요인 분석: 요인추출
메소드. 요인추출 방법을 지정할 수 있습니다. 사용할 수 있는 방법은 주성분, 가중치를 부여하지 않은 최소제곱법, 일반화 최소제곱법, 최대 우도, 주축 요인 추출, 알파 요인 추출, 이미지 요인 추출 등입니다.
- 주성분 분석. 관측된 변수의 상관되지 않은 선형 조합을 형성하는 데 사용되는 요인 추출 방법입니다. 처음 성분이 최대 분산을 가지게 됩니다. 성분이 연속될수록 점진적으로 더 작아지는 분산을 나타내며 각 성분은 서로 상관되지 않습니다. 주성분 분석으로 초기 요인 해법을 구할 수 있으며 상관행렬이 단순할 때 사용됩니다.
- 가중되지 않은 최소제곱 방법. 관측된 상관행렬과 재연된 상관행렬 간의 차이 제곱값 합을 최소화하는 요인 추출 방법입니다(대각선 무시).
- 일반화 최소제곱 방법 (Generalized Least-Squares Method). 관측된 상관행렬과 재연된 상관행렬 간의 차이 제곱값 합을 최소화하는 요인 추출 방법입니다. 상관은 역으로 가중되므로 고유성이 높은 변수는 고유성이 낮은 변수보다 가중치가 적습니다.
- 최대-우도 방법. 표본이 다변량 정규 분포에서 추출된 경우 관측 상관행렬을 생성할 것 같은 모수 추정값을 생성하는 요인 추출 방법입니다. 상관은 변수의 역고유성에 의해 가중되고 반복 알고리즘이 사용됩니다.
- 주축 요인 추출. 공통성의 초기 추정값으로서 대각선으로 배치된 제곱 다중 상관계수를 사용하여 원래의 상관행렬로부터 요인을 추출하는 방법입니다. 이러한 요인 로딩은 대각선으로 위치하는 기존의 공통성 추정값을 대신하는 새로운 공통성을 추정하는 데 사용됩니다. 한 반복에서 다음 반복까지 공통성에 대한 변화량이 추출에 대한 수렴 기준을 만족할 때까지 반복은 계속됩니다.
- 알파 요인 추출. 분석 변수를 잠재적 변수의 모집단에서 추출된 표본으로 간주하는 요인 추출 방법입니다. 이 방법은 요인의 알파 신뢰도를 최대화합니다.
- 이미지 요인 추출. Guttman이 개발한 요인 추출 방법으로, 이미지 이론을 기반으로 합니다. 편 이미지라고 하는 변수의 공통 부분은 가설 요인의 함수보다는 남아 있는 변수에서 선형 회귀분석으로 정의됩니다.
데이터 분석. 상관행렬이나 공분산행렬을 지정할 수 있습니다.
- 상관행렬. 분석의 변수가 다양한 척도에서 측정된 경우 유용합니다.
- 공분산행렬. 각 변수의 다양한 분산을 사용하여 여러 그룹에 요인 분석을 적용할 때 유용합니다.
추출. 고유 값이 지정한 값보다 큰 요인을 모두 포함하거나 지정한 요인의 수만 포함할 수 있습니다.
표시. 회전하지 않은 요인해법과 고유 값의 스크리 도표를 요청할 수 있습니다.
- 회전하지 않은 요인 해법. 요인 해법에 대한 회전하지 않은 요인 로딩(요인 패턴 행렬), 공통성 및 고유값을 표시합니다.
- 스크리 도표. 각 요인과 관련된 분산 도표로, 그대로 유지할 요인의 수를 결정하는 데 사용됩니다. 일반적으로 도표는 큰 요인들의 가파른 기울기와 나머지 요인들의 점진적 꼬리 부분 (스크리) 간의 뚜렷한 구분을 보여 줍니다.
수렴을 위한 최대 반복. 해법을 추정할 때 알고리즘에서 사용할 최대 단계수를 지정할 수 있습니다.
요인추출 옵션 지정
이 기능을 사용하려면 Statistics Base 옵션이 필요합니다.
- 메뉴에서 다음을 선택합니다.
- 요인 분석 대화 상자에서 요인추출을 클릭합니다.