이 강의에서 할 일
- 요인분석이 맞는 자료인지 KMO와 Bartlett 검정으로 확인한다.
- 요인 수를 정하고 요인적재량표를 읽는다.
- 결과를 논문 문장으로 옮긴다.
시작하기 전에
- Jamovi 설치와 데이터 열기(1–2강), 기술통계(4강)
- 실습용 가상 설문 데이터 내려받기(오른쪽)
분석 전에 알아둘 것
탐색적 요인분석(EFA)은 여러 문항이 몇 개의 요인으로 묶이는지 자료에서 찾아내는 방법입니다. 이 강의의 실습 데이터는 학습동기, 학습불안, 학습전략을 재는 9문항(각 5점 척도)을 가상으로 만든 300명 자료이고, 문항은 동기1~3, 불안1~3, 전략1~3입니다. 요인이 3개로 묶이도록 설계했습니다.
- 사례 수 — 문항 수의 몇 배 이상이 필요한지는 기준이 제각각이라, 쓰려는 기준과 출처를 함께 적습니다. 이 실습은 문항 9개에 300명입니다.
- 변수 유형 — 5점 척도 문항은 숫자여도 Jamovi가 명목형 아이콘으로 열 수 있습니다. 요인분석에 넣기 전에 Data 탭의 Setup에서 Continuous(또는 Ordinal)로 바꿔 둡니다(2강).
- 역코딩 — 부정 문항이 있으면 먼저 역코딩합니다(3강). 이 실습 데이터에는 없습니다.
Jamovi에서 실행하기
- 1Analyses 탭 > Factor > Exploratory Factor Analysis를 엽니다.Analyses 탭에서 Factor를 눌러 Exploratory Factor Analysis를 고릅니다. 메뉴 이름은 작성 시점의 화면으로 확인합니다.
- 2문항 9개를 Variables 칸으로 옮깁니다.동기1~전략3을 왼쪽 목록에서 오른쪽 칸으로 옮깁니다. 번호는 넣지 않습니다.
- 3적합성 검사를 켭니다.Assumption Checks에서 Bartlett's test와 KMO measure of sampling adequacy를 켭니다.
- 4요인 수와 추출·회전 방법을 정합니다.Number of Factors에서 요인 수를 정하는 방법(Parallel analysis, Eigenvalue, Fixed number)을 고르고, Extraction과 Rotation에서 방법을 정합니다. 연구에서 쓸 방법과 근거는 미리 정해 둡니다.
- 5결과표를 확인합니다.Factor Loadings 표와 Scree Plot을 봅니다. Options에서 작은 적재량을 가리는 기준(Hide loadings below)을 지정할 수 있습니다.
옵션 이름과 기본값은 버전에 따라 다를 수 있어, PC에서 Jamovi 2.7.6 화면으로 확인한 뒤 확정합니다.
1단계 · 이 자료로 요인분석을 해도 되나
| 검사 | 결과 | 일반적인 해석 |
|---|---|---|
| KMO 전체 | 0.78 | 0.7대는 보통 이상으로 보는 경우가 많음 |
| Bartlett 검정 | χ²(36) = 809.4, p < .001 | 상관행렬이 단위행렬이 아님 → 요인분석 가능 |
표의 값은 실습 데이터(가상, 300명)로 직접 계산한 값입니다. KMO 기준(예: .5 이상 허용 등)은 문헌마다 달라 출처를 함께 적습니다. Jamovi 화면 값은 PC에서 대조합니다.
Bartlett 검정은 표본이 크면 거의 항상 유의하게 나오므로, 통과했다는 사실만으로 충분하다고 보지 않고 KMO와 함께 봅니다.
2단계 · 요인 수 정하기
고유값(eigenvalue)이 1보다 큰 요인을 택하는 기준, 스크리 그림에서 꺾이는 지점, 병렬분석(parallel analysis) 같은 기준이 있습니다. 서로 다른 결과가 나올 수 있어 한 가지에만 기대지 않고 해석 가능성도 함께 봅니다.
| 요인 | 초기 고유값 | 병렬분석 모의값(근삿값) |
|---|---|---|
| 1 | 2.61 | ≈1.07 |
| 2 | 0.86 | ≈0.25 |
| 3 | 0.59 | ≈0.20 |
| 4 | −0.14 | ≈0.13 |
Jamovi 2.7.6의 Initial Eigenvalues 표 값입니다. 최소잔차법은 공통분만 남긴 축소 상관행렬의 고유값을 보여 주므로, 주성분분석처럼 “1보다 크다”는 기준을 그대로 쓰지 않습니다. 병렬분석 모의값은 스크리 그림의 점선(Simulations)에서 읽은 근삿값이며, 분석할 때마다 조금씩 달라질 수 있습니다.
