탐색적요인분석 (Exploratory Factor Analysis)
쉽게 풀면
책상 위에 흩어진 문구용품을 정리한다고 해봅시다. 처음부터 "이건 필기류, 이건 사무용품" 하고 분류 기준을 정해놓지 않고, 물건들을 이리저리 살펴보다가 "어, 이 세 개는 비슷한 용도네, 저 네 개도 비슷하네" 하며 자연스럽게 몇 개의 그룹으로 나누는 것과 비슷합니다.
탐색적요인분석도 마찬가지로, 설문 문항들의 응답이 서로 얼마나 비슷하게 움직이는지를 통계적으로 계산해서 "이 문항들은 하나의 공통된 특성(요인)을 재고 있는 것 같다"는 식으로 문항 묶음을 찾아냅니다. 이론이 아직 확실하지 않을 때, 데이터를 보고 새로운 구조를 발견하려는 목적으로 주로 사용됩니다.
왜 중요한가
탐색적요인분석은 새로운 심리 척도나 설문 도구를 개발할 때 문항들이 실제로 몇 개의 개념을 측정하는지를 데이터에 근거해 확인할 수 있게 해줍니다.
이론적으로 아직 구조가 확립되지 않은 구성개념을 다룰 때 특히 유용하기 때문에, 심리학·경영학·교육학 등에서 새로운 척도를 처음 개발하고 타당화하는 논문의 초기 단계에서 거의 필수적으로 등장합니다. 이렇게 발견된 요인 구조는 이후 확인적 요인분석으로 재검증되어 척도의 타당성을 뒷받침하는 근거로 이어집니다.
언제 쓰나
문항(또는 변수)이 몇 개의 공통 요인으로 묶이는지 미리 가설을 정하지 않고 자료에서 찾아볼 때 씁니다. 척도 개발 초기의 문항 정리, 새 개념의 차원 탐색이 전형적입니다. 이미 구조가 이론으로 정해져 있다면 확인적 요인분석이 맞습니다.
- 자료: 변수들이 연속형에 가까워야 하며, 5점 이하의 서열 문항은 다분상관(polychoric) 행렬을 쓰는 방법도 권장됩니다.
- 표본 크기: Comrey와 Lee(1992)는 100명 poor, 200 fair, 300 good, 500 very good, 1000 excellent로 구분합니다. 문항당 몇 명 같은 단순 비율보다 공통성이 높고 요인당 문항이 충분할 때 작은 표본도 견딘다는 점이 MacCallum 등(1999)에 의해 보여졌습니다.
- 사전 점검: KMO와 바틀렛 구형성 검정. 표본이 크면 바틀렛 검정은 거의 항상 유의하므로 정보가 적습니다.
결과는 이렇게 읽는다
(가상의 예) 4개 문항의 상관행렬이 아래와 같다고 해 봅시다.
| 문항 1 | 문항 2 | 문항 3 | 문항 4 | |
|---|---|---|---|---|
| 문항 1 | 1 | .60 | .15 | .10 |
| 문항 2 | .60 | 1 | .12 | .18 |
| 문항 3 | .15 | .12 | 1 | .55 |
| 문항 4 | .10 | .18 | .55 | 1 |
이 행렬의 고유값은 1.851, 1.299, 0.485, 0.364이고 합은 변수 수 4와 같습니다(코드로 계산). 읽는 순서는 다음과 같습니다.
- 요인 수 정하기: Kaiser(1960)의 ‘고유값 1 이상’ 기준이면 2개입니다. 스크리 도표의 꺾임(Cattell, 1966)과 평행분석(Horn, 1965)을 함께 봅니다. 고유값 1 기준은 요인을 과대 추출하는 경향이 알려져 있어 단독 사용은 권장되지 않습니다(Fabrigar 등, 1999).
- 설명 분산: 두 요인이 전체 분산의 (1.851 + 1.299) ÷ 4 = 78.8%를 설명합니다(주성분 기준).
- 회전과 해석: 요인이 서로 상관될 수 있으면 사각회전을, 아니면 직교회전을 쓰고, 적재 패턴으로 요인에 이름을 붙입니다. 위 행렬에서는 문항 1·2와 문항 3·4가 각각 한 요인으로 묶일 것으로 예상됩니다.
- 적합성 점검: Kaiser(1974)는 KMO를 .90대 매우 좋음, .80대 좋음, .70대 보통, .60대 평범, .50대 나쁨, .50 미만은 부적합이라고 표현했습니다.
논문에는 이렇게 보고한다
- 표본 크기, 응답 척도, 사용한 상관(피어슨/다분)과 결측 처리를 적습니다.
- KMO와 바틀렛 결과, 요인 수 결정에 쓴 기준을 둘 이상 적고(고유값, 스크리, 평행분석), 선택 이유를 설명합니다.
- 추출 방법(주축요인, 최대우도 등), 회전 방식, 적재량 표(공통성과 설명분산 포함)를 싣습니다. 문항 제거 규칙과 그 근거도 적습니다.
- 탐색적으로 얻은 구조는 다른 표본에서 확인적 요인분석으로 검증하는 것이 권장됩니다. 같은 자료로 EFA와 CFA를 이어서 하면 구조가 자료에 과적합될 수 있습니다.
