GGobi를 이용한 한중일 청소년의 가치관에 관한 요인분석

오정아,이은경 한국자료분석학회 2013 Journal of the Korean Data Analysis Society Vol.15 No.2

Factor analysis is a widely used multi-variate data analysis method in sociology and psychology area. However the result of exploratory factor analysis depends on the initial factor extract method, number of factors, and method of rotation. It is not easy to choose the right options for the factor analysis in specific data set and we need to be careful to choose these options. In this paper, we use dynamic graphical methods to explore the result from factor analysis for the right options of the factor analysis. We explore and compare the results from the factor analysis with various options. Also we analyze the results from different population. We apply 2008 survey on the value of teenagers in three countries to our methods, find the optimal factor analysis model, and compare the result from three countries using dynamic graphical method. In the importance in life part, the result of the exploratory factor analysis on Korea is a little bit different from the results of the other two countries. On the other hands, the results of Japan in the reliability in family, society, and nation are quite different from the results of Korea and China. This result is verified from the result of the confirmatory factor analysis. 요인분석은 사회학, 심리학 관련분야에서 활발하게 사용하고 있는 다변량 통계 분석 방법이다. 그러나 요인분석 중 탐색적 요인분석은 초기 요인추출방법, 공통요인의 수, 회전 방법 등을 분석자가 주관적으로 결정하는 경향이 있으나 이들의 선택에 따라 결과가 크게 달라질 수 있다. 그러므로 최종 요인모형을 선택하기 위해 요인분석의 결과를 면밀히 살펴보아야 할 필요가 있다. 본 연구에서는 요인분석에서 최적의 요인 수, 초기 추출방법, 회전 방법 등을 선택하기 위하여 각 조건 하에서의 요인분석결과를 동적그래프 방법을 이용하여 살펴보고 이를 비교, 분석하는 방안을 제시하였다. 또한 실제 자료인 한, 중, 일 청소년 가치관에 대한 설문조사자료 중 인생에서의 중요도와 가족, 사회, 그리고 국가에 대한 신뢰도에 관한 항목들을 이용하여 요인분석을 실시하고 본 논문에서 제안한 방법을 이용하여 최적의 요인수와 초기추출방법, 그리고 회전 방법을 찾고 요인분석을 실시한 후 각 나라마다의 결과를 비교, 분석하였다. 인생에서의 중요도의 경우 중국과 일본이 한국과는 다른 요인분석 결과를 나타내고 있으나 차이가 크지는 않았다. 반면 가족, 사회, 그리고 국가에 대한 신뢰도의 경우 일본이 한국과 중국의 결과와 차이를 보이고 있으며 이 차이는 다소 크게 나타나고 있다. 이 결과는 확증적 요인분석을 통하여서도 확인할 수 있었다.

요인 개수 결정을 위한 평행분석의 정확성 평가

임상돈,장승민 한국심리학회 2017 한국심리학회지 일반 Vol.36 No.4

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. 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.

주성분분석과 공통요인분석에 대한 비교연구: 요인구조 복원 관점에서

정선호,서상윤,Jung, Sunho,Seo, Sangyun 한국통계학회 2013 응용통계연구 Vol.26 No.6

Common factor analysis and principal component analysis represent two technically distinctive approaches to exploratory factor analysis. Much of the psychometric literature recommends the use of common factor analysis instead of principal component analysis. Nonetheless, factor analysts use principal component analysis more frequently because they believe that principal component analysis could yield (relatively) less accurate estimates of factor loadings compared to common factor analysis but most often produce similar pattern of factor loadings, leading to essentially the same factor interpretations. A simulation study is conducted to evaluate the relative performance of these two approaches in terms of factor pattern recovery under different experimental conditions of sample size, overdetermination, and communality.The results show that principal component analysis performs better in factor recovery with small sample sizes (below 200). It was further shown that this tendency is more prominent when there are a small number of variables per factor. The present results are of practical use for factor analysts in the field of marketing and the social sciences. 본 연구에서는 시뮬레이션 방법을 사용해서 다양한 조건에서 주성분분석이 얼마나 잘 요인 구조를 복원할 수 있는지를 공통요인분석과 비교하여 체계적으로 평가하였다. 이 연구에서 요인 대 변수 비율, 공통성, 그리고 표본크기를 실험변수로 설정하였다. 주성분분석은 표본의 크기가 200개 이하인 경우 공통적으로 공통요인분석에 비해 더 우수한 요인구조의 복원력을 보여주었다. 특히, 요인 당 변수 수가 적은 경우, 주성분분석은 50개의 표본에서도 만족할 만한 수준의 요인복원능력을 보여주었다. 이와 더불어 공통성 수준 또한 낮은 경우 필요한 표본수는 100개로 늘어난다. 본 연구결과는 요인추출방법으로서 주성분분석의 선택의 근거를 제시하고 타당한 사용에 관한 가이드라인을 제시해 준다.

