자모비(jamovi) 통계 프로그램 환경에서의 MAP 기법 적용: 구현 및 실증 분석

Application of the MAP Method Using jamovi: An Implementation and Empirical Analysis

본 연구의 목적은 통계 소프트웨어 jamovi의 seolmatrix 모듈 내에서 Velicer의 최소평균편차 (Minimum Average Partial, MAP) 검사를 구현하고 그 타당성을 검증하는 데 있다. 탐색적 요인분석(EFA)과 주성분분석(PCA)에서 요인 수의 결정은 다변량 통계학의 핵심 과제 중 하나로, 기존의 Kaiser 기준이나 스크리 도표(scree plot) 방식은 과대 또는 과소 추정의 한계를 지닌다. 이를 보완하기 위한 방법으로 제안된 Velicer의 MAP 검사를 jamovi 환경에 모듈 형태로 개발함으로써, 고급 요인 수 결정 기법에 대한 접근성을 제고하고 심리학·사회학·교육학 등 사회과학 전반의 실증 연구 활용도를 높이는 데 연구의 의의가 있다. 개발된 seolmatrix 모듈(Version 4.0.6)의 MAP 검사는 Pearson, Kendall, Spearman, Gamma, Polychoric 등 다양한 상관계수 유형을 지원하며, 평행 분석(Parallel Analysis), 경험적 Kaiser 기준(Empirical Kaiser Criterion), HULL 방법 등과의 비교 분석 기능을 포함한다. 실제 실증 분석에서는 Big Five 성격검사 데이터를 적용하여 MAP 검사의 성능을 검증하였으며, 그 결과 MAP 검사는 이론적 5요인 구조를 정확히 식별하는 반면, Kaiser 기준은 6요인을 과추정하는 경향을 보였다. 이러한 결과는 MAP 검사가 요인 수 결정의 객관성과 정확성을 향상시키는 효과적인 방법임을 시사하며, 본 연구는 고급 통계 방법론을 프로그래밍 지식 없이도 활용할 수 있도록 함으로써 사회과학 연구 환경의 분석 품질과 재현성을 높이는 데 기여하고 있다.

This study introduces the development and validation of Velicer’s Minimum Average Partial (MAP) test within the seolmatrix module of the jamovi statistical software, addressing a methodological gap in the accessibility of advanced factor retention techniques. Determining the optimal number of factors or components to retain in exploratory factor analysis (EFA) and principal component analysis (PCA) remains one of the most fundamental challenges in multivariate statistics. Conventional approaches—such as the Kaiser criterion (eigenvalues > 1) and the scree plot—have been criticized for their susceptibility to overestimation and the subjective interpretation of dimensionality. The implemented seolmatrix module (Version 4.0.6) extends the jamovi environment by supporting multiple correlation types (Pearson, Kendall, Spearman, Gamma, and Polychoric), providing both numerical and graphical outputs, and enabling comparative analyses with other factor retention criteria, including the Empirical Kaiser Criterion and the HULL method. Empirical validation using the Big Five Inventory personality dataset demonstrated that the MAP test accurately identified the theoretical five-factor structure, whereas the Kaiser criterion overestimated six factors. Furthermore, the convergence of the MAP test results with those from parallel analysis and the Empirical Kaiser Criterion provided strong statistical support for the theoretical five-factor model. The successful implementation of the MAP test within an open-source, user-friendly platform exemplifies how advanced statistical methodologies can be democratized without compromising analytical rigor or interpretive precision, thereby contributing to the enhancement of methodological sophistication and reproducibility in social and behavioral sciences.