Varimax와 Oblimin 회전은 무엇이 다를까? 요인회전 방법 정리

1. 요인분석에서 회전은 왜 필요할까요?

먼저 요인회전이 무엇인지부터 살펴보겠습니다.

탐색적 요인분석은 여러 설문 문항이 어떤 공통된 요인으로 묶이는지 확인하는 분석입니다.

예를 들어 서비스 만족도와 관련된 12개 문항을 조사했다고 가정해보겠습니다.

분석 결과 문항들이

서비스 품질
가격 만족
이용 편의성

이라는 세 가지 요인으로 구분될 수 있습니다.

그런데 처음 요인을 추출한 결과에서는 어떤 문항이 여러 요인에 비슷한 수준으로 적재되어 있을 수 있습니다.

예를 들어 한 문항의 요인적재량이

요인 1 = 0.52
요인 2 = 0.49
요인 3 = 0.15

로 나타났다면 어떨까요?

이 문항이 요인 1에 속하는지, 요인 2에 속하는지 판단하기 어려울 수 있습니다.

이때 요인회전을 적용하면 요인의 축을 회전시켜 문항과 요인의 관계를 좀 더 명확하게 파악할 수 있습니다.

즉, 요인회전은 추출된 요인의 구조를 해석하기 쉽게 만드는 과정입니다.

다만 회전한다고 해서 모든 문항이 반드시 하나의 요인에 깔끔하게 묶이는 것은 아닙니다.

2. Varimax는 요인 간 상관관계를 허용하지 않는 방법입니다

Varimax는 대표적인 직각회전(Orthogonal Rotation) 방법입니다.

직각회전은 요인들 사이의 상관관계를 0으로 유지하는 방식입니다.

쉽게 말하면 추출된 요인들을 서로 상관이 없는 것으로 설정하고 분석하는 것입니다.

예를 들어

서비스 품질
가격 만족
이용 편의성

이라는 세 가지 요인을 추출했다고 해보겠습니다.

Varimax에서는 이 요인들이 서로 상관되지 않도록 회전합니다.

또한 각 요인에서 문항들의 적재량 차이가 뚜렷해지도록 하여 요인 구조를 해석하기 쉽게 만드는 것을 목표로 합니다.

따라서 이론적으로 요인들이 서로 독립적이라고 볼 만한 근거가 있다면 Varimax를 고려할 수 있습니다.

다만 여기서 주의할 점이 있습니다.

Varimax를 선택했다고 해서 실제 연구 대상의 요인들이 서로 독립적이라는 사실이 증명되는 것은 아닙니다.

분석 과정에서 요인 간 상관을 허용하지 않는 방법을 선택한 것이기 때문입니다.

3. Oblimin은 요인 간 상관관계를 허용하는 방법입니다

Oblimin은 대표적인 사각회전(Oblique Rotation) 방법입니다.

Varimax와 달리 요인들 사이에 상관관계가 존재할 수 있도록 허용합니다.

예를 들어 직무만족을 구성하는 요인이

업무 만족
급여 만족
조직관계 만족

으로 나뉜다고 가정해보겠습니다.

실제 직장생활에서는 업무에 만족하는 사람이 조직관계에도 만족할 가능성이 있습니다.

또 급여 만족과 전반적인 업무 만족이 서로 관련될 수도 있습니다.

이처럼 요인들이 개념적으로 연결되어 있을 가능성이 있다면 Oblimin을 고려할 수 있습니다.

Oblimin은 요인들이 반드시 상관되어 있다고 가정하는 방법은 아닙니다.

요인 간 상관이 존재할 가능성을 열어두고 분석하는 방법이라고 이해하면 됩니다.

특히 심리학, 교육학, 사회과학 분야에서는 여러 심리적·행동적 개념이 서로 관련되는 경우가 많기 때문에 사각회전이 유용할 수 있습니다.

4. Varimax와 Oblimin의 차이를 표로 정리해보겠습니다

구분	Varimax	Oblimin
회전 방식	직각회전	사각회전
요인 간 상관	0으로 제한	상관 허용
주요 목적	요인 구조를 명확하게 구분	요인 간 관계를 허용하면서 구조 해석
적합한 상황	요인들이 독립적이라고 판단할 근거가 있을 때	요인들이 서로 관련될 가능성이 있을 때
SPSS 주요 결과표	회전된 성분행렬 또는 요인행렬	패턴행렬, 구조행렬, 요인상관행렬

두 방법 중 어느 하나가 항상 더 정확하다고 말할 수는 없습니다.

중요한 것은 연구에서 측정하려는 개념들이 서로 어떤 관계에 있다고 예상하는지입니다.

따라서 단순히 많이 사용한다는 이유로 선택하기보다 연구모형과 변수의 특성을 고려해 회전 방법을 결정하는 것이 좋습니다.

5. SPSS에서는 어떤 결과표를 확인해야 할까요?

회전 방법을 선택했다면 결과표도 다르게 살펴봐야 합니다.

Varimax를 사용한 경우

주로 회전된 성분행렬(Rotated Component Matrix) 또는 회전된 요인행렬을 확인합니다.

