4.2.2 타당성 분석

1) 탐색적 요인분석을 통한 척도의 정제

요인들 간의 중복성 및 척도 정재를 위해 우선 요인 추출 모델에 대한 주 성분분석(Principal component analysis) 을 사용하였고 내용상 어울리지 않는 차원에 묶인 항목이나 요인에 비슷한 적재량을 보인 항목들을 제거하기 위 해 기존 변수들을 대상으로 하여 직 각회전 방식으로 베리맥스(Varimax) 회전을 통한 요인분석을 실시하였다. 또한 주성분분석을 사용하는데 있 어 독립변수들 간 구분이 가능하고 요인의 개념적인 정의에 있어서 각 변수들에 의해서 해석이 가능한지에 대한 여부를 파악하기 위해 그 연구의 목적을 두고 있었던 바, 본 연구 에서는 독립변수를 따로 구분하여 주성분 분석(PCA)을 실시하였다. 여기서 아이겐 값은 각각의 변수 전 체에서 2.191 ~ 5.166 사이의 결과 값이 도출되었다. 

또한 주성분분석 과정에서의 여러 요인들에 의해 비슷하게 적재된 변수 들과 더불어 적재량(Factor Loading) 에 대한 기준치 이하인(0.5) 변수를 모두 제거하였다. 


이 기준들은 요인적재량 기준에 대한 Gorsuch(1983)의2) 주장에 의하 면 “요인적재량이 0.3 이상인 경우에 의미가 있다”고 정의하고 있으며, 또한 김충련(2002)은3)    “요인적재량(Eigen-value) 기준을 0.3 이하면 유 의성이 매우 낮음, 그리고 0.4 이하 는  중간정도의 유의성 이 있다고 보 았으며 0.5 이상이면 유의성이 높다” 고 주장한 것에 따라 진행하였다. 결 국 본 연구에서 김충련(2002) 기준에 준하여 일정한 기준이상의 요인 적 재치를 보이고 있는 변수만을 선택 하여 정의했으며 또한 측정항목의 정의에 따른 선행된 각 항목들에 대한 척도 정제를 통하여 요인 적재량 에 대한 각 측정항목 기준을 0.5로 엄격하게 정하여 적재량에 미달하는 항목은 모두 제거하였다. 

또한 Kaiser-Meyer-Olkin(KMO) 측도의 변수들 간의 상관관계가 다 른 변수들에 의해 잘 설명되는 정도 를 나타내는 것인데, 만일 이 측도의 값이 적으면 요인분석을 위한 변수 들 간의 선정이 좋지 못함을 의미하 고 있다.  KMO값이 0.90이상이면 상당히 좋은 것이며, 0.80이상이면 비교적 높은 편이며 0.50이하이면 측정치가 바람직하지 못한 것으로 볼 수 있다(정충영 외, 2004).4)
측정결과 Kaiser-Meyer-Olkin 측 도는 원인변수 0.964로서 이 측도의 값은 높은 기준을 초과하고 있음을 알 수 있다. 또한 요인분석에 대한 모형의 적합성 여부를 나타내는 Bartlett의 구형 검정치(sphericity)가 즉 ‘상관행렬이 단위행렬 이다’라는 차원의 귀무가설 검정을 위한 것으 로써 위 변수들의 분석결과 검정치 가 6086.743이며, 이 값의 유의확률 이 0.000이므로 귀무가설이 기각되고 연구가설이 채택되었다. 따라서 위 변수들에 대한 요인분석 의 사용이 적합하며 공통요인이 존재 한다는 결론을 내릴 수 있다<표 4-4>. 마찬가지로 결과변수에 대한 탐색 적 요인분석 결과값 역시 적재된 각 변수들과 더불어 요인적재량(factor loading)의 적재량 수치 이하인 변수 를 모두 제거한 결과 항목들은 모두 수치 0.5를 초과함을 알 수 있다.

Kaiser-Meyer-Olkin(KMO)의 측 도 측정결과는 결과변수 0.953으로 서, 이 측도값 또한 높은 기준을 초 과하고 있음을 나타내고 있다. 또한 요인분석에 대한 모형 적합 성 여부를 검증하는 Bartlett 구형 검 정치(sphericity)는 변수들에 대한 분 석 결과 검정치가 즉 5683.972이며, 이 결과 값 역시 유의확률은 0.000이 므로 이는 곧 귀무가설이 기각되고 연구가설이 채택된다. 따라서 위 결 과변수들의 요인분석의 사용이 적합 하며 공통요인이 존재한다는 결론을 내릴 수 있다<표 4-5>.