9강_요인분석(2)
-
date post
03-Nov-2014 -
Category
Documents
-
view
294 -
download
1
description
Transcript of 9강_요인분석(2)
- 1 -
: 사 SPSS (2)
9차 강 : (2)
습
1. 차 숙지 다.
2. 결과(output) 게 다.
3. 실 료 가지고 실시 다.
<1차시>
지 지 개 과 원리, 개 , 주 과 차 등에
살펴보았다. 강 에 는 앞에 살펴본 개 과 원리
실 차 실 , 결과 등에 살펴볼 것 다.
1. 차
다 과 같 과 거쳐 실시 다.
1. 립 다.
2. 든 변 들에 상 계 수 는 료 지 검 야
다. 변 간 상 계수 는 지고 지도 않아야 다. 다
공산 , 변 간 상 커 독립 지 않다는 것 고, 변 들 간
상 낮다 것 공통 갖 어 다는 것 미 에
에 상 계 검 가 다. 또 결 (missing value)가 많 료
지, 많 료라 보 찾아야 다.
3. 결 다. , 주 에 낼 것 지, 그 다 단계 공통 과 특수
여 는 공통 지 결 야 다. 주
수 산 고 변 들 지닌 보 극 고 , 변
그 체가 사 는 , 공통 변 들 통 쉽게 악 지
않는 재 공통 악 고 사 다. 그러 연 에
다고 공통 지 간다.
* 주 과 (공통 ) 차
보통 변량 “ 체변량=공통변량+특수변량+ 차변량” 다. 공통변량 변
다 변 과 공 고 는 변량 미 고, 특수변량 특 변 만 가지고 는 변
량 다. 차변량 집 차 포 차 알 지지 않 변량 다. 주
- 2 -
가지 변량 포 는 체변량 사 변량 극 는 ‘ ’
지만, 공통 변 들 공 는 변량 , 공통변량만 재 ‘ ’
다. 주 변량 극 는 주 체 변량 얼마 는지 알아보
는 것 에 별 득 없다. 라 주 질과 수가 어 가 알고
는 비단계에 주 사 다.
주 각 변 변량 1 고 시 지만, 공통변량 공
사 다. 상 에 주 1 지만, 에 는 각 에 공
가 들어가고, 각 에 누 량 주 과 달리 다.
4. 다. 주 (principal axis factoring), 주 (principal
factor analysis), 우도 (maximum likelihood estimation) 등 에
수 는 , 컴퓨 그램에 거 사
에 근거 에 수 수도 다. 여 는 량과
각 변 공 가 산 다.
* 량(loading)
각 변 과 간 상 계라고 볼 수 는 앞 듯 직 경우 간
상 0 에 량 에 변 상 계수 수 다. 그러 사
경우 간 상 재 다고 가 에 각 변 에 가
과 변 간 상 계수가 다 값 가지게 고, 라 ( 과 변
간 상 계)과 ( 에 변 가 ) 다 값 가진다. 량
수 당 변 그 다고 보는 보통 ±0.3 ±0.4 량
미 다고 본다.
* 공 (communality)
공 는 들에 는 각 변 변량비 다. 수 는 공 는
독립변 고 찰변 각각 변 여 얻어지는 개별 변
다상 승(SMC; multiple ) 다. 공 가 는 변
20개 상 어야 에 는 어도 20개 상
다.
* 고 (eigenvalue)
각 에 변 량 승 여 값 고 다. 값 변 수
누 변량 산 는 들어 고 가 1.5라고 고, 변 수가 5개
1.5/5=0.3 30% 변량 다고 볼 수 다. 고 는 개별 변
량비 에 1.0보다 당 변 변량도 지 못 다
- 3 -
고 볼 수 다. 라 삼 ‘고 =1’ 고 가 1보다
라는 미 다.
5. 보다 들 다. 에
만 게 고 다 에는 낮게 어 편 진다.
90° 지 는 직 움직 는
사 등 에 는 , 가 안 수
는 리맥스 많 다.
사실 사 과 야에 는 다루는 개 들 독립 라고 가 어
에 사 야 는 경우가 많다. 그러 사 간 다 공산
어 고 후 에 가 어 게 다. 라 에
다 독립 라고 가 고 직 수
다.
6. 통 들 산 마지막 다. 에
각 에 변 들 특 에 라 여 야 고 뒷 수
는 근거가 어야 다.
7. 결과 보고 다 리 고, 그 결과 다.