체육학에서 요인분석의 통계적 타당화: 탐색적, 확인적 요인분석을 중심으로

정연택,최연재 한국코칭능력개발원 2023 코칭능력개발지 Vol.25 No.5

요인분석은 체육학에서 널리 이용되는 통계기법이며 사용 빈도가 높다. 요인분석은 변수를 축소하거나 제거하여 측정하는 항목의 타당성을 검증한다. 특히, 요인분석은 측정된 자료를 이용하여 변수 생성 등의 목적을 가진다. 따라서 이 연구는 체육학에서 널리 사용하고 있는 분석의 개념과 탐색적, 확인적 요인분석에 대하여 이해하고자 하였다. 1장에서는 요인분석의 특성과 중요성에 관하여 서술하였으며, 2장은 요인분석의 개념과 기본과정에 관한 서술이 이루어졌다. 3장에서는 분석 절차 중 탐색적, 확인적 요인분석의 중요도를 설명하였다. 4장에서는 앞서 설명된 요인분석을 바탕으로 논의를 하였으며, 5장은 통계분석의 합리적 방안을 제시하였다. Factor analysis is a statistical technique widely used in physical education and is frequently used. Factor analysis verifies the validity of items to be measured by reducing or removing variables. In particular, factor analysis has the purpose of creating variables using measured data. Therefore, this study tried to understand the concept of factor analysis widely used in physical education and exploratory and confirmatory factor analysis. Chapter 1. describes the characteristics and importance of factor analysis, and Chapter 2. describes the concept and basic process of factor analysis. Chapter 3. explained the importance of exploratory factor analysis and confirmatory factor analysis among the procedures of factor analysis. In Chapter 4. discussions were made based on the factor analysis described above, and in Chapter 5. rational methods for statistical analysis were presented.

AHP 분석을 이용한 도시재생사업의 민간자본 참여 의사결정요인 분석: 사업성과 사업구조를 중심으로

이창중,이창수,김찬호 국토연구원 2022 국토연구 Vol.115 No.-

도시재생사업으로 쇠퇴지역의 자생력을 키워 효과가 나타나기 위해서는 상당한 시간이 필요하며, 민간부문과 함께 추진하는 것이 재정부담의 경감과 지속적인 사업추진에 유리하다. 따라서 도시재생사업은 필연적으로 민간의 자본 참여가 필요하며 그 요인을 분석하고자 선행연구 분석과 2차례의 걸친 델파이 설문조사를 통해 AHP 분석을 위한 구조와 요인을 정리한 후 AHP 분석을 통해서 도시재생사업의 민간자본 참여 의사결정 요인을 분석하였다. AHP 분석 결과, 대분류에서는 사업성 지표가 사업구조 지표보다 중요도가 높게 나타났고, 중위항목에서는 사업위험회피–투자확대방안–재무지표-수익구조–민간자본투자구조–사업주체–사업유형–사업참여방식 항목 순서로 가중치가 분석되었으며, 세부요인의 가중치를 분석하여 상위 10개의 순서는 토지확보–용적률확대 및 용도전환–입지–수익성-자본이득–인센티브부여–지자체참여–리츠(REITs)-신용보강-민관합동사업 요인 순이었다. 3개 부문(공공・민간・학계)으로 구분한 결과에서 민간부문은 도시재생사업의 민간자본 참여를 유인할 수 있는 요인으로 안정적인 토지확보・양호한 입지・인허가 위험과 직접 관련된 지자체참여 요인은 사업위험을 회피할 수 있는 요인이 중요한 요인으로 분석되었다. 그리고 투자확대방안 항목의 용적률 확대 및 용도전환 요인은 적정 수익률로 안정적인 민간자본 참여를 유도할 수 있는 요인으로 분석되었다. 민간자본투자구조 항목의 리츠(REITs)요인은 공공부문과 민간부문이 함께 할 수 있는 자본구조로 위험을 분산하여 안정적인 구조로 사업을 시행하고자 하는 민간부문의 의지가 반영된 결과로 분석되었다. 이에 연구자는 민간부문에서 상대적으로 다른 요인보다 중요하다고 여겨지는 상위 5개 세부요인(토지확보・입지・용적률확대 및 용도전환・리츠(REITs)・지자체참여)을 민간자본 참여 의사결정의 핵심요인으로 선정하고, 핵심 5개 요인을 적극 활용하는 것을 정책적인 시사점으로 제안하고자 한다.

