• 서울시 마포구 도화동 347-39 예당빌딩 4층
  • 월~금요일 9:00 - 18:00
  • 02-887-7077

요인분석(Factor Analysis)

4. 요인분석(Factor Analysis) 개념: 다수 변수들의 관계(상관관계)를 분석하여 변수들의 바탕을 이루는 공통차원들(common underlying dimensions)을 통해 해당 변수들을 설명하는 분석. 분석목적:다수의 변수들을 소수의 요인들(factors)로 축약하는 데에 목적이 있음. 이때 요인분석을 하기 위한 변수는 반드시 등간/비율척도에 의해서 분석이 가능. (ex. 분석이 가능한 변수-5점 리커트 척도로 측정한 조직몰입과 관련된 25문항) 분석 결과 및 해석에 대한 예시 – 소비자들의

카이스퀘어 검정(Chi Square)

3. 카이스퀘어 검정(Chi Square) 개념: 주어진 데이터가 명목척도인 비 연속적 범주로 구성되어 있을 경우, 두 독립변수의 분포 차이의 유의도를 검정하는 분석. 분석목적: 독립변수와 종속변수가 명목척도일 때, 각 변수 집단 간의 유의한 차이를 알아보기 위하여 사용되는 분석. 이때 독립변수와 종속변수는 모두 두 개 이상의 집단변수이어야 함. (ex. 독립변수-성별(남/여), 종속변수-제품속성(브랜드/가격/디자인/품질)) 조건 – 사례수가 30보다 커야 함. –

단일변량 분산분석 (ANOVA)

2. 단일변량 분산분석(ANOVA) 개념: 독립변수 내의 세 집단 이상의 평균을 비교하는 방법. 분석목적: 한 요인(변수) 내에 있는 세 개의 집단 이상이 종속변수의 평균이 통계적으로 유의미한지를 파악하기 위해 사용되는 분석. 이때 독립변수는 세 개 이상의 집단이어야 함.(ex. 학력의 초등학교 졸업 이하/중학교 졸업/고등학교 졸업/대학교 졸업 이상) 분석 결과 및 해석에 대한 예시 – 학력(명목척도)에 따른 직무만족도(등간/비율척도)의 차이

NEWEST_001_T-검정

1. T-검정(T-test) 개념: 독립변수 내의 두 집단의 평균을 비교하는 방법. 분석목적: 두 집단 간 평균의 차이가 통계적으로 유의미한지를 파악하기 위해 사용되는 분석. 이때 독립변수는 두 개의 집단이어야 함.(ex. 성별의 남자/여자, 학력의 저학력/고학력) 분석 결과 및 해석에 대한 예시 – 성별(명목척도)에 따른 직무만족도(등간/비율척도)의 차이 [성별에 따른 직무만족도 차이]   남(n=169) 여(n=227) t 직무만족도 1 3.73ª 4.30

회귀분석 – Multiple Regression Analysis

1. 회귀분석 – Multiple Regression Analysis 1-1.다중회귀분석 다중회귀분석은 2개 이상의 독립변수가 종속변수에 미치는 영향을 분석한다. 예를 들어, 매출액에 영향을 주는 변수로서 단순회귀에서 사용한 광고액 외에 종업원 근무년수, 1일 문의전화건수를 추가적으로 생각할 수 있다. 다중회귀분석에서 고려해야 할 점은 다음과 같다. 첫째, 독립변수간의 상관관계, 즉 다중공선성(multicollinearity)이다. 둘째, 어떤 잔차항이 다른 잔차항에 영향을 미치게 되는 경우 오차항의 자기상관(autocorrelation)

분산분석

1. 분산분석 개요 분산분석 목적 및 설문 구성 목적 세집단 이상의 평균 간 차이를 검증하는데 이용되는 방법 독립변수: 3개 이상의 집단으로 구성된 범주형 자료(연령대 등) 종족변수: 평균을 산출할 수 있는 수치형 자료 (성적, 만족도 등) 독립변수의 수에 따라 일원분산분석과 이원분산 분석으로 설문구성의 예 귀하의 연령대는? (1) 10대 (2) 20대 (3) 30대 (4) 40대이상 귀하 가정의

구조방정식모델

1. 구조방정식모델의 개요 구조방정식 모델은 지금까지 공분산구조분석 (Covariance structure analysis) 잠재변수모델 (Latent variable model) 선형구조관계(LISREL, Linear Structural Relations) 구조방정식모델 로 통일되어 사용되고 있다. 2. 구조방정식모델 장점 회귀분석, 요인분석, 그리고 상관분석등 다양한 통계 기법을 한번에 사용할 수 있는 기법. 외생 및 내생 변수에 대한 측정오차 고려 직접, 간접 총 효과 검증 잠재변수에 대한 이용 확인적 요인분석

구조방정식모델 분석의 적용

1. 구조방정식모델을 통한 분석의 적용 가. 개념 변수들 간의 인과관계 및 상관관계를 검증하기 위한 통계기법으로서 사회학 및 심리학 분야에서 개발되었지만 현재는 경영학, 교육학, 의학, 경제학 등 여러 학문 분야에서 광범위하게 사용되고 있다. 또한 기업체의 고객 만족도 및 브랜드 이미지, 신제품의 광고 효과 등 다양한 소비자 행동이나 니즈(Needs)를 분석하는데 사용되고 있는 만큼 구조방정식 모델의 사용 영역은

구조방정식모델의 분석단계

1. 구조방정식모델의 분석 단계 가. 모델개념화 및 경로도 작성 구개념적 틀의 구축: 변수, 가설 설정 외생잠재변수(항상 독립변수, 모델 내의 다른 변수에 방향적 영향 받지 않음)와 내생잠재 변수(모델에 포함된 다른 변수에 방향적 영향을 받음)의 구분에 주의 지표의 수 문제: 5~6개 잠재변수에 대해 각각 3~4개 관측변수 모델이 일반적 나. 자료수집 및 자료점검 표본 크기의 결정 결측자료 처리:

구조방정식모델

1. 구조방정식의 모델 2. 모델의 추정 모수의 추정 법에는 여러가지 방법이 사용된다. 2단계최소자승법: TSLS (Two-stage least square), 2단계최소자승법: TSLS (Two-stage least square), 수단변수법: IV (Instrumental variable), 비가중최소자승법: ULS (Unweighted least square), 일반최소자승법: GLS (General Lease square), 최대우도법: ML (Maximum likelihood), 가중최소자승법: WLS (Weighted least square), 대각가중최소자승법: DWLS (Diagonally weighted square) 이중 ML 법과, GLS 법이

>