SPSS로 요인분석하기 - 탐색적 요인분석 1편 봐봐요

하지만 SPSS로 요인 분석 비결을 만들어 보겠습니다. 몇주, 내가 R에서 요인 분석 편을 작성할 때 사용한 1개의 testFile을 이용 칠로, R은 아니라 spss프로그램 환경에서 1개 1개 분석을 합니다.R을 이용한 요인 분석( 주성분 추출까지) 보러 감 봉 test파 하나에서 a0하나~a한 8까지 하나 80개 표본을 탐색적 요인을 분석한다는 소가족에서 진행되 겟슴니다.설문조사의문항구성이어쨌든예제를위한화하나라는것을생각해주시면좋겠습니다.

>

선행연구를 바탕으로 귀하게 얻은 설문조사를 안전하게 SPSS 프로그램으로 모두 이동시켰으므로 측정도구의 타당성 및 신뢰도를 확인하기 위해 요인분석을 진행합니다.SPSS 로,[분석]→[차원 감소]→[요인 분석]에 들어갑니다.요인 분석의 목적은 변수 구조를 파악하고 복잡한 형태를 단순화시켜 자료를 요약하고 분석을 방해하는 질문 항목을 제거함으로써 측정 도구의 타당도 및 신뢰도 확보를 하게 할 수 있습니다.아래[그림 2]로부터[그림 7]까지는 요인 분석 때 옵션 설정의 비결이라고 그에 대한 이야기 이다니다.

>

첫번째로 요인을 분석하고자 하는 변수를 몽육지 우측 박스로 이동시킵니다.a0하나~a한 8까지 요인을 확인하기 위햄이니 한 8개 다 이동시킵니다.[그림 3]처럼 날 눈에 보이는 옵션, 기술 통계 탭을 누르면'통계량','상관 행렬'속에서 선택 항목이 나 오프 라이다.통계량에 대해서는, 확인하고 싶은 것이 있으시면 체크해서 확인해 주십시오.상관행렬 메뉴 중 계수 유의수준을 선택 필요에 따라 선택하면 되지만 각 항목별 상관계수와 그 계수의 유의수준을 결과창에 표시합니다.가장 중요한 KMO(Kaiser-Meyer-Olkin) 측도와 Bartlett 근사chi 제곱 검정옵션은 반드시 체크해 봅시다.이것은 자료의 표본 적합도 평가와 구형성 검정을 확인하는 측도가 됩니다.

>

[요인추출]은 요인추출방법에 대한 설정이다. 물론 목적에 따른 주성분 요인 분석(Principal Component Analysis), 최대 누도(maximum likelihood method), 최소 제곱법(least squares approximation) 등. 복수의 방법을 설정할 수 있습니다. 먼저 가장 많이 사용되는 주성분 요인 분석을 기준으로 예를 들어보겠습니다.분석에 사용할 행렬을 상관행렬을 이용할 것인지 공분산행렬을 이용할 것인지를 선택하면 되지만 Scale이슈를 피하기 위해 보통 상관행렬을 이용한다.다음은 요인 추출이다. 고マ값(Eigen value)을 기준으로 처음보다 큰 값을 기준으로 추출합니다. 만약 요인의 특정 개수가 정해져 있으면, 이하의 "고정 요인수"추출하는 요인안에 그 개수를 입력하면 OK입니다. + 스크린 도표를 확인하고 싶을 때는, 표시 옵션으로 설정해 줍시다.

>

[요인회전] 노하우 선택입니다.1반 적과 직각 회전 방식 중, 배리 멕스(Varimax)방식을 통해서, 요인을 회전시킵니다.직각회전은 요인간의 독립성을 유지시켜주면서 구조가 명확할 때 요인을 회전시키는 방식입니다.(필요에 따라 쿼티, 이콰티 등) 설정하면 됩니다. 또한 오브리민과 프로멕스는 직각회전이 아닙니다.)

>

[요인점수]는 변수로 저장을 선택하고 회귀분석, Bartlett, Anderson-Rubin방법 중에서 선택해도 됩니다. 변수로 저장 옵션을 선택 시 요인을 분석할 때마다 (분석 방해 요소를 발견하고 제거하는 과정을 반복하면) SPSS data 안에 매번 새롭게 변수로 발생합니다. 1단은 선택을 풀어 두고 마지막 최종 요인 분석을 하고 본인 소 송 중인 것을 추천합니다.(누적이 되면 data 규모에 따라 PC가 둔해질 수도 있습니다.)

>

SPSS 요인 분석 설정의 마지막 항목 [옵션]이다.결측값 처리를 판정하고 계수출력시 사이즈별로 정리할지 여부를 선택하세요.

>

위와 함께 설정하면 아래의 결과를 output창에서 확인할 수 있습니다.

>

가장 먼저 KMO(Kaiser-Meyer-Olkin)도=.899, Bartlett근사 χ ²=230하나.767연봉 동결했습니다. 공통성은 전체 0.4이상, 본 인터넷했습니다. (0.4미만이면 제거를 고려하고 보지 않으면 안 됩니다.)KMO측도 기준에 대해서 Kaiser, H.F.(하나 974). An index of factorial simplicity.을 보면 아래 표와 같이 정리되어 KMO값은 최소 0.7이상이 본인 오지 않으면 안 됩니다.

사이에 상관관계 결과표도 자신이 생겼는데... 탐색적 요인 분석 결과 요인의 설명된 총분산으로 진행됩니다.회전 제곱합 적재 가격 부분을 보면 성분, 2,3 3개의 성분으로 추출되었습니다.(초기 코윳가프이 일보다 큰 요인의 수)성분 일의 분산 설명력은 24.6일 8%, 성분 2는 2일.700%, 성분 3은 2일.630%가 됩니다.총 분산의 67.948%를 3가지 요인이 설명하고 있습니다.

>

[회전된 성분 행렬]을 보면 요인적 재량(Factor Loading)을 확인할 수 있습니다.요인적 재량에 대한 cut-off도 존재하고 Hair et al(1998).에 의해서 권장하는 가이드 라인 수준이 있습니다.

우이이 표를 기준에 이하의 교루그와쯔가프을 보면 성분 하나에 3은 의무나 되는 부분은 없다고 생각합니다.그런데 성분 2의 a한 2, a09을 보면 성분 2에 주로 속하고 있지만 성분 하나에도. 479,45하나로 높은 수치를 나타내고 있는 슴니다. 이 두 가지 변수에 대해서는 연구 항목에 따라서 연구자의 주관적 판단이 필요합니다.끝까지 가져갈 것인가, 이것을 제거하고 진행할 것인가.(버릇용 예제인데 잘 안 나와서... 감정하는 부분이 발생하네요. 어찌 보면 무사히 지난 1이 사실 더 드물긴 합니다.)

>

그 후에는 신뢰도를 측청하는 Cronbach's(크론바흐 알파)계수를 산출하고 SPSS탐색적 요인 분석편을 정리하고자 합니다.