지역유형구분을 위한 요인점수의 군집분석

이종상 대한국토·도시계획학회 2002 國土計劃 Vol.37 No.4

지역은 매우 다면적인 측면을 가지고 있기 때문에 지역의 특성을 대표할 수 있는 다양한 지표를 요인분석 후, 고유치가 큰 소수의 요인점수를 군집분석하여 그 결과를 기초로 지역유형을 구분하는 방법이 널리 이용되고 있다. 요인분석 결과를 이용하여 군집분석하는 것은 지역유형의 해석을 용이하게 하고, 요인점수간에 상관관계가 0이기 때문에 지역유형구분을 명료하게 할 수 있다는 장점을 가지고 있다. 그러나, 각 요인의 설명분산은 요인에 따라서 서로 다르지만, 모든 요인점수의 평균과 분산은 각각 0, 1이기 때문에 군집분석에서 각 요인의 설명분산의 크기는 전혀 고려되지 않는다.이 연구의 목적은 요인점수를 군집분석한 결과를 기초로 지역유형을 구분하는 경우 발생할 수 있는 문제점과 그 개선방안을 제시하는데 있다. 요인점수를 군집분석하는 경우에 요인의 수에 따라서 각 유형에 포함되는 지역은 매우 다르게 변화하였다. 이러한 결과는 군집분석에서 몇 개의 요인을 사용할 것인가에 대한 기준을 사전에 설정할 수 없는 상황에서 군집분석에 사용한 요인수에 따라서 지역유형의 구분결과는 매우 다른 것을 의미한다. 따라서, 고유치가 큰 소수의 요인점수를 입력데이터로 군집분석한 결과를 기초로 지역유형을 구분하는 것은 지역이 가지고 있는 특성을 제대로 반영하지 못하는 것을 의미한다.이러한 문제점을 해결하기 위해서는 각 요인의 설명분산 크기가 군집분석의 거리를 계산하는 과정에서 반영이 될 수 있도록 요인별로 가중치를 설정해서 사용해야 한다. 요인의 설명분산을 군집분석에 반영하기 위해서는 각 요인의 설명분산(root {lambda_j`'}

