요인 분석

요인분석은 유사한 변수들을 묶어주어야 하므로 변수들 간에는 적어도 하나 이상의 다른 변수와 높은 상관관계를 가져야 한다. 만일, 변수들 간의 상관관계가 낮다면 이는 공통 요인을 갖지 못하므로 공통요인을 구할 수 없다. 따라서, 변수들 간의 상관관계를 검토하는 일이 선행되어야 한다. 예를 들면, 변수 X1과 X2의 상관관계가 높다면 이들은 동일 개념으로 분류 및 묶일 수 있다.
2) 요인추출
요인추출의 목적은 요인을 결정하는 것이다. 요인추출법에는 여러 가지가 있으나 관측된 요인의 선형결합인 주성분분석(principal components analysis or component analysis : PDA)을 많이 이용한다. 이는 정보의 손실을 최소화시켜 주며 보다 적은 수의 요인을 추출할 때 유용하기 때문이다. 주성분을 구하는 방법으로는 첫 번째 주성분은 표본의 분산을 가장 많이 설명해 주는 선형결합이며, 다음은 첫 번째 주성분과 무관한 분산을 가장 많이 설명해 주는 선형결합이다. 이러한 방식으로 차례로 주성분을 구한다. 만일, 주성분의 수가 변수의 수만큼 많다면 이는 단순화를 목적으로 하는 요인분석의 이용과는 거리가 멀다. 요인추출 단계에서는 자료를 가장 잘 기술하는 공통요인을 결정하는 것이다. 이는 고유치와 요인들에 의해 설명할 수 있는 분산의 비율을 고려하여 결정된다.
3) 요인 회전
요인추출 결과 계산된 요인행렬은 요인과 개별변수간의 상관관계를 알려준다. 그러나 요인행렬로서 의미있는 요인을 확인하기는 어렵다.