분석을 위한 데이터를 지정하고 계산할 인자 수를 입력하며 추출 방법 및 회전 유형을 지정합니다.
원시 데이터를 사용하는 대신 저장된 상관 또는 공분산 행렬을 입력하거나 이전 분석에서 얻은 적재를 사용하려면 옵션을 클릭합니다.
이 워크시트의 각 열에는 각 지원자 특성의 측정값이 포함됩니다.
C1 | C2 | C3 | C4 | C5 | C6 | C7 | C8 |
---|---|---|---|---|---|---|---|
회사 적합성 | 정보 전달력 | 자신감 | 학업 성적 | 이력서 | 경험 | 태도 | 친화력 |
5 | 9 | 8 | 2 | 2 | 5 | 4 | 8 |
10 | 9 | 5 | 10 | 8 | 5 | 5 | 4 |
4 | 7 | 6 | 6 | 5 | 8 | 7 | 2 |
2 | 2 | 3 | 4 | 4 | 7 | 8 | 4 |
8 | 4 | 3 | 8 | 9 | 2 | 4 | 9 |
7 | 5 | 9 | 5 | 7 | 9 | 8 | 7 |
데이터에서 추출할 인자 수를 입력합니다. 인자 수는 1 이상이어야 하며 총 변수 수를 초과할 수 없습니다. 최상의 결과를 얻으려면 데이터의 변수 3개마다 인자가 1개 이하여야 합니다. 예를 들어, 변수가 12개이면 4개 이하의 인자를 추출해야 합니다.
추출할 인자 수를 모르는 경우 필드를 비워두고 주성분을 추출 방법으로 지정합니다. 그래프을 클릭하고 Scree 그림을 표시합니다. Minitab에서 최대 인자 수를 계산하며, 이 숫자는 사용자가 입력한 변수 수와 같습니다. 이 결과를 사용하여 추출할 인자 수를 확인한 다음 분석을 반복할 때 이 숫자를 입력합니다. 자세한 내용은 1단계: 인자 수 결정에서 확인하십시오.
최대우도를 추출 방법으로 사용하는 경우 인자 수를 입력해야 합니다. 최대우도 방법의 최대 인자 수는 데이터 내 변수 수보다 1이 작습니다.
인자 수를 알고 있는 경우 최대우도법에서는 일반적으로 데이터를 더 잘 적합시키는(잔차가 더 작은) 인자를 제공합니다. 그러나 일부 데이터의 경우 최대우도 방법의 인자 적재가 초기 공통성 및 수렴 기준에 민감합니다. 최대우도 방법이 작동하지 않는 대부분의 경우 주성분 방법이 작동합니다.
초기 인자 적재를 직교로 회전하려면 옵션을 선택합니다. Minitab에서는 인자를 해석하는 데 도움이 되는, 다른 관점을 제공하기 위해 축을 회전합니다.
원래 인자 적재를 해석하는 것은 일반적으로 어렵습니다. 회전을 통해 일반적으로 인자 구조가 단순화되어 인자를 더 명확하게 구분할 수 있습니다. 회전은 또한 모든 변수에 높게 적재되는 일반 인자를 제거하는 경향이 있습니다.
Minitab에서는 단순성 기준을 최소화하기 위해 적재를 회전합니다. 이 기준에 만족하는 모수인 감마(γ)는 회전 방법에 따라 결정됩니다. 감마 값이 낮은 방법을 사용하는 경우 회전이 적재 행을 단순화하는 경향이 있습니다. 감마 값이 높은 방법을 사용하는 경우 회전이 적재 열을 단순화하는 경향이 있습니다.
한 가지 유형의 회전이 인자를 더 유의하게 만들지 여부를 예측할 수 없으므로 다른 회전을 사용해 보십시오. Equimax, Varimax 및 Quartimax이 유의한 인자를 만들지 않을 경우 γ가 있는 Orthomax을 사용하여 Varimax 회전(감마 = 1)과 Quartimax 회전(감마 = 0) 간의 회전을 조사할 수 있습니다.