주택수요권역의 거리결정요인에 관한 연구

최기헌,백민석,이상엽 韓國住宅學會 2012 주택연구 Vol.20 No.4

택지개발사업에 있어 주택수요자의 공간적 분포를 파악하여 시장권역을 설정하거나 배후지상의 지리적 범위를 명확하게 예측하는 것은 사업 전체의 비용절감과 성공에 결정적인 역할을 하게 된다. 본 연구는 주택수요관련 선행연구들의 이론적 토대와 실증적 분석을 통해 주택수요권역 거리결정에 영향을 미치는 연구라는 측면에서 기존 주택수요의 영향요인과 주거이동 방향에 대한 연구를 다양화하였으며, 부동산 경기변동에 따라 분석요인을 달리 적용해 봄으로써 동적인 분석도 시도하였다. 분석요인은 크게 주택자체의 제품요인과 제품외적인 요인으로 구분하였으며, 제품외적인 요인은 다시 지역요인과 전국요인으로 구분하여 총 19가지의 독립변수를 설정하여 분석을 실시하였다. 여기서 청약자연령과 사업지주소에 대해서는 더미변수 처리하여 분석하였으며, 사업지주소는 경기서북권, 경기서부권, 경기남부권, 경기동남권으로 구분하였고, 청약자연령은 30대이하, 40~50대, 60대 이상으로 그룹화하여 분석하였다. 분석방법은 사업지부터 청약자주소까지의 거리를 종속변수로 놓고, 거리에 영향을 미치는 19가지 요인을 독립변수로 놓아 다중회귀분석방법을 적용하였다. 경기변동에 따라 청약지 거리분포가 달라지며 거리결정시 2003~2007년까지는 전국주가변화율이 가장 영향력이 높았고, 지역요인 중 지역건축허가면적, 지역주택보급률이 그 다음으로 영향력이 높았다. 즉 경기가 좋을 때는 제품 자체의 요인은 중요하지 않고 지역의 주택수요공급요인과 전국적인 경제환경이 중요하게 인식되었다는 점이다. 2008~2010년까지는 제품요인중 분양가대비차율이 가장 중요하게 인식되는 요인이었으며, 다음으로 신청평수, 지역주택보급률 순으로 나타났다. 즉 경기가 좋지 않을 때는 주변대비 분양가와 공급평수가 청약지거리에 가장 크게 영향을 미치는 요인이었으며, 지역주택보급률 등 주택수요공급지표가 중요한 요인으로 분석되었다. 연구 결과를 통해 주택개발 사업시 마케팅역량을 집중할 수요권역을 기존의 사업지가 속한 지역, 인접지역, 동일생활권역, 교통여건을 고려한 출·퇴근가능지역 등을 중심으로 고려하는 방식에서, 좀 더 나아가 경기변동에 따른 거리결정요인의 변화를 체크하면서 수요권역의 거리를 추정해 볼 수 있다면 개발사업의 리스크를 줄이는데 유용할 것으로 판단된다. As for the residential complex development project, the determination of spatial range for housing demand should be performed based on the clear identification of geographic range surrounding the project site, and it is the critical factor for the project cost saving as well as successful sale of residences. This study intends to identify the determinant of spatial range for housing demand based on real cases of 39 projects, which are performed by the Korea Land and Housing Corporation. In order to determine the spatial range for housing demand, the actual distance from the project site to the actual home address of applicant are measured based on ArcGIS software. The nineteen factors affecting the distance between them are identified as input variables including the sale price, the local land price variation ratio, the local apartment price index, the local diffusion ration of house, etc., based on literature review. With identified input variables, the multiple regression method has been employed to determine the distances. Research finding indicate that the local price index is the most critical factor to affect the spatial range for housing demand during the 2003~2010 years, the local apartment price index before the year 2007, and the local diffusion ration of house after the year 2008, the world-wide financial crisis, respectively. It is also notable that the spatial range for housing demand is in general within 15 km, which can help the developer be able to focus on the marketing more efficiently.

