|
요인분석(Factor
Analysis)
요인분석(factor
analysis)은
여러
변수들
간의
상관관계를
분석하여
공통의
성향을
보이는
변수들
(요인)을
추출하여,
변인들이
갖고
있는
정보를
잠재된
적은
수의
구조(construct)로
축약하거나
요약
하기
위해
사용하는
통계기법이다
1.
기본
조건
요인분석을
위한
기본조건은
다음과
같다.
첫째,
분석에
사용되는
변수는
등간척도나
비율척도에
의해
측정되어야
하며,
둘째,
표본의
크기는
최소
50개
이상이
바람직하며,
변수의
수를
고려하여
관측치의
수가
적어도
10배
이상이
바람직하며
최소한
5배
이상을
되어야
한다.
셋째,
기본적으로
요인분석은
상관관계가
높은
변수들끼리
그룹화하는
것이므로
변수들
간의
상관
관계가
매우
낮다면(보통
±3
이하)
그 자료는
요인
분석에
적합하지
않다.
2.
요인분석의
목적
첫째,
변수들을
축소함으로서
여러개의
관련있는
변수들이
하나의
요인으로
묶여지므로
많은
변수
들이
적은
수의
요인으로
줄어들게
된다.
둘째,
불필요한
변수들의
제거로서
요인에
포함되지
않거나
포함되더라도
중요도가
낮은
변수를
찾
을
수 있으므로
불필요한
변수가
제거된다.
셋째,
변수들의
특성
파악으로
관련된
변수들이
묶여져
요인을
이루고
이들
요인들은
상호독립적인
특성을
가지게
되므로
변수들의
특성이
밝혀진다.
넷째,
하나의
특성을
측정하기
위해
관측된
변수들이
하나의
요인으로
묶여지므로
측정도구가
타당
한가를
판단할
수 있다.
다섯째,
요인분석에서
얻어지는
요인점수를
이용하여
회귀분석,
판별분석등에
활용할
수 있다.
3.
요인
추출
방법
요인추출방법에는
주성분분석(principle
component
analysis)과
공통요인분석(common
factor
analysis)의
두 가지가
있는데,
주성분분석이
보다
많이
사용된다.
1)
주성분
분석(principle
component
analysis)
: 다양한
변수들의
분산
중 가급적
많은
부분을
설
명하는
소수의
요인을
추출하는데
목적이
있고,
공통분산이
크다는
사실을
알고
있을
경우에
적절하
다.
2)
공통요인
분석(common
factor
analysis)
: 원래
변수들의
토대가
되는
잠재
차원을
찾아내고
분
산의
구성에
대한
사전지식이
많지
않을
때 적절하다.
상관행렬의
대각선에는
communalities
가 사용
된다.
4.
요인부하량과
커뮤넬러티,
고유치
요인부하량(factor
loading)은
각 변인과
요인간의
상관관계라고
생각할
수 있다.
따라서
요인부하
량이
관찰변인과
요인의
상관이고
요인에
대한
각 변인의
가중치라는
점에서
요인부하량이
크면
그만
큼
그 요인을
잘 측정하는
변인이라고
할 수
있다.
또한
요인부하량의
자승은
결정계수
R²를
의미하
기
때문에
요인부하량이
높은
변인은
해당
요인을
그만큼
잘 설명하는
변인이라고
할 수
있다.
반면,
커뮤넬러티(communality)는
추출된
요인들에
의해
설명되는
각 관찰변인들의
변량비율이라고
할 수
있다.
요인부하량이
산출되었을
때,
커뮤넬리티는
각 요인에
대한
개별
변인의
요인부하량을
자승하여
더하여
구할
수 있다.
고유치(Eigenvalues)란
각각의
요인으로
설명할
수 있는
변수들의
분산의
총합으로
각 요인별로
모든
변수의
요인적재량을
제곱하여
더한
값이다.
Eigenvalue가
크다는
것은
그 요인이
변수들의
분
산을
잘 설명한다는
것을
의미하며,
Eigenvalue를
기준으로
할 때,
Eigenvalue
1 이상을
갖는
요인
수만큼
추출한다.
한편,
요인회전에는
직각회전(VARIMAX,
QUARTIMAX,
EQUIMAX)과
사각회전(OBLIMIN,
PROMAX)
이
있는데
일반적으로
직각회전
방법인
VARIMAX를
많이
사용한다.
5.
사례
아래
<표>는
기업의
정보공유가
직원의
근무
만족에
미치는
영향
중 정보공유에
대한
요인분석
결
과로서
요인분석방법은
요인의
수를
최소한으로
산출하고
최초
변인들이
지닌
정보(변량)를
극대화하
고자
할 때
사용되는
주성분분석(principle
component
analysis)과
요인의
회전에
의한
방법에
있어서
는
직각회전방법인
베리멕스
회전법(Verimax
Rotating
Method)으로
실시하였다.
<표>
정보공유에
대한
요인분석
정보공유에
대한
23문항의
요인분석
결과
고유치(Eigenvalue)가
1.0이상인
요인이
4개
도출되었으
며,
요인이
설명하는
변량의
총계는
66.207%의
설명력이
있는
것으로
나타났다.
요인수가
늘어나면
전체
설명력은
높아지지만
변수에
비해
너무
많은
요인이
추출되면
요인분석의
의미가
약해지므로
적
은
수의
요인을
추출하면서
설명력을
높이는
것이
매우
중요하다.
정보공유에
대한
요인분석결과
요인
1은
구성원과
고객의
신뢰성,
요인
2는
인사
및 복리
정보의
공유,
요인
3은
경영정보의
공유,
요인
4는
재무정보의
공유,
요인
5 고객정보의
공유으로
명명하였으
며,
또한
각 요인들의
신뢰도
분석결과
Cronbach's
alpha
값이
일반적인
사회과학의
충족요건인
.60
보다
매우
높은
것으로
나타나
분석에
적합함을
알 수
있다.
|
설문문항 |
Component |
Cronbach's alpha |
|
요인1 |
요인2 |
요인3 |
요인4 |
|
O11 |
.824 |
|
|
|
.9475 |
|
O10 |
.775 |
|
|
|
|
O9 |
.742 |
|
|
|
|
O12 |
.643 |
|
|
|
|
O8 |
.571 |
|
|
|
|
O13 |
.526 |
|
|
|
|
O3 |
|
.780 |
|
|
.7989 |
|
O5 |
|
.771 |
|
|
|
O4 |
|
.646 |
|
|
|
O6 |
|
.617 |
|
|
|
O1 |
|
.572 |
|
|
|
O7 |
|
.567 |
|
|
|
O23 |
|
|
.760 |
|
.8035 |
|
O22 |
|
|
.715 |
|
|
O20 |
|
|
.705 |
|
|
O21 |
|
|
.624 |
|
|
O18 |
|
|
.586 |
|
|
O17 |
|
|
|
.708 |
.8189 |
|
O16 |
|
|
|
.679 |
|
O15 |
|
|
|
.678 |
|
O14 |
|
|
|
.600 |
|
O19 |
|
|
.509 |
.514 |
|
Eigenvalue |
3.566 |
3.369 |
3.267 |
3.156 |
|
|
설명 변량 |
17.1503 |
16.645 |
16.338 |
15.721 |
|
누적 설명변량 |
17.503 |
34.148 |
50.486 |
66.207 |
|