- 변 간 상 (correlation matrix)
- 주 결과(initial statistics; 변 별 고 , 변량 등). 스 리 (Scree
plot)
- 결과(final statistics; 후 고 , 변량 등)
- 후 (Rotated factor matrix), (factor plot)
- 수(factor coefficient matrix), 수 간 상 (correlation matrix for
estimated regression factor score)
* 가
양병 (1998)에 가 다 과 같다.
1) 본 는 200 상 어야 다. 찰 변 간 상
에 상 에 민감 다. 특 50 사 수 사 는 경우에는
상 계수 신뢰 수 없 에 통 산 타당 게 수
없다. 결과 신뢰 게 는 사 수에 는 100개에
200개 상 사 야 , 사 수가 많 수 보다 신뢰 운 결과 얻 수
다.
- 4 -
2) 다변량 규 포 라야 다. 재 악에 고
에 든 변 가능 규 포 룬다는 다변량 규 포가
어야 다.
3) 변 들 든 계가 는지 악 야 다. 에 는
변 간 상 에 변 간 직 계 가 다. 라 변
들 갖지 못 결과 신뢰 수 없다. 다변량 규
포가 가 계가 다고 본다.
4) 다 공산 (multicollinearity) 는지 악 야 다. 지 다 공산 경우,
들 변 복 보 갖는다는 것 에 에 야 다.
시에는 상 식 값 0에 가 거 고 가 0에 근 다 공산
변 복 다고 단 수 다.
5) 변 간 상 계수가 수 는지 에 악 야 다.
는 변 간 상 당 가 야 가능 다. 상 지
게 다는 것 공통 갖지 않는다는 것 말 에 수
미가 없다. 체 ±0.3 과 야 가능 상 다. SPSS에 변 간 상
지 악 는 다 과 같다.
- 공통 갖고 다 다 변 들 과 통 변 상 계수는 낮
다. SPSS에 는 상 계수(anti-image correlation coefficient) 에 각
계수들 값 가지고 에 다고 본다.
- KMO(Kaiser-Meyer-Olkin) 본 결과, 값 1에 가 울수 본
상 는 다는 것 말 다.
- Bartlett 검 (sphericity test) 결과, 값 고 그에 수
본 상 에 다고 본다.
<2차시>
2. 결과
□ 실
실 과 여 주 어 료든
악 는 어 다는 다. 들어 어 사람 생 상
만 도 알아보 개 다고 가 보 . 여 만
경, 수․ 습, 사 계, 계 등 여러 가지 누고, 각 에
맞춰 여러 개 개 다고 . 개 에는 가 검
등 통 안 타당도 보 고, 내 검 통 여러 가지 당 만
개 고 다.
- 5 -
그러 실 보 찰변 연 가 도 각각 에 지
않고, 매우 복 고 규 습 보 게 다. 경우 연 는 량 매우
낮 경우에는 수 거 삭 것 가 결 야 다. 변
에 연 가 어 경우 많 도움 수 다. 또 에
변 공 가 안 는 는 다 강 공통 없다
는 것 미 다. 경우에는 변수에 공 가 그 변
고 지 변 들만 가지고 상 야 다.
게 삭 수 여 다시 검사 도 에 근거 여 검사 보다
많 험 보 여 검사 다시 시 고, 통 다시 악, 검
가 다. 처럼 검사 개 과 에 는 본 검사 에 비검사 도 타당
단 는 게 사 수 다. 라 검사 개 단
개 벽 게 악 수는 없 , 가
는 비검사 단계 드시 거 가 다.
또 미 게 산 었지만 개 개 변 만 는 경우도 다.
러 다 변 과 다상 승(SMC) 낮고 과도 낮 상 보
변량도 고 안 지 않 에 수에 라 여러 변동 수
다. 라 개 변 는 비 미 다고 지라도 에
는 것 람직 다.
□ 결과
결과 는 직 과 사 다 에
가 다.
직 경우, 량 에 량 과 원래 변 들 간 상 계수
므 과 동 다. 라 량 ,
에 주어진 에 여 량 값 가 루는 변 들
엇 지 살펴 수 다.
컨 , 10개 변 가지고 다고 가 보 . 변 1, 3, 5, 7 첫 째
에 0.6 상 량 가지고 다 에 변 들 공통
특 엇 지 고 여 루어질 수 다. 참고 량 값 양수가 아닌 수
가 여 다 경우, 양수, 수에 계없 값 량 가진 변 들 엇
- 6 -
지 고 미 야 다. 러 “양극 ”(bipolar
factor) 라고 는 들어 격 내 과
다 가 는 양극 라고 수 다.
그러 사 경우에는 직 과 달리 량 과 변 간 상 계
타 지 않 에 과 달리 타 다. 특 들 간
상 계가 수 과 차 가 게 에 어
미 것 가는 연 가 결 야 다.