직무만족 요인분석에 관한 연구 - 한국고용정보원 고용패널 데이터 활용을 중심으로

김호원,오성욱,이재춘 한국취업진로학회 2015 취업진로연구 Vol.5 No.2

본 연구는 직무만족도 변수들의 요인을 분석하기 위하여 한국고용정보원 2005 대졸자 직업이동경로 조사 1차년도 부터 3차년도 자료, 2009 대졸자 직업이동경로조사 1차년도 그리고 고졸자 직업이동경로 조사와 청년패널 자료를 활용하여 분석하였다. 왜냐하면 직무만족을 구성하고 있는 다양한 요인들이 존재하고 있음에도 불구하고 GOMS(대졸자이 동경로조사), HSGOMS(고졸자이동경로조사) 그리고 YP(청년패널) 자료를 기초로 한 다수의 보고서에 서 직무만족도 요인분석 과정에서 합리적이지 못한 부분이 적용되고 있었기 때문이다. 선행 연구들에서 직무만족도는 최소한 내재적 요인과 외재적 요인으로 구분되어 있다는 사실을 확 인하였다. 그러나 본 연구에서는 한국고용정보원 패널 데이터 분석 결과 탐색적 요인 분석에서는 직무 만족도 변수를 내재적 요인과 외재적 요인으로 구분할 수 없었으며, 확인적 요인분석을 통하여 두 개의 요인을 구분할 수 있었다. 그리고 고용패널 선행연구들에서 많이 사용한 전체 변수들을 분석에 이용한 경우를 또 다른 측정 모델로 구성하여 모두 5개의 측정 모델을 구성하였으며, 확인적 요인분석을 통해 모형 적합도를 확인한 결과, 2005 GOMS I, II, III과 2009 GOMS I 모두 일관되게 “인간관계”항목을 내 재적 요인에 포함하여 “직무내용”, “하고 있는 일의 자율성과 권한”, “개인의 발전가능성”항목으로 내재 적 요인을 구성한 모델(2009 GOMS I_3, 2005 GOMS III_3, 2005 GOMS II_3, 2005 GOMS I_3)이 가 장 우수한 적합도 수치를 나타내었다. 따라서 한국고용정보원 패널 데이터로 직무만족도에 대한 구체적인 연구를 진행하고자 하는 경우 탐색적 요인분석을 통하여 직무만족도 요인을 분류하기 보다는 그동안 선행연구를 기초로 내재적 요인 과 외재적 요인으로 구분한 후 확인적 요인분석을 실시하여 내재적 만족도와 외재적 만족도를 구분하 여 분석하는 것이 필요하다. 특히 연구주제가 직무만족도에 초점을 맞추게 되는 경우 본 연구에서 제안 하는 방법을 고려해 볼 필요성이 존재한다고 할 수 있다. In order to analyzes the factors of job satisfaction variables, This study were analyzed by 2005 GOMS I∼III, 2009 GOMS I, HSGOMS and YP employment panel data. Because despite the fact that there are various factors that make up the job satisfaction, not rational part was being applied in job satisfaction factor analysis from a number of reports on the basis of the GOMS(graduates flyway research), HSGOMS(high school graduates flyway research) and YP (Youth Panel) data . At least, In previous studies confirmed that the intrinsic job satisfaction factors and the extrinsic job satisfaction factors were separated. In this study, however, In that case of Korea Employment Information Service panel data analysis, exploratory factor analysis could not be separated by the intrinsic job satisfaction factors and the extrinsic job satisfaction factors. Just through confirmatory factor analysis was able to distinguish between the two factors. For the relationship of job satisfaction variables prior research has included extrinsic factors, if the configuration of relationships, relationships with colleagues and superiors supervision. However, in the case of Korea Employment Information Institute panel data the relationships is ambiguity whether the relationship is job duties intrinsic relationships or job duties external relationships Therefore, for confirmatory factor analysis three model was constructed. The first model included variables intrinsicl relationships. The second model is included a human relations for extrinsicl variables. The third model did not include any elements in the relationship. In addition, the development potential of individual variables was composed of more than a model in the intrinsic factor. Because through previous research the development of individual potential variables could not be sure that the intrinsic or extrinsic factors. And finally, the fifth confirmatory factor analysis model is measured using the whole lot of variables used in previous studies to analyze employment panel. And through confirmatory factor analysis confirmed the model fitness. The result 2005 GOMS I, II, III and 2009 GOMS I consistently “human relationships”, “job description”, “autonomy and authority of the work, “individuals development potential factors” the configured model intrinsic to the items (2009 GOMS I_3, 2005 GOMS III_3, 2005 GOMS II_3, 2005 GOMS I_3) showed the best fit value.Thus, when you want to proceed to a detailed study on job satisfaction by the KEIS panel data, on the basis of previous studies and to distinguish between the intrinsic job satisfaction factors and the extrinsic job satisfaction factors, it is necessary to analyze a confirmatory factor analysis. Research topic, especially when focused on job satisfaction in this study to suggest that there is a need to consider how you can. The present study is significant that proposed a way for a more systematic analysis of job satisfaction variables in that has been used indiscriminately through the analysis of research data from existing panel data.

