1단계: 인자 수 결정
- % Var
- 인자들이 설명하는 분산의 양을 확인하려면 분산의 백분율(% Var)을 사용합니다. 허용 가능한 분산 수준을 설명하는 인자를 유지합니다. 허용 수준은 연구에 따라 다릅니다. 설명을 위해서는 80%의 설명된 분산만 필요합니다. 그러나 데이터에 대해 다른 분석을 수행하는 경우에는 인자들이 분산의 90% 이상을 설명할 수도 있습니다.
- 분산(고유값)
- 주성분을 사용하여 인자를 추출하는 경우 분산은 고유값과 같습니다. 고유값 크기를 사용하여 인자 수를 결정할 수 있습니다. 고유값이 가장 큰 인자를 유지합니다. 예를 들어, Kaiser 기준을 사용하는 경우 고유값이 1보다 큰 인자만 사용합니다.
- Scree 그림
- Scree 그림은 고유값을 가장 큰 값에서 가장 작은 값의 순서로 정렬합니다. 이상적인 패턴은 기울기가 큰 곡선 다음에 완만한 곡선이 나오고 직선이 이어지는 형태입니다. 선 형태가 시작되는 첫 번째 점 이전의 기울기가 큰 곡선에 있는 성분을 사용합니다.
비회전 인자 적재 및 공통성
| 변수 | 요인1 | 요인2 | 요인3 | 요인4 | 요인5 | 요인6 | 요인7 | 요인8 | 요인9 | 요인10 |
|---|---|---|---|---|---|---|---|---|---|---|
| 학업 성적 | 0.726 | 0.336 | -0.326 | 0.104 | -0.354 | -0.099 | 0.233 | 0.147 | 0.097 | -0.142 |
| 용모 | 0.719 | -0.271 | -0.163 | -0.400 | -0.148 | -0.362 | -0.195 | -0.151 | 0.082 | 0.016 |
| 정보 전달력 | 0.712 | -0.446 | 0.255 | 0.229 | -0.319 | 0.119 | 0.032 | 0.088 | 0.023 | 0.204 |
| 회사 적합성 | 0.802 | -0.060 | 0.048 | 0.428 | 0.306 | -0.137 | -0.067 | 0.105 | -0.019 | -0.067 |
| 경험 | 0.644 | 0.605 | -0.182 | -0.037 | -0.092 | 0.317 | -0.209 | -0.102 | 0.121 | 0.039 |
| 업무 적합성 | 0.813 | 0.078 | -0.029 | 0.365 | 0.368 | -0.067 | -0.025 | -0.032 | 0.146 | 0.066 |
| 입사 동기서 | 0.625 | 0.327 | 0.654 | -0.134 | 0.031 | 0.025 | 0.017 | -0.113 | -0.079 | -0.130 |
| 호감도 | 0.739 | -0.295 | -0.117 | -0.346 | 0.249 | 0.140 | 0.353 | -0.142 | 0.051 | 0.022 |
| 친화력 | 0.706 | -0.540 | 0.140 | 0.247 | -0.217 | 0.136 | -0.080 | -0.105 | -0.020 | -0.162 |
| 잠재력 | 0.814 | 0.290 | -0.326 | 0.167 | -0.068 | -0.073 | 0.048 | -0.112 | -0.290 | 0.100 |
| 이력서 | 0.709 | 0.298 | 0.465 | -0.343 | -0.022 | -0.107 | 0.024 | 0.170 | 0.008 | 0.090 |
| 자신감 | 0.719 | -0.262 | -0.294 | -0.409 | 0.175 | 0.179 | -0.159 | 0.230 | -0.098 | -0.061 |
| 분산 | 6.3876 | 1.4885 | 1.1045 | 1.0516 | 0.6325 | 0.3670 | 0.3016 | 0.2129 | 0.1557 | 0.1379 |
| % 변동 | 0.532 | 0.124 | 0.092 | 0.088 | 0.053 | 0.031 | 0.025 | 0.018 | 0.013 | 0.011 |
| 변수 | 요인11 | 요인12 | 공통성 |
|---|---|---|---|
| 학업 성적 | -0.026 | -0.031 | 1.000 |
| 용모 | 0.020 | -0.038 | 1.000 |
| 정보 전달력 | 0.012 | -0.100 | 1.000 |
| 회사 적합성 | 0.188 | -0.021 | 1.000 |
| 경험 | 0.077 | 0.009 | 1.000 |
| 업무 적합성 | -0.176 | 0.008 | 1.000 |
| 입사 동기서 | -0.043 | -0.127 | 1.000 |
| 호감도 | 0.064 | 0.012 | 1.000 |
| 친화력 | -0.032 | 0.136 | 1.000 |
| 잠재력 | -0.023 | 0.028 | 1.000 |
| 이력서 | 0.010 | 0.156 | 1.000 |
| 자신감 | -0.065 | -0.047 | 1.000 |
| 분산 | 0.0851 | 0.0750 | 12.0000 |
| % 변동 | 0.007 | 0.006 | 1.000 |
주요 결과: %Var, 분산(고유값), Scree 그림
이 결과는 주성분 추출 방법을 사용하여 모든 인자에 대한 비회전 인자 적재를 보여줍니다. 처음 네 인자의 분산(고유값)이 1보다 크며, 고유값은 6개 이상의 인자가 사용되는 경우 고유값이 덜 두드러지게 변합니다. 따라서 4-6개의 요인이 대부분의 데이터 변동을 설명하는 것으로 보입니다. 인자 1에 의해 설명되는 변동의 백분율은 0.532 또는 53.2%입니다. 인자 4에 의해 설명되는 변동의 백분율은 0.088 또는 8.8%입니다. 이 Scree 그림은 처음 네 인자가 전체 데이터 변동의 대부분을 설명한다는 것을 보여줍니다. 나머지 인자들은 변동의 아주 작은 부분을 설명하므로 중요하지 않을 가능성이 있습니다.