이 자료에서는 3번째 요인까지 실제 값(실선)이 모의값(점선)보다 위에 있고 4번째부터는 아래로 내려가므로 3요인이 적절해 보입니다. 이는 처음부터 3개 요인으로 만든 가상 자료이기 때문입니다. 실제 자료에서는 이렇게 깔끔하게 나뉘지 않는 경우가 많습니다.
3단계 · 요인적재량표 읽기
| 문항 | 요인 1 | 요인 2 | 요인 3 |
|---|---|---|---|
| 동기1 | 0.72 | −0.09 | 0.08 |
| 동기2 | 0.80 | 0.00 | −0.04 |
| 동기3 | 0.71 | 0.12 | 0.00 |
| 불안1 | 0.02 | 0.82 | −0.06 |
| 불안2 | −0.03 | 0.73 | 0.10 |
| 불안3 | 0.01 | 0.66 | 0.01 |
| 전략1 | −0.03 | 0.02 | 0.74 |
| 전략2 | 0.14 | 0.03 | 0.58 |
| 전략3 | −0.02 | −0.01 | 0.67 |
최소잔차(minres) 추출과 사각회전(oblimin)을 가정해 직접 계산한 값이며, Jamovi 화면 값과 소수점 둘째 자리 정도 차이가 날 수 있어 PC에서 대조한 뒤 확정합니다. 굵은 글씨는 0.40 이상입니다. 요인 간 상관은 요인 1·2 .31, 요인 1·3 .38, 요인 2·3 .37입니다.
- 주 적재 — 각 문항은 자기 요인에서 높게(여기서는 .58~.82) 적재됩니다. 요인 1은 동기, 요인 2는 불안, 요인 3은 전략 문항으로 묶입니다.
- 교차적재 — 다른 요인에도 높게 걸리는 문항이 있는지 봅니다. 이 자료에서 가장 큰 교차적재는 전략2의 요인 1 적재량(.14)입니다.
- 기준값 — 적재량 .40, .50 등 어떤 기준을 쓸지는 분야와 논문마다 달라 출처를 함께 적습니다.
- 회전 — 요인끼리 상관이 있다고 보면 사각회전(Oblimin, Promax), 없다고 보면 직각회전(Varimax)을 씁니다. 선택한 방법과 이유를 논문에 밝힙니다.
논문에 넣는 결과표 (APA 양식)
위·아래 선과 머리글 아래 선만 쓰는 APA 표 형식입니다. 통계 기호는 기울임꼴이고, 1을 넘을 수 없는 값(p, r, β, R²)은 영(0)을 생략했습니다. 투고할 학술지의 작성 지침이 다르면 지침을 따릅니다.
표본 적합성 검사 결과
| 검사 | 값 |
|---|---|
| KMO(전체) | .78 |
| Bartlett의 구형성 검정 | χ²(36) = 809.4, p < .001 |
주. 가상 데이터(N = 300)로 계산한 값이다.
초기 고유값과 병렬분석 모의값
| 요인 | 초기 고유값 | 병렬분석 모의값 |
|---|---|---|
| 1 | 2.61 | ≈1.07 |
| 2 | .86 | ≈.25 |
| 3 | .59 | ≈.20 |
| 4 | −.14 | ≈.13 |
주. 초기 고유값은 Jamovi의 최소잔차법 결과이며, 모의값은 스크리 그림에서 읽은 근삿값이다.
탐색적 요인분석 요인적재량(3요인)
| 문항 | 요인 1 | 요인 2 | 요인 3 |
|---|---|---|---|
| 동기1 | .72 | −.09 | .08 |
| 동기2 | .80 | .00 | −.04 |
| 동기3 | .71 | .12 | .00 |
| 불안1 | .02 | .82 | −.06 |
| 불안2 | −.03 | .73 | .10 |
| 불안3 | .01 | .66 | .01 |
| 전략1 | −.03 | .02 | .74 |
| 전략2 | .14 | .03 | .58 |
| 전략3 | −.02 | −.01 | .67 |
주. 최소잔차법과 사각회전(oblimin)을 적용한 Jamovi 2.7.6 결과이다. 굵은 글씨는 .40 이상이다. 요인 간 상관은 요인 1·2 .31, 요인 1·3 .38, 요인 2·3 .37이다.
한글(.hwpx) 파일은 강사에게 전달된 파일로 제공합니다. 이 사이트에서는 .hwpx 파일을 직접 내려받을 수 없습니다.
표의 값은 가상 데이터(N = 300)를 Jamovi 2.7.6으로 분석한 결과입니다.
논문에 쓰는 문장
학습 관련 9개 문항에 대해 탐색적 요인분석을 실시하였다. KMO는 .78, Bartlett의 구형성 검정은 유의하였다(χ²(36) = 809.4, p < .001). 병렬분석 결과에 따라 3개 요인을 추출하였고, 최소잔차법과 사각회전(oblimin)을 적용하였다. 모든 문항의 요인적재량이 .58 이상이었다.