로지스틱 회귀분석과 데이터마이닝 분석을 이용한 컴퓨터 교양교육 성과의 요인에 대한 연구

김완섭 한국교양교육학회 2012 교양교육연구 Vol.6 No.3

In order to improve the outcomes of liberal arts education, a cyclic process which analyzes the factors affecting education and applies the results of the analysis to education is required. So it is very helpful to collect various data which are relevant to the educational outcome such as classroom environment, professors, student’s colleges, department, sex and analyze these data for finding factors and relations of them. In this study, we performed the work to find out the factors of computer liberal education by analyzing the data obtained from ‘Computer-Practice1’which is an essential course at Soongsil university. In this ‘Computer-Practice1’ course, MOS(Microsoft Office Specialist) certification examination is used for testing each student’s academic achievement. In the experiment of this study, the data were used, which had been obtained from the 2,865 students who took the ‘Computer-Practice1’ course in 2011. And as the analysis method, logistic regression and decision tree analysis were used. We could find out the various factors which affected the outcome of the education by applying regression analysis which is the traditional statistical method. But because the hierarchical relationship among the factors could not be investigated by using regression analysis, we used the decision tree analysis which is the representative method in data-mining. There is a big advantage to use decision tree analysis because this method provides a tree model which explains the relationship of the factors that affect the dependent variable. And this tree model could be interpreted intuitively and provide useful applicable rules. In particular, three algorithms including QUEST, CRT and CHAID are used in order to overcome the disadvantage which is weak in correlation of the input variables through decision tree analysis. Through the experiment, I found out that various factors including education period, professors, classrooms and class hours affect the educational outcome complexly. 교양교육의 교육성과를 향상시키기 위해서는 교육에 영향을 미치는 요인에 대한 분석과 분석의 결과를 교육에 반영하는 순환 과정이 요구된다. 강의실, 담당교수, 학생의 성별, 소속대학, 소속학과 등의 교육에 영향을 미치는 다양한 요인에 해당하는 데이터를 수집하고, 이들과 교육을 통해 도출된 학생들의 교육성과 데이터를 분석하여 그 영향력의 관계와 정도를 규명하는 것은 효과적인 교양교육의 운영에 큰 도움을 준다. 본 연구에서는 숭실대학교의 교양필수 과목인 ‘컴퓨터활용1’ 교과목에서 도출된 데이터를 통해 컴퓨터 교양교육에서의 요인을 분석하는 연구를 수행하였다. 숭실대학교의 컴퓨터활용 교과목은 Microsoft사에서 인증하는 MOS(Microsoft Office Specialist) 자격증 시험으로 학업 성취도를 테스트하고 있다. 일반적으로 대학의 강좌에서 분반 별로 객관적인 교육성과 데이터를 획득하는 것이 쉽지 않으며, 특히 컴퓨터 관련 교양 교과목에서 실무적인 컴퓨터 활용 능력에 대한 교육성과를 평가하는 것은 더욱 그렇다. 그러나 숭실대학교의 컴퓨터활용 강좌에서는 CBT(Computer Based Test) 방식으로 진행되는 MOS 자격증 평가를 통해 각 학생들의 실용적 활용능력을 객관적으로 평가할 수 있었고, 각 학생들의 획득 점수를 교육성과 자료로 사용하여 교육성과의 요인을 발견하는 분석을 진행할 수 있었다. 본 연구에서는 2011년 ‘컴퓨터활용1’ 교과목을 수강한 2,865명의 학생들의 시험 결과 데이터를 토대로 분석을 수행하였다. 교육성과의 영향력을 분석하기 위한 분석 방법으로는 로지스틱 회귀분석과 결정트리 분석을 사용하였다. 전통적인 통계분석인 회귀분석을 적용하여 교육성과에 영향을 미치는 다양한 요인들의 영향력을 파악할 수 있었다. 회귀분석만으로는 요인들 간의 계층적인 관계를 규명하는데 한계가 있기 때문에 본 연구에서는 데이터마이닝(Data-mining) 분야의 대표적인 분석법인 결정트리(Decision Tree) 분석을 수행하였다. 결정트리 분석은 종속변수에 영향을 미치는 요인들의 관계를 트리 형태로 제공해주며, 그 결과는 직관적으로 해석될 수 있고 적용에 유용한 규칙들을 발견하는데 큰 장점이 있다. 본 연구에서는 결정트리 분석을 통해 교육성과에 영향을 미치는 요인들 간의 관계를 트리 형태로 획득할 수 있었으며, 도출된 모델을 통해 교육성과에 영향을 미치는 중요한 요인들을 발견하고 강좌 운영에 적용할 수 있는 규칙들을 도출하였다. 특히 결정트리 분석에서는 QUEST, CRT 그리고 CHAID의 3개의 알고리즘을 적용하여 결정트리 분석이 입력 변수들 간의 상호관계에 취약한 문제를 보완하고자 하였다. 입력에 사용된 다양한 요인들 중에서 특히 교육기간, 담당교수, 강의실, 강의시간 등의 요인들이 복합적으로 교육성과에 영향을 줌을 파악할 수 있었다.