□ 결과 실
여 는 신뢰도 강 에 살펴본 연 료 고 다. 연 결
과 에 는 주 포 결과 살펴볼 것 다.
료 는 는 첫째 료에 는 50개 는 변 간
상 통 는 악 어 에 개 여 그 특 악 수
어 도 타당 악 수 다. 또 결과 지수 여 차후에
다양 통계 ( : 귀 ) 여 험 특 게 악 수 게
다.
여 는 가 차 고 1.0 산 고 다.
그러 개 산 것 라고 연 가 가 수 수도
다. 또 게 결과에 리 지 못 갖거
견 삭 거 수 다시 검사 시 수 다.
□ 변 간 상
50개 변 간 상 결과는 다 과 같다. 여 볼 수 듯 50개 변 간 상 매우
복 게 에 험 들 어 특 갖 고 는지 는 매우 어 다. 그
러 상 계수가 ±0.3 상 야 간 공통 가 수 는 , 본 료에 는 ±0.3
값도 많 므 지 않 변 도 수 다. 참고 a1, a2, …, a50
각 별 변 타낸 것 다. 본 연 에 약 500 상 험 사 수가 므
엔 사 수라고 볼 수 다.
- 7 -
a1 a2 a3 a4 a5 a6 a7 a8 a9 a10 … a50
a1 1.00 0.27 0.18 0.44 0.15 0.24 0.42 0.19 0.40 0.25 … 0.09
a2 0.27 1.00 0.16 0.38 0.11 0.11 0.26 0.25 0.30 0.28 … 0.07
a3 0.18 0.16 1.00 0.20 0.17 0.25 0.21 0.23 0.24 0.18 … 0.12
a4 0.44 0.38 0.20 1.00 0.20 0.18 0.30 0.16 0.31 0.17 … 0.09
a5 0.15 0.11 0.17 0.20 1.00 0.29 0.29 0.28 0.12 0.15 … 0.11
a6 0.24 0.11 0.25 0.18 0.29 1.00 0.28 0.32 0.29 0.36 … 0.02
a7 0.42 0.26 0.21 0.30 0.29 0.28 1.00 0.35 0.41 0.33 … 0.13
a8 0.19 0.25 0.23 0.16 0.28 0.32 0.35 1.00 0.39 0.45 … 0.04
a9 0.40 0.30 0.24 0.31 0.12 0.29 0.41 0.39 1.00 0.39 … 0.12
a10 0.25 0.28 0.18 0.17 0.15 0.36 0.33 0.45 0.39 1.00 … 0.06
… … … … … … … … … … … … …
a50 0.09 0.07 0.12 0.09 0.11 0.02 0.13 0.04 0.12 0.06 1.00
□ 검
KMO(Kaiser-Meyer-Olkin Measure of Sampling Adequacy) Bartlett 검
결과, KMO가 약 0.90 에 료 수 었 , 사 수
가 료 가 에 지 알아보 Bartlett 검 결과 수
0.00 α=0.05보다 므 역시 에 료 수 다.
KMO 지수 .90
Bartlett's Test
chi-square 근사 6600.65
도 465
도 .000
□ 주
다 주 결과 시 는 주 (component)별 고 (initial eigenvalue)
량(loading) 다. 여 값(initial) 1 공 (communality) 주 에 는
공 가 1.0 고 다는 것 억 가 다. 각 변 별 변량 1.0 고, 체
수는 50개 에 체 변량 50 다. 라 체 변량 첫 째 주
11.36/50=0.2271 체 변량 약 22.71% 다고 볼 수 다. 또 주 별
살펴보 첫 째 주 가 것 타났 , Scree plot에 도 볼 수 듯 2 째
주 는 상 낮 고 가지는 것 타 첫 째 주 고는
체 산 득 게 수 는 없는 것 타났다. 는 주 50
개 는 변 포 약, 수 는 찾아내 어 다는 사실
고 다.
- 8 -
또 고 1 상 주 13개 어 상당 많 것 타났 13개 주
변량 60.83% 타났다. 만약 고 가 1 상 것 주 삼는 Kaiser
식 경우 상당 많 주 게 에 료 미가 별 없다.
라 량 낮 변 경우 수 삭 통 개 시킬
가 다. 또 게 개 검사 도 가지고 검사 다시 시 야 뿐 아니라 공통
가 고 수 는 수 가 다. 그래야 수많 변
약 여 시 수 는 악 수 것 다.