이 표에서는 각 문항이 어떤 요인에 높게 적재되는지 살펴볼 수 있습니다.

예를 들어 Q1, Q2, Q3이 요인 1에 높게 적재되고 Q4, Q5, Q6이 요인 2에 높게 적재된다면 해당 문항들이 서로 다른 요인으로 구분되는지 검토할 수 있습니다.

Oblimin을 사용한 경우

주로 다음 세 가지 표를 확인합니다.

패턴행렬(Pattern Matrix): 다른 요인의 영향을 고려했을 때 각 문항과 요인의 고유한 관계를 보여줍니다.
구조행렬(Structure Matrix): 문항과 요인 사이의 상관관계를 보여줍니다.
요인상관행렬(Factor Correlation Matrix): 추출된 요인들 사이의 상관관계를 보여줍니다.

Oblimin에서는 일반적으로 패턴행렬을 중심으로 문항의 요인적재량을 해석합니다.

그리고 요인상관행렬을 함께 확인하면 실제 추정된 요인 간 상관이 어느 정도인지 살펴볼 수 있습니다.

이때 패턴행렬과 구조행렬의 값이 다르게 나타날 수 있는데, 이는 두 표가 나타내는 관계가 서로 다르기 때문입니다.

6. 요인 간 상관이 높다면 Oblimin을 사용해야 할까요?

요인회전 방법을 고민하다 보면 이런 질문이 생길 수 있습니다.

“요인 간 상관이 높으면 무조건 Oblimin인가요?”

요인들이 서로 관련되어 있다면 사각회전이 더 자연스러운 선택일 수 있습니다.

하지만 상관계수 하나만으로 모든 상황을 판단하기는 어렵습니다.

예를 들어 요인 간 상관이 0.30으로 나타났다고 해서 반드시 특정 회전 방법을 선택해야 하는 절대적인 기준이 있는 것은 아닙니다.

연구 분야나 참고문헌에 따라 경험적으로 활용하는 기준은 있을 수 있지만, 모든 연구에 동일하게 적용되는 규칙은 아닙니다.

또한 요인 간 상관이 지나치게 높다면 회전 방법의 문제를 떠나 두 요인이 실제로 충분히 구분되는 개념인지 검토해야 할 수도 있습니다.

따라서 회전 방법을 선택할 때는

연구에서 요인들이 이론적으로 독립적인지,
선행연구에서는 어떤 방법을 사용했는지,
분석 결과에서 요인들이 어떻게 구분되는지

등을 함께 살펴보는 것이 좋습니다.

7. 회전 방법을 바꾸면 결과가 달라질 수도 있습니다

같은 데이터로 요인분석을 진행하더라도 Varimax와 Oblimin 중 어떤 방법을 선택했는지에 따라 요인적재량과 문항의 해석이 달라질 수 있습니다.

특히 요인들이 실제로 서로 관련되어 있다면 두 회전 방법에서 나타나는 구조가 다를 수 있습니다.

그렇다고 해서 원하는 결과가 나올 때까지 회전 방법을 계속 바꾸는 것은 주의해야 합니다.

예를 들어 Varimax에서는 문항이 명확하게 구분되지 않는데 Oblimin에서는 잘 구분된다고 해서 결과가 더 좋아 보인다는 이유만으로 방법을 선택해서는 안 됩니다.

회전 방법을 선택한 이유가 연구의 이론적 배경과 연결되어 있어야 합니다.

또한 요인회전은 이미 추출된 요인의 해석을 돕는 과정이므로, 요인 수를 어떻게 결정했는지와 어떤 요인추출 방법을 사용했는지도 함께 확인해야 합니다.

특히 SPSS의 주성분분석(PCA)과 공통요인분석은 목적이 다르기 때문에 분석 설정에서 구분할 필요가 있습니다.

📌 정리

Varimax와 Oblimin은 모두 탐색적 요인분석에서 사용하는 회전 방법이지만, 요인 간 상관관계를 어떻게 다루는지에 차이가 있습니다.

✔ Varimax는 직각회전으로 요인 간 상관을 0으로 제한합니다.
✔ Oblimin은 사각회전으로 요인 간 상관을 허용합니다.
✔ 요인들이 이론적으로 독립적이라면 Varimax를 고려할 수 있습니다.
✔ 요인들이 서로 관련될 가능성이 있다면 Oblimin을 고려할 수 있습니다.
✔ Varimax에서는 회전된 요인행렬을 주로 확인합니다.
✔ Oblimin에서는 패턴행렬과 요인상관행렬을 함께 확인하는 것이 좋습니다.
✔ 원하는 결과에 맞추기보다 연구의 이론적 배경을 바탕으로 회전 방법을 선택해야 합니다.

특히 SPSS에서 요인분석을 진행할 때는 ‘어떤 회전 방법을 선택했는가’뿐 아니라 ‘왜 그 방법을 선택했는가’를 설명할 수 있어야 합니다.

연구에서 측정하려는 개념들이 서로 어떤 관계를 갖는지 먼저 생각해보면, 회전 방법을 선택하고 결과를 해석하는 과정도 훨씬 수월해질 수 있습니다.