있는데요. 이것은 확인적 요인분석에서 부합해야 하는 기초부합지수를 만족시키기 위해 적합도 향상 및 SMC(spss에서의 요인적재치 개념)값이 낮은 설문항목을 버리게 되기 때문에 그런 경우가 생긴답니다.
이제 이해가 되셨으면 좋겠습니다.
멋진 하루 되십시요
논문컨설팅, 논문통계는 논문1번지와 함께.
키워드에 대한 정보 탐색 적 요인 분석
다음은 Bing에서 탐색 적 요인 분석 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 SPSS 탐색적 요인분석(EFA, Exploratory Factor Analysis) 방법 / 논쓰남 완벽 정리 / 주성분 분석 / 공통요인분석 / 베리맥스 / 직접 오블리민
- 동영상
- 공유
- 카메라폰
- 동영상폰
- 무료
- 올리기
SPSS #탐색적 #요인분석(EFA, #Exploratory #Factor #Analysis) #방법 #/ #논쓰남 #완벽 #정리 #/ #주성분 #분석 #/ #공통요인분석 #/ #베리맥스 #/ #직접 #오블리민
YouTube에서 탐색 적 요인 분석 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 SPSS 탐색적 요인분석(EFA, Exploratory Factor Analysis) 방법 / 논쓰남 완벽 정리 / 주성분 분석 / 공통요인분석 / 베리맥스 / 직접 오블리민 | 탐색 적 요인 분석, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.