Skip to content
The Chat Archive
gemma-3-27b-it· Google LMArena Human Preference 140K

결과가 좋으면 스크리도표 생략도 가능. 이런 식의 자세하게 쓴거도 알맞게 고쳐서 다시 써줘 중간중간 뭐가 생략됐는데

  1. User

    결과가 좋으면 스크리도표 생략도 가능. 이런 식의 자세하게 쓴거도 알맞게 고쳐서 다시 써줘 중간중간 뭐가 생략됐는데

  2. Assistant

    탐색적 요인분석 (EFA) 핵심 정리 (개정판)

    다음은 탐색적 요인분석의 주요 내용들을 간결하고 명확하게 정리한 것입니다.

    1. EFA vs. CFA: 기본 원칙

    • EFA (탐색적 요인분석): 데이터에서 잠재적인 요인 구조를 발견하는 과정. (예: 우울증의 하위 요인이 무엇인지 탐색)
    • CFA (확인적 요인분석): 기존 이론이나 가설에 기반하여 특정 요인 구조가 데이터에 맞는지 검증하는 과정. (예: "우울증은 3가지 요인으로 구성된다"는 가설 검증)
    • 표본 분리: EFA와 CFA는 반드시 다른 표본을 사용하여야 함. 동일 표본 사용 시 결과의 일반화 가능성이 낮아짐. (예: 총 400명 중 200명은 EFA, 200명은 CFA)

    2. 타당도 확보: 수렴 & 판별 타당도

    • 수렴 타당도: 동일한 개념을 측정하는 문항들은 서로 높은 상관관계를 보여야 함.
      • 팩터 로딩: 0.6 이상 권장.
      • 평균 추출 적재량 (AVE): 0.5 이상 권장.
      • 복합 신뢰도 (CR): 0.7 이상 권장.
    • 판별 타당도: 서로 다른 개념을 측정하는 문항들은 명확히 구분되어야 함.
      • Fornell-Larcker 기준: 제곱근 AVE > 해당 요인과 다른 요인 간의 상관계수.

    3. 요인분석 설계: 핵심 고려 사항

    • 표본 크기: 최소 100명 이상 권장. 문항 수가 많을수록 더 큰 표본 필요. (문항당 최소 5~10명)
    • 정규성 검정: 왜도 (±2), 첨도 (±7) 범위 내에 있는지 확인.
      • 정규성 위반 시: 주축 요인분석 (PAF) 사용.
    • 공통성 (Communality): 문항이 공유하는 분산의 비율. 0.4 이상 권장.

    4. 요인 추출 및 회전 방법

    • 추출 방법:
      • 주성분 분석 (PCA): 전체 분산 설명 (탐색적 목적).
      • 공통 요인 분석: 공유 분산만 설명 (일반적으로 선호).
        • 최대우도법 (MLE): 정규분포 가정 (정규성 검정 필수).
        • 주축 요인법 (PAF): 비정규 데이터에 적합.
    • 회전 방법:
      • 직교 회전 (Varimax): 요인 간 상관관계가 없다고 가정.
      • 비직교 회전 (Oblimin): 요인 간 상관관계가 존재할 수 있다고 가정 (현실적인 데이터에 더 적합).

    5. 요인 수 결정: 주요 기준

    • 카이저 규칙 (Eigenvalue ≥ 1): 가장 널리 사용되는 기준.
    • 스크리 플롯 (Scree Plot): 기울기가 완만해지는 지점 이후의 요인 수 선택 (보조적 기준). 결과가 좋으면 스크리 플롯 생략 가능.
    • 누적 분산 기여도: 60% 이상 권장.
    • 요인당 문항 수: 최소 3개 이상 (신뢰도 확보).

    6. 패턴 행렬 vs. 구조 행렬

    • 패턴 행렬 (Pattern Matrix): 각 문항이 요인에 미치는 고유한 기여도 (회귀계수).
    • 구조 행렬 (Structure Matrix): 문항과 요인 간의 상관관계.
    • 해석: 패턴 행렬을 기본으로 하되, 구조 행렬과 차이가 클 경우 두 행렬 모두 고려.

    7. 교차 적재 (Cross-Loading) 문항 처리

    • 0.6 이상: 해당 요인에 명확히 할당.
    • 0.4 ~ 0.6: 연구자의 판단에 따라 이론적 타당성을 고려하여 할당.
    • 0.4 미만: 제거 검토.

    8. ESEM (탐색적 구조 방정식 모델링)

    • EFA와 CFA의 장점을 결합한 새로운 기법.
    • 교차 적재 문항을 동시에 모델링 가능.
    • SPSS에서는 사용 불가 (R, Mplus 등 필요).

    9. 연구 설계 시 주의사항

    • EFA와 CFA 표본을 완전히 분리.
    • 수렴 타당도 → 판별 타당도 → 구조 안정성 순서로 검증.
    • 통계적 유의성뿐 아니라 이론적 타당성도 함께 고려.

    핵심: EFA는 데이터에서 요인 구조를 탐색하는 과정이며, CFA는 기존 이론을 검증하는 과정입니다. 표본 분리, 타당도 확보, 적절한 분석 방법 선택이 중요합니다.

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.