교육 연구에서의 탐색적 요인분석 사용 실태에 관한 조사연구

강태훈,조혜영,오민아 한국교육방법학회 2013 교육방법연구 Vol.25 No.3

본 연구에서는 오늘날 교육 연구와 관련하여 다양한 사회과학 영역에서 활발히 사용되고 있는 탐색적 요인분석의 활용 실태를 조사하여, 그 적용 및 해석 과정에서 어떠한 문제점들이 존재하는 지를 파악하고 이러한 조사 결과에 기초하여 올바른 요인분석 활용을 위하여 주의할 점이 무엇인지를 확인하고자 하였다. 이를 위하여 한국연구재단에 의해 등재 및 등재후보지로 지정된 교육 관련 학술지에 게재된 논문들 중에서 탐색적 요인분석 적용을 포함하고 있는 259편의 논문을 연구 대상으로 선정하였다. 이들 논문에서의 피험자 수, KMO 및 Bartlett검증, 요인 수 결정방법, 요인 간 상관관계, 회전방식과 요인추출방법,요인 간 상관관계와 회전방식간의 관계, 요인부하량을 해석하는 기준, 결과제시 방법 등을 조사한 뒤 탐색적 요인분석 적용 및 해석상의 문제점이 존재하는 지를 살펴보았다. 그 결과 발견된 주요 문제점들은 다음과 같다: 첫째, 충분한 피험자수를 확보하지 않고 연구를 진행한 논문이 15.8%, 둘째, KMO 및 Bartlett검증 결과를 언급 및 제시하지 않은 연구가 58.3%, 셋째, 요인의 수 결정 과정에 대해 언급하지 않은 경우가 18.5%, 넷째, 요인분석을 의도하였음에도 요인추출방법으로 주성분분석을 사용한 경우가 45.6%, 다섯째, 요인 간 상관관계에 대한 설명을 제시하지 않은 논문이 8.5%, 여섯째, 회전방식을 언급하지 않은 논문이 13.5%, 일곱째, 이론적으로 상관관계를 상정하면서도 직교회전으로 최종 분석을 한 경우가 59.4%, 여덟째, 주성분분석을 적용 후 요인 축 회전을 시도하는 경우가 거의 100%, 아홉째, 사교회전 시 결과 제시가 미흡하거나 잘못된 경우는 7.8%로 나타났다. 마지막으로, 이러한 분석 결과를 바탕으로 탐색적 요인분석을 사용하는 연구자가 주의할 점을 정리하여 제시하였다. The aim of this study is to investigate the use-realities of exploratory factor analysis that is actively being used today in a wide range of educational research areas. It was intended to recognize if any problems existed in the process of its application and interpretation, and to check what should be considered to make the best use of the statistical method. Among academic papers published in the journals listed by the National Research Foundation of Korea, 259 papers including the use of exploratory factor analysis were selected for this study. Many research variables were explored such as the number of subjects, KMO and Bartlett's tests, methods to determine the number of factors, correlation relationships between factors, factor extraction methods, factor-axis rotation methods, how to determine the way of rotation, criteria to interpret the factor loadings, result-presentation methods and soon. The problems found through this research areas follows: First, there were 15.8% of the papers that did use less examinees than minimum sample size necessary to obtain adequate factor solutions. Second, there were 58.3% of the papers that did not refer the results of KMO & Bartlett’s test. Third, the papers that did not present how to decide the number of factors were 18.5%. Fourth, the papers that conducted principal component analysis to finally extract factors were 45.6%. Fifth, 8.5% of the papers did not explain the correlation structure among factors. Sixth, 13.5% did not present the types of axis-rotation they used. Seventh, 59.4% chose orthogonal rotation methods while the significant correlational relationships among factors were theoretically considered. Eighth, almost 100% conducted factor-axis rotation even though they had used the principal component analysis. Ninth, 7.8% did not appropriately present the related results after applying oblique rotation. Based on the findings in this research, finally, it was summarized what cautions should be given by researchers when they use exploratory factor analysis.