데이터의 공통 요인 및 주성분 표현: 이론 및 확인 복제에 대한 함의

공통 요인 분석(FA)과 주성분 분석(PCA)은 공적인 변수 간의 상관 행렬의 저차원 표현을 얻기 위해 일반적으로 사용됩니다. 일부 전문가들은 FA와 PCA 사용의 결과 차이가 작고 경험적 연구에서는 상대적으로 중요하지 않다고 주장하지만, 두 방법의 기본적인 근거는 매우 다릅니다. 여기서 FA와 PCA는 네 가지 핵심 문제에서 대조됩니다: 가능한 차원 적재의 범위, 차원 간의 잠재적 상관관계의 범위, 잔차 공분산 및 상관관계의 구조, 그리고 모집단 매개변수와 관련된 상관 구조 간의 관계. 수십년 동안 전문가들은 FA 모델의 불확정성, 특히 공통 요인 점수의 불확정성을 강조해왔습니다. 대부분의 측면에서 결정적인 FA와는 달리, PCA에서는 구조적 표현과 그로부터 유도된 상관 구조 간의 불확정성을 시연합니다. 연구자들은 일반적으로 데이터 분석의 탐색적 라운드에서 FA 또는 PCA를 사용하여 이론 검증 및 확인 복제 연구의 후속 단계로 나아가기 전에 도메인의 차원 구조를 이해하고 다듬는 것이 좋습니다. 현재 연구의 결과는 PCA가 이러한 목적에 대해 신뢰할 수 없는 방법임을 시사하며, 도메인의 구조를 심각하게 잘못 표현할 수 있습니다. 따라서 도메인의 잠재 구조를 이해하고 표현하는 것이 목표라면 PCA를 절대 사용해서는 안 되며, 오직 FA 기술만이 이 목적에 적합합니다. FA만이 향후 연구에서의 확인 검사에 대한 신뢰할 수 있는 구조적 표현을 제공합니다.