요인분석 (Factor Analysis)
쉽게 풀면
학생들의 국어, 영어, 사회, 수학, 과학 점수를 쭉 늘어놓고 보면, 국어와 영어 점수가 높은 학생은 대체로 사회 점수도 높고, 수학 점수가 높은 학생은 대체로 과학 점수도 높은 경향이 보일 수 있습니다. 요인분석은 이런 점수들 사이의 상관관계 패턴을 수학적으로 뜯어봐서 "언어능력"과 "수리능력"처럼 겉으로는 보이지 않는 소수의 숨은 능력(요인)으로 요약해내는 방법입니다. 즉, 눈에 보이는 여러 측정값들을 몇 개의 근본적인 원인으로 압축해서 설명하는 셈입니다.
왜 중요한가
요인분석은 새로 개발한 설문이나 척도가 이론적으로 의도한 하위 구성 개념대로 실제 응답 데이터에서도 구분되는지를 검증하는 핵심 절차이기 때문에, 심리학·경영학·교육학 등 척도를 다루는 거의 모든 실증연구 논문의 초반부에 등장합니다. 또한 수십 개의 변수를 소수의 요인으로 압축함으로써 이후 회귀분석이나 구조방정식모형 같은 후속 분석을 단순하고 해석 가능하게 만들어주는 전처리 단계로도 널리 쓰입니다. 척도의 타당도를 확보하는 표준적인 절차로 자리 잡고 있어, 새 척도를 제안하는 논문에서 빠지지 않고 등장합니다.
논문에서는 이렇게 쓰입니다
20개의 설문 문항 응답들 사이의 상관관계를 분석했더니, 서로 비슷하게 움직이는 문항들끼리 4개의 그룹(요인)으로 묶였고, 이 4개의 요인만으로도 전체 데이터가 퍼진 정도의 62%를 설명할 수 있었다는 뜻입니다.
사전에 설정한 요인 구조가 실제 데이터와 잘 맞는지를 검증할 때 쓰이는 표현이다.
설문조사 외의 분야에서 다변량 데이터의 차원을 축소하는 목적으로 요인분석을 활용할 때 쓰는 문장이다.
조금 더 깊게 보면
요인분석은 사전 가설 없이 데이터로부터 요인 구조를 탐색하는 탐색적 요인분석과, 이미 세운 이론적 구조가 데이터에 맞는지 검증하는 확인적 요인분석으로 나뉘며, 척도 개발 초기에는 전자를, 이후 재검증 단계에서는 후자를 주로 사용합니다. 요인을 해석하기 쉽게 만들기 위해 요인 간 독립성을 가정하는 직교회전이나 요인 간 상관을 허용하는 사각회전 같은 회전 기법이 적용되며, 어떤 회전 방식을 쓰느냐에 따라 요인의 해석이 달라질 수 있습니다. 추출된 각 문항이 요인과 얼마나 강하게 연결되는지를 나타내는 값이 요인적재량이며, 이 값이 낮은 문항은 흔히 척도에서 제외 검토 대상이 됩니다.
주의할 점
요인분석에서 몇 개의 요인을 추출할지, 각 요인을 무엇이라 이름 붙일지는 회전 방법이나 고유값 기준 설정 등 연구자의 판단에 따라 달라질 수 있습니다. 그래서 결과를 볼 때는 설문에 쓰인 리커트척도 문항들이 애초에 얼마나 일관되게 응답되었는지, 즉 신뢰도도 함께 확인하는 것이 중요합니다.