Total Variance Explained
Component Initial Eigenvalues Extraction Sums of Squared Loadings
Total% of
VarianceCumulative
%Total
% of Variance
Cumulative %
1 11.36 22.71 22.71 11.36 22.71 22.71
2 2.93 5.87 28.58 2.93 5.87 28.58
3 2.38 4.76 33.33 2.38 4.76 33.33
4 2.18 4.36 37.69 2.18 4.36 37.69
5 1.69 3.38 41.07 1.69 3.38 41.07
6 1.54 3.08 44.16 1.54 3.08 44.16
7 1.41 2.82 46.98 1.41 2.82 46.98
8 1.32 2.65 49.63 1.32 2.65 49.63
9 1.30 2.61 52.23 1.30 2.61 52.23
10 1.16 2.32 54.55 1.16 2.32 54.55
11 1.10 2.20 56.75 1.10 2.20 56.75
12 1.04 2.08 58.82 1.04 2.08 58.82
13 1.01 2.01 60.83 1.01 2.01 60.83
14 1.00 2.00 62.83
15 0.94 1.88 64.71
… … … …
50 0.18 0.35 100.00
Extraction Method: Principal Component Analysis.
- 9 -
□ 자료의 수정
연 에 는 50개 변 언어 , , 신체 3개
다고 가 고 개 었다. 548 생 상 1차 사 결과
탕 결과, 고 가 1 상 13개 타났다. 연
가 3개 에 지 않는 들 상당 많 었 에 검사 도 수 ․
보 여 다시 료 수집 었다.
새로운 자료 수집 시에 수정․보완할 은 다음과 같았다.
1) 분석 결과, 언어 괴롭힘, 특히 신체 괴롭힘에서는 부분 ‘ 아니다‘로 체크한 피
험자가 많았으므로 이 두 괴롭힘에 해당되는 학생들 표집을 늘릴 필요가 있다.
2) 문항 자체에서도 이 두 괴롭힘에 해당되는 진술을 다시 진술할 필요가 있다. 즉 진술이
실에서는 거의 일어나기 어려운 경우( : 할큄)가 많이 있어 수정할 필요가 있었다.
3) 이 두 괴롭힘에 해당하는 문항 수를 늘릴 필요가 있다. 두 괴롭힘에 해당하는 소외 괴
롭힘에 해당하는 문항을 여 체 으로 균등한 수의 문항 수로 조정할 필요가 있음.
4) 각 별 여진 연 에 도 결과 지 보고, 수
다.
같 진단 탕 량 낮 20개 삭 여 검사
- 10 -
다. 다 에 시 는 수 가지고 결과 다.
□
직 (orthogonal rotation)에 리맥스 ,
량 체 ±0.5에 근 게 다. ±0.5 에 도 Hair (1995)는
게 체 미 훼 지 않고, 량 ±0.3 상
다고 볼 수 있다고 보았기 때문에 선택하여 사용하 다. 일반 으로 사교회 은 두 요인 간
독립성을 가정할 수 없을 때 사용되는데, 이 연구에서는 요인 간의 독립성을 어느 정도
제하고 베리맥스 방법을 사용하 다. 사교회 베리맥스(Varimax) 회 결과 요인 1에는
문항13, 문항,11 문항 22 등이 부하되었으며(부하량 0.360~0.757), 요인 2에는 문항 25, 문항
24, 등이 부하된 것(부하량 0.329~0.774)으로 나타났다.
2개 내 과 연 결과에 라 1 ‘신체 ’ 2는
‘비신체 ’ 체 < 1>과 같 여
에 공 도 같 시 다. 는 연 가 었
많 도움 변 미 가지고 재 는 업 다. [그림 1]
후 스 리 에 도 1과 2에 15개 들 각각 뉘어 여
수 다. 척도가 내에 처 안 어 사 것 감안 어느
도 안 갖 고 다고 볼 수 다.
