##얘는 Sd가 아니고 Variance이다.

요인의 개수를 4개 또는 5개로 추천해 주고 있다. 여튼 4개 이상의 요인 구성해보고 시작해보자.

  • 요인 고정 분석

로딩값 0.4이상인 것을 하나의 동일한 요인으로 구분해보고, 우리의 생각과 비슷한지 관찰해 보자.

  • 요인 개수 정하기: 신뢰도 측면
  • 신뢰도 값 (Cronbach alpha) 전체의 신뢰도 값은 `Cronbach alpha1를 구해보면

0.9로 매우 높다. 설문의 내적 신뢰도가 매우 높아 잘 구성된 설문으로 판단된다. 이와 마찬가지로, 각 5개 요인별 신뢰도를 구해서 비교해 보면 다음과 같다.

0.1 1

head(gg1$burn_score, 20)
   [1] 20 20 16 19 11 15 16 15  9 19 15 20 14 11 16 15 16  8 12 15

0.2 2

gg1 %>% select(no_2, burn_score, grep('RC', colnames(.))) %>%
        dplyr::rename(ID = no_2) %>% drop_na() %>%
        gather (key = factor, value=score, RC1:RC5) %>%
        filter (score < 2.5 & score >-2.5) %>%
        ggplot (aes(x = score, y =burn_score, group=factor)) +
        geom_point (aes(color = factor), alpha=0.05)+
        geom_smooth(aes(color = factor), method='lm', se=F) +
        facet_wrap (factor ~.) +
        theme_minimal ()

0.3 3

RC1

0.4 4

각 factor 들은 depression_score와 burn_out_score에 각각 다른 영향을 미치게 된다. 예를 들어 위의 분석에 따르면 RC1과 RC3, RC4, RC5 는 양의 상관관계를 가지게 되고 RC2는 음의 상관관계를 가지게 된다. depression_score일 때도 마찬가지였다. 따라서 factor들을 합산해서 같이 사용하게 된다면 가지고 있는 정보들을 더 잘 보여주지 못할 것이다. 따라서 각 factor요인들은 다로 사용하는 것이 더 좋을 것으로 예상된다.