SPSS에서 요인분석으로 타당도 측정하기(탐색적 요인분석)

2015. 12. 5. 21:08

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 일변량기술통계와 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 정렬을 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 수를 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.

'논문통계 > SPSS' 카테고리의 다른 글

SPSS에서 상관관계분석으로 변수 간 상관도 분석하기 (23)	2015.12.06
SPSS에서 변수 계산으로 요인 평균값 만들기 (4)	2015.12.06
SPSS에서 크론바흐 알파(Cronbach's α)로 신뢰도 측정하기 (19)	2015.12.05
SPSS에서 빈도분석으로 인구통계적 특성 파악하기 (5)	2015.12.03
SPSS에서 엑셀데이터 불러와서 저장하기(예제파일포함) (11)	2015.12.03

LearnX

SPSS에서 요인분석으로 타당도 측정하기(탐색적 요인분석)

'논문통계 > SPSS' 카테고리의 다른 글

+ 최근 게시물들

티스토리툴바