[학습자료] 요인분석 소개
- 쇼셜이노베이션융합전공
- 조회수305
- 2022-02-23
이번 학습자료는 여러 변수들 간의 공분산과 상관관계등을 이용하여 변수들 간의 상호관계를 분석하고, 그 결과를 토대로 문항과 변수들 간의 상관성 및 구조를 파악하여 여러 변수들이 지닌 정보를 적은 수의 요인으로 묶어서 나타내는 요인분석에 대해 알아보고자 합니다. 요인분석을 실시하면 여러 변수들에 대한 정보가 몇 개의 핵심 내재 요인으로 간추려지며, 이렇게 되면 정보를 좀 더 쉽게 이해할 수 있으며, 추가 분석을 진행하기도 쉬운 장점이 있습니다.
[요인분석의 개념과 자료]
탐색적 요인분석
- 사전에 어떤 변수들끼리 그룹핑되어야 한다는 전제를 두지 않는다.
확인적 요인분석
- construct별로 다수의 항목들을 개발하여 측정한 자료들을 요인분석하여 동일한 construct를 측정하기 위한 항목들끼리 그룹핑되는지를 조사하는 것
[표 1] 5명의 소비자에 의한 fast-food점의 평가
요인분석을 위해서는 변수가 간격척도 혹은 비율척도에 의해 측정되어야 합니다. 또한, 표본의 크기(관측치의 수)는 100개 이상이 바람직하며 최소한 50개는 되어야 합니다. 변수의 수보다 관측치의 수가 10배 이상이 바람직하며 최소한 5배는 되어야 합니다.
[요인추출방법]
[그림 1] 요인추출방법
공통요인분석의 실행상 몇 가지 문제 때문에, 주성분분석이 보다 널리 사용되는 경향이 있습니다.
추출할 요인의 수를 결정하는 방법은 몇 가지가 있습니다. 보통 아래와 같은 기준을 고려해서 요인을 추출하게 됩니다.
1. Eigenvalues
- 한 요인의 설명력: 한 요인에 대한 ”요인적재값의 제곱의 합“
- 보통 eigenvalue 1 이상을 갖는 요인의 수만큼 추출
2. 요인의 수를 사전에 결정
- 예. SERVQUAL – tangibles, assurance, reliability, responsiveness, empathy
3. 전체 요인들의 설명력 기준
- 사회과학분야에서는 보통 60% 내외를 기준으로 함
4. 스크리 도표
[그림 2] 스크리 도표
5. 종합
- eigenvalue를 이용하는 경우가 가장 많으며, 이때 기준은 보통 eigenvalue 1을 기준으로 함
[요인의 회전]
요인적재값(Factor loading)
- 각 변수와 해당 요인간의 상관관계계수를 말하며, 추출된 요인을 회전하여 요인구조(factor structure)를 명확히 알 수 있다.
직각회전
- 직각을 유지하면서(요인들 간에 독립성 유지) 요인구조가 가장 뚜렷할 때까지 요인을 회전한다.
사각회전
- 직각을 유지하지 않은 채 요인구조가 가장 뚜렷할 때까지 요인을 회전한다.
[그림 3] 직각요인 회전
[그림 4] 사각요인 회전
[요인행렬의 해석]
1. 요인적재값(Factor loading) : 변수와 요인 간의 상관관계
- +1 과 –1 사이의 값을 가지며, 흔히 .50 이상일 때 실제적 유의성을 갖는 것으로 받아들인다.
2. Communality
- 한 변수의 communality는 그 변수의 분산이 추출된 요인들에 의해 설명되는 정도를 가리키며 0과 1 사이의 값을 갖는다.
- communality 값이 .50보다 작은 경우 취할 수 있는 방법은 그 변수를 무시하고 나머지 변수를 중심으로 해석하거나, 그 변수를 제거하고 요인분석을 다시 실시한다.
3. 명칭부여
- 요인 개수의 결정방법에 따라 요인의 수가 결정되었다면 해당 요인들에 포함된 변수들의 성격을 잘 대변하는 적합한 명칭을 부여한다.
요인분석에 대한 보다 상세한 설명과 예시는 아래의 링크에서 확인이 가능합니다.
* 주성분분석과 요인분석의 차이
https://pizzathief.oopy.io/pca-and-fa
* 요인분석의 주요 개념
* 출처:
사회과학조사방법론. 채서일·김주영 지음. * 제대로 알고 쓰는 논문 통계분석 SPSS & AMOS. 노경섭 지음. 한빛아카데미 |