(가상의 문장) “KMO는 .84, 바틀렛 검정은 유의하였다. 평행분석과 스크리 도표를 근거로 2요인을 선택하고 사각회전(oblimin)한 결과, 모든 문항이 한 요인에만 .40 이상 적재되었다.”
논문에서는 이렇게 쓰입니다
실제 논문에서
국내 학술지 논문에서 이 용어가 쓰인 문장을 그대로 옮겼습니다. 제목·학술지·연도와 원문 링크를 함께 적었습니다.
“먼저 직무역량 20개 항목에 대하여 탐색적 요인분석(EFA)을 통하여 5개의 요인이 도출되었으며, 요인명은 ‘의사소통, 비판적 사고, 리더십, 고객배려, 감정조절’로 명명하였다.”
관광학 전공 대학생의 직무역량 구성 타당성 연구, 동북아관광연구, 2017 · KCI 한국학술지인용색인 · 원문 보기 ↗
“EFA를 통해 평가지표의 잠재 요인 구조를 탐색하고, 전문가 워크숍을 거쳐 지표를 정제한 후, CFA를 통해 6개 대영역으로 구성된 요인구조의 적합성을 검증하였다.”
산후조리원 평가지표의 구조적 타당성 검증:탐색적 · 확인적 요인 분석을 중심으로, Journal of Korean Maternal and Child Health, 2026 · KoreaMed Synapse · 원문 보기 ↗
“본 조사 38문항에 대하여 탐색적요인분석을 실시하여 최종문항을 선정하였다.”
역량기반 작업치료 전공교육 진단도구 개발, 대한지역사회작업치료학회지, 2022 · KCI 한국학술지인용색인 · 원문 보기 ↗
예시 문장
아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.
이 문장은 연구자가 사전에 요인 개수나 구조를 정해두지 않은 채 데이터를 분석했더니, 통계적으로 의미 있는 4개의 문항 묶음(요인)이 나타났다는 뜻입니다. 이후 이 요인 구조가 다른 표본에서도 똑같이 나타나는지 확인하려면 확인적 요인분석을 이어서 실시하는 경우가 많습니다.
조직심리학에서 새로운 직무만족 척도를 개발할 때, 문항들이 어떤 하위 요인으로 묶이는지를 탐색적요인분석으로 먼저 살펴보는 경우가 많습니다.
마케팅 연구에서는 소비자 태도나 인식을 측정하는 새로운 척도의 구조를 밝히는 데 이 기법을 활용합니다.
조금 더 깊게 보면
탐색적요인분석을 수행할 때는 요인 개수를 결정하는 방법(고유값 1 이상 기준, 스크리 도표, 평행분석 등)과 요인 간 상관을 허용할지 여부에 따른 회전 방식(직교회전 대 사각회전) 선택이 결과 해석에 큰 영향을 미칩니다. 또한 각 문항이 특정 요인을 얼마나 잘 대표하는지를 나타내는 요인적재량(factor loading)의 크기, 그리고 표본이 요인분석에 적합한지를 사전에 점검하는 KMO 적합도나 Bartlett 구형성 검정 결과도 논문에서 함께 보고되는 경우가 많습니다.
주의할 점
탐색적요인분석은 이름 그대로 "탐색"이 목적이기 때문에, 이미 확립된 이론이나 척도의 구조를 검증하려 할 때 쓰는 방법이 아닙니다. 이미 예상되는 요인 구조가 있다면 확인적 요인분석을 사용해야 하며, 두 방법을 같은 데이터에 순서 없이 섞어 쓰면 결과 해석이 왜곡될 수 있습니다.
헷갈리기 쉬운 용어
요인분석 계열 용어는 목적이 다릅니다.
| 방법 | 목적 | 구조를 미리 정하는가 |
|---|---|---|
| 탐색적 요인분석 | 자료에서 요인 구조를 찾음 | 아니오 |
| 확인적 요인분석 | 정해 둔 구조가 자료에 맞는지 검증 | 예 |
| 주성분분석 | 변수를 적은 수의 성분으로 요약 | 아니오(요인 모형은 아님) |
| 요인분석 | 위 방법들을 아우르는 통계 기법 | — |
주성분분석은 전체 분산을 요약하고, 요인분석은 공통분산에 초점을 맞춥니다.
참고 문헌
- Fabrigar, L. R., Wegener, D. T., MacCallum, R. C., & Strahan, E. J. (1999). Evaluating the use of exploratory factor analysis in psychological research. Psychological Methods, 4, 272–299.
- Costello, A. B., & Osborne, J. W. (2005). Best practices in exploratory factor analysis: four recommendations for getting the most from your analysis. Practical Assessment, Research & Evaluation, 10(7).
- Horn, J. L. (1965). A rationale and test for the number of factors in factor analysis. Psychometrika, 30, 179–185.
- Kaiser, H. F. (1974). An index of factorial simplicity. Psychometrika, 39, 31–36.
- MacCallum, R. C., Widaman, K. F., Zhang, S., & Hong, S. (1999). Sample size in factor analysis. Psychological Methods, 4, 84–99.
표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.