요인분석 KMO Bartlett 기준: 전제부터 부하량까지
요약: 요인분석을 해도 되는지는 KMO ≥ .60(가능하면 .70 이상)과 Bartlett 구형성 검정이 유의(p < .05)한지로 확인합니다. 요인 수는 고유값·스크리 도표·누적 분산으로 정하고, 요인부하량은 보통 .40~.50 이상을 기준으로 봅니다.
척도를 개발하거나 타당화할 때 탐색적 요인분석(EFA)을 씁니다. 그런데 SPSS 출력에 KMO, Bartlett, 고유값, 성분행렬 등 낯선 값이 많아 어디를 봐야 할지 막막하죠. 이 글에서 요인분석 전 확인할 전제 → 요인 수 결정 → 부하량 해석까지 순서대로 정리합니다.
1. 요인분석을 해도 되나 — KMO와 Bartlett
가장 먼저 이 데이터가 요인분석에 적합한지를 두 지표로 확인합니다.
- KMO(표본 적합도) — 변수들이 요인분석에 얼마나 알맞은지를 0~1로 나타냅니다. 높을수록 좋습니다.
- Bartlett의 구형성 검정 — 변수 간 상관이 요인분석을 할 만큼 충분한지 검정합니다. p < .05로 유의해야 진행할 수 있습니다.
| KMO 값 | 해석 |
|---|---|
| .90 이상 | 훌륭함 |
| .80 ~ .89 | 좋음 |
| .70 ~ .79 | 보통 |
| .60 ~ .69 | 수용 가능(다소 낮음) |
| .50 미만 | 부적합 — 요인분석 재검토 |
2. 요인 수는 어떻게 정하나
요인을 몇 개로 볼지는 한 가지 기준만으로 정하지 않고 여러 근거를 함께 봅니다.
- 고유값(eigenvalue) > 1 (Kaiser 기준) — 가장 흔하지만 요인 수를 과대 추정하는 경향이 있습니다.
- 스크리 도표(scree plot) — 기울기가 급히 꺾이는 지점(팔꿈치) 앞까지를 요인 수로 봅니다.
- 누적 분산 설명 — 사회과학에서는 대체로 50~60% 이상을 하나의 기준으로 참고합니다.
3. 추출·회전 방법 고르기
⚠️ 주성분분석(PCA)은 엄밀히는 요인분석이 아닙니다. 잠재요인 구조를 보려면 주축 요인 추출(PAF) 또는 최대우도(ML)를 선택하세요.
회전은 요인 간 관계 가정에 따라 고릅니다.
- 베리멕스(Varimax, 직교회전) — 요인들이 서로 독립이라고 볼 때.
- 직접 오블리민(Oblimin, 사교회전) — 요인들이 서로 상관이 있다고 볼 때. 심리·교육 변수는 대개 상관이 있어 사교회전을 많이 씁니다.
4. 요인부하량 해석
회전된 성분(요인)행렬에서 각 문항이 어느 요인에 실리는지를 봅니다.
- 보통 부하량 .40~.50 이상을 유의미한 적재로 봅니다(연구 기준에 따라 다름).
- 교차부하(cross-loading) — 두 요인에 모두 비슷하게 실리는 문항은 제거를 검토합니다.
- [옵션]에서 "크기순 정렬"을 체크하면 부하량 표를 읽기 쉽습니다.
요인분석으로 구조를 확인한 뒤에는 각 요인의 신뢰도(크론바흐 알파)를 함께 보고합니다. 역문항이 있다면 역코딩을 먼저 해야 합니다. 세부 판단 기준은 요인분석 Q&A를 참고하세요.
자주 묻는 질문
KMO는 몇 이상이면 되나요?
일반적으로 .60 이상이면 수용 가능, .70 이상이면 무난합니다. .50 미만이면 요인분석에 부적합하다고 봅니다.
Bartlett 검정은 유의해야 하나요, 아니어야 하나요?
유의(p < .05)해야 합니다. 변수 간 상관이 요인분석을 할 만큼 충분하다는 뜻이기 때문입니다.
주성분분석과 요인분석은 같은가요?
엄밀히는 다릅니다. 잠재요인 구조를 보려면 주축 요인 추출이나 최대우도를 사용하고, 주성분분석은 차원 축소 목적일 때 씁니다.
요인부하량은 얼마 이상이어야 하나요?
보통 .40~.50 이상을 유의미한 적재로 봅니다. 두 요인에 모두 실리는 교차부하 문항은 제거를 검토합니다.