- 11 -
문항번호 내용요인
공유치1 2
13 는 들 진 다. .755 .157 .590
11 는 살 다. .750 .136 .580
16 는 주 맞 경험 다. .701 .137 .510
10 는 귀 맞아본 다. .692 .103 .490
12 는 쳐진 경험 다. .664 .242 .499
8 는 들겨 맞 경험 다. .648 .130 .437
14 는 귀 리가 아 당겨 다. .641 .183 .444
15 는 거운 건에 맞았다. .610 .145 .393
9 는 집 다. .608 .107 .381
7 는 가벼운 건( :책 또는 지우개)에 맞았다. .530 .356 .408
17 는 에 걸 어진 다. .525 .188 .311
6 누 가 내가 실에 가는 것 다. .484 .230 .287
18 는 단단 다. .470 .192 .258
19 는 사 실에 갇 다. .434 .228 .241
22 는 스 도 강 당 다. .362 .081 .138
25 는 가 었다. .164 .767 .616
24 주변에 에게 말 걸어 지 않았다. .165 .752 .593
30 는 겨진 었다. .116 .712 .520
35 내가 도움 아 도 도 주지 않았다. .130 .682 .482
27 는 동 시 맨 에 택 었다. .174 .641 .441
29 는 간질 당 다. .167 .556 .337
26 에 거짓 다. .129 .550 .319
40 누 가가 내 가 에 게 말 다. .106 .549 .313
38 누 가가 내 야 꾸 냈다. .076 .544 .302
45 내가 맞고 , 다 사람들 척 다. .249 .526 .338
44 누 가가 또는 에 못살게 었다. .251 .507 .320
39 누 가가 내 러 엉망 만들었다. .124 .459 .226
5 내가 동에 참여 지 못 게 다. .236 .441 .250
28 사귀고 싶 가 었 는 거 당 다. .308 .419 .270
42누 가가 내 지 못 게 고 께 지 못
게 다..116 .334 .125
아이겐 값 8.62 2.80
설명 변량 28.75% 9.33%
누적 변량 28.75% 38.08%
< 1> 척도
- 12 -
[그림] Plot
<3차시>-실습
■ Analyze->Data Reduction->Factor Analysis
■
1. 고 는 변 들 택 Variables 창 다.
2. 술통계 계산 Descriptive 택 여 고 는 통계 택 다.
Statistics
Univariate Descriptive 평균, 편차, 사 수 계산
Initial Solution 공 , 고 , 변량 비 계산
Correlation Matrix
Coefficient 상 계수
Inverse 역 상 계수 과 공변량
Significance levels 상 계 에 계수에 수
Reproduced에 상 계 , 상 계수
차
Determinant 식 값 계산
KMO and Bartlett's
test of sphericityKaise-Meyer-Olkin 도 Barlett 검
3. 식 Extraction 택 여 식 다.
- 13 -
Method
Principal components 주
Unweighed least squares 비가 승
Generalized least squares 승
Maximum likelihood 우도
Principal-axis factoring 주
Alpha factoring 알
Image factoring 다 귀
*주 Principal components는 Default값 어 에
다고 고 아 것도 여 지 지 않 주 만 게 다. 라 연 가
주 아닌 고 다 다 식 야 다.
4. 지 Rotation 택 여 지 다.
Method
None 지 않
Varimax 리맥스
Quartimax 쿼 맥스
Equamax 쿼맥스
Direct Oblimin 사
Promax 사 상
Display
Rotated solution 후 값들 계산
Loading plots 각 간 변 량 계산
Maximum Iteration for
Convergence 결 지 계산 복 수 지
5. 값 거 결과 에 타내 Scores 택 다.
6. 타 지 Option 택 다. 여 는 재량 순
태내 Sorted by size 택 다.
Missing Values
Exclude cases listwise 든 변수가 경우만 사
Exclude cases pairwise 든 변수 경우만 사
Replace with mean 답 경우 변 평균 사
Coefficient Display Format
Sorted by size 량에 라 내림차순
Suppress absolute values
less than지 값보다 경우 보 지 않게
7. 든 마 리 OK 릭 다.
- 14 -
■ 리
- 차는 다 과 같다.
1. 립 다.
2. 든 변 들에 상 계 수 는 료 지 검 다.
3. , 주 지, 공통 지 결 다.
4. 다.
5. 보다 들 다.
6. 통 들 산 다.
■
1. 다 차 다. 지 않 것 ? ③
① 1단계- 다.
② 2단계- 든 변 들 상 계 에 료 지 검 다.
③ 3단계- 과 결 다.( 결 다)
④ 4단계- 다.
2. 다 가 다. 지 않 것 ? ④
① 본 는 200 상 어야 다.
② 다변량 규 포 라야 다.
③ 변 들 든 계여야 다.
④ 다 공산 (multicollinearity) 갖아야 다.(변 간 다 공산 야 다)
3. 다 시 는 사 다. 지 않 것 ? ③
① 변 간 상 계수가 수 는 료 지 알아보 KMO
(Kaiser-Meyer-Olkin) 본 결과, 값 1에 가 울수 본 상
는 다는 것 말 다.
② 실 보 찰변 연 가 도 각각 에 지 않
보 경우, 연 는 량 매우 낮 경우에는 수 거 삭
것 가 결 야 다.
③ 변 간 상 계수가 ±0.5 상 야 간 공통 가 수 다.(±0.3 상 )
④ Bartlett 검 (sphericity test) 결과, 값 고 그에 수
수 본 상 에 다고 본다.