요인 개수 결정을 위한 평행분석의 정확성 평가

임상돈; 장승민

추천

검색

자료유형: 학술저널

저자정보: 임상돈 (성균관대학교 심리학과) 장승민 (성균관대학교)

저널정보: 한국심리학회 한국심리학회지:일반 한국심리학회지:일반 제36권 제4호

발행연도: 2017.1

수록면: 441 - 475 (35page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

평행분석은 표본 자료의 고윳값과 무선 자료의 고윳값을 비교하여 요인의 개수를 추정하는 방법이다. 이 방법은 고윳값에 근거하여 요인의 개수를 추정하는 다른 절차들(카이저 방법, 스크리 검사)보다 이론적으로 더 타당한 근거를 갖고 있고 경험적으로도 요인의 개수를 더 정확히 추정하는 것으로 평가 받는다. 그러나 평행분석의 이론적 근거의 타당성에 대해서도 여러 비판이 제기되어 왔고 이에 따른 다양한 수정 절차들도 제안되었다. 또한 평행분석이 상대적으로 낮은 정확성을 나타내는 조건들에 대한 우려도 있어 왔다. 본 연구는 고윳값과 평행분석이 요인의 개수를 추정하는 데 사용될 수 있는 이론적 근거와 한계를 검토하고 이를 바탕으로 평행분석의 정확성이 낮게 나타날 수 있는 조건들을 구체화하였다. 또한 모의실험을 통해 평행분석의 정확성에 영향을 줄 수 있는 다양한 요인들의 효과를 검토하고 평행분석의 사용에 주의를 요하는 조건들을 확인하였다. 모의실험의 결과는 평행분석의 요인수 추정 정확률이 요인상관의 크기, 요인부하량의 크기, 요인의 개수, 요인당 변수의 개수에 따라 크게 영향을 받으며 정확률이 낮은 조건에서 표본크기의 영향이 매우 크다는 것을 보였다. 또한 요인부하량이 낮은 변수들로 구성된 약한 요인이 포함된 경우 요인수 추정의 정확률이 크게 낮아짐을 확인하였다. 전반적으로 상관행렬에 대한 평행분석(PA-PCA)보다 축소상관행렬에 대한 평행분석(PA-PAF)의 정확률이 높았으며 특히 요인상관이 높은 경우에는 PA-PAF가, 요인상관이 낮은 경우에는 PA-PCA가 높은 정확률을 보이는 경향이 확인되었다. 마지막으로 모의실험의 결과를 기초로 요인상관의 크기, 요인부하량의 크기, 요인의 개수의 조합으로 구성되는 다양한 조건에서 평행분석이 90% 이상의 정확률을 제공하기 위해 요구되는 표본크기를 제안하였다.

Parallel analysis is a method of estimating the number of factors by comparing the eigenvalues of sample data with the eigenvalues of random data. This method is considered to be theoretically more valid and empirically more accurate in estimating the number of factors than other methods, such as Kaiser method and scree test, that estimate the number of factors based on the eigenvalues. However, several criticisms have been raised about the validity of the rationale for parallel analysis and various modifications have been proposed. There have also been concerns about the conditions under which parallel analysis shows relatively low accuracy. The current study examined the rationale and limitations of the use of eigenvalues and parallel analysis to estimate the number of factors, and based on this, we specified the conditions under which the accuracy of parallel analysis may be low. We also examined, through a simulation, the effects of various factors that may affect the accuracy of parallel analysis and confirmed the conditions where cautions are needed when applying parallel analysis. The results of the simulation show that the accuracy of estimating the number of factors in the parallel analysis is greatly influenced by the size of factor correlations, the magnitude of factor loadings, the number of factors, and the number of variables per factor. In addition, we confirmed that the accuracy of the parallel analysis is significantly lower when a factor model includes a weak factor with low factor loadings. Overall, the accuracy of the parallel analysis for the reduced correlation matrix (PA-PAF) was higher than the parallel analysis for the correlation matrix (PA-PCA), which in particular, PA-PAF showed high accuracy when factor correlations were high, and PA-PCA showed high accuracy when factor correlations were low. Based on the results of the simulation analyses, we proposed sample sizes required for parallel analysis to provide accuracy of 90% or higher under conditions with different levels of factor correlation, factor loading, and the number of factors.

#parallel analysis #number of factors #eigenvalues #reduced correlation matrix #sample size

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

임상돈

소속기관 성균관대학교 심리학과

주요연구분야 사회과학 > 심리과학

논문수 1 이용수 10

장승민

소속기관 성균관대학교

주요연구분야 사회과학 > 심리과학 의약학 > 의학 일반

논문수 14 이용수 356

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)