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.
논문에서는 이렇게 쓰입니다
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.