2단계: 인자 해석
인자 수를 결정한 후(1단계) 최대우도 방법을 사용하여 분석을 반복할 수 있습니다. 그런 다음 각 변수에 가장 많은 영향을 미치는 인자를 확인하려면 적재 패턴을 조사합니다. 적재가 -1이나 1에 가까우면 요인이 변수에 많은 영향을 준다는 것을 나타냅니다. 적재가 0에 가까우면 인자가 변수에 미미한 영향을 주고 있음을 나타냅니다. 여러 인자에 많이 적재하는 변수도 있습니다.
비회전 인자 적재를 해석하는 것은 일반적으로 어렵습니다. 인자 회전을 통해 적재 구조가 단순화되므로 인자 적재를 더욱 쉽게 해석할 수 있습니다. 그러나 어떤 회전 방법도 모든 경우에 최고 효과를 낼 수는 없습니다. 따라서 여러 가지 회전을 시도해보고 가장 해석하기 쉬운 결과를 산출하는 회전을 사용해야 합니다. 회전 적재를 정렬하여 인자 내에서 적재를 더 명확하게 평가할 수 있습니다.
회전 인자 적재 및 공통성
| 변수 | 요인1 | 요인2 | 요인3 | 요인4 | 공통성 |
|---|---|---|---|---|---|
| 학업 성적 | 0.481 | 0.510 | 0.086 | 0.188 | 0.534 |
| 용모 | 0.140 | 0.730 | 0.319 | 0.175 | 0.685 |
| 정보 전달력 | 0.203 | 0.280 | 0.802 | 0.181 | 0.795 |
| 회사 적합성 | 0.778 | 0.165 | 0.445 | 0.189 | 0.866 |
| 경험 | 0.472 | 0.395 | -0.112 | 0.401 | 0.553 |
| 업무 적합성 | 0.844 | 0.209 | 0.305 | 0.215 | 0.895 |
| 입사 동기서 | 0.219 | 0.052 | 0.217 | 0.947 | 0.994 |
| 호감도 | 0.261 | 0.615 | 0.321 | 0.208 | 0.593 |
| 친화력 | 0.217 | 0.285 | 0.889 | 0.086 | 0.926 |
| 잠재력 | 0.645 | 0.492 | 0.121 | 0.202 | 0.714 |
| 이력서 | 0.214 | 0.365 | 0.113 | 0.789 | 0.814 |
| 자신감 | 0.239 | 0.743 | 0.249 | 0.092 | 0.679 |
| 분산 | 2.5153 | 2.4880 | 2.0863 | 1.9594 | 9.0491 |
| % 변동 | 0.210 | 0.207 | 0.174 | 0.163 | 0.754 |
주요 결과: 적재, 공통성, 적재 그림
- 회사 적합성(0.778), 업무 적합성(0.844) 및 잠재력(0.645)이 인자 1에 큰 양의 적재가 되므로 이 인자는 직원 적합성과 회사 내 성장 잠재력을 설명합니다.
- 용모(0.73), 호감도(0.615) 및 자신감(0.743)은 인자 2에 큰 양의 적재가 되므로 이 인자는 개인적 자질을 설명합니다.
- 정보 전달력(0.802)과 친화력(0.889)은 인자 3에 큰 양의 적재가 되므로 이 인자는 업무 기술을 설명합니다.
- 입사 동기서(0.947)와 이력서(0.789)는 인자 4에 큰 양의 적재가 되므로 이 인자는 작문 기술을 설명합니다.
네 인자는 모두 함께 데이터 변동의 0.754 또는 75.4%를 설명합니다.
적재 그림은 처음 두 인자의 적재 결과를 시각적으로 보여줍니다.
3단계: 데이터의 문제 확인
처음 두 인자가 데이터에서 분산의 대부분을 설명하는 경우에는 점수 그림을 사용해도 데이터 구조를 평가할 수 있고 군집, 특이치 및 추세를 탐지할 수 있습니다. 그림의 데이터 그룹은 데이터에 둘 이상의 개별 분포가 존재한다는 것을 나타낼 수도 있습니다. 데이터가 정규 분포를 따르고 특이치가 없는 경우 점들은 0 주위에 랜덤하게 분포합니다.
주요 결과: 점수 그림
이 점수 그림에서 데이터는 정규 분포를 따르는 것으로 보이며 아무런 극단 특이치도 나타나지 않습니다. 그러나 그림의 오른쪽 하단에 표시된 다른 데이터 값으로부터 더 멀리 떨어져 있는 데이터 값을 조사할 수도 있습니다.
팁
각 관측치에 대해 계산된 점수를 보려면 포인터를 그래프의 데이터 점 위에 놓으십시오. 다른 인자에 대한 점수 그림을 생성하려면 점수를 저장하고 을 사용하십시오.
