ai-times

본 글에서는 Cronbach's Alpha 에 대해 정리하고자 한다.

참고자료1: http://www.test-market.kr/397 (신뢰도분석 Cronbach's Alpha)  참고자료2: http://en.wikipedia.org/wiki/Cronbach's_alpha  참고자료3: http://blog.daum.net/jhlee03/262 신뢰도, 내적일관성의 통계적 의미 설명

Cronbach's  α(Alpha) 는 [크론바하 알파] 라고 읽는다.
(또는 [크론바흐 알파] 라고도 함, 또는 간단하게 [알파(값)] 라고도 한다.)
크론바하 라는 통계학자가 설문의 신뢰도를 평가하기 위하여 1951년에 제안한 평가값이다. 

<사용목적>

- 설문지의 신뢰도를 평가하기 위하여 사용한다.
- 설문항목에 대하여 신뢰성을 저해하는 항목(문항)을 찾아내고 제거하기 위하여 사용한다.

<신뢰도를 평가한다는 의미는 무엇인가?>

보통 설문지를 통해 몇 개의 개념들을 평가한다. 각 개념들을 측정하기 위해서 몇 개의 질문(문항)을 준비하는 것이 일반적이다. 이때, 이 여러 문항들이 얼마나 일관성이 있는가? 하나의 개념을 측정하고 있는가? 의 정도를 의미한다. 그래서 [내적 합치도] 라고도 부른다. (Cronbach's Alpha = 내적 합치도 계수)  

<여러가지 이름들>
Cronbach's Alpha 는 여러가지 이름들로 불리고 있다. 이름이 많이 이해할 때 혼동할 수 있어 아래에 이름들을 정리해보았다. 다 같은 의미로 이해하면 된다.
- 신뢰성 지수(계수)
- 내적 합치도 지수(계수)
- 동질성 지수(계수)
- 내적 일관성 신뢰도(지수) (Internal consistency realiability)
- 알파 값

<신뢰도 평가 기준>

Cronbach's  α 값은 0에서 1사이의 값을 가지며 1에 가까울 수록 신뢰도가 높다고 해석된다.
신뢰도가 높다 낮다의 판정 기준값으로 0.6 을 사용하는 경우가 많으며 0.7을 사용하기도 한다. (참고)

<예제를 통한 설명>

예를들어, 회사지원들의 스트레스 요인을 분석하기 위한 설문에서
아래의 몇 항목들이 서로 같은 내용(부서 내의 몰입도)을 평가하도록 했다고 하자.
이들이 실제로 같은 개념을 평가하고 있는가? 일관성(신뢰도)가 있는가?
(이 예제는 위의 참고자료1을 참고한 것임.)

항목04.  부서내의 소외감을 느끼는가?
항목08.  책임감 결여되었는가?
항목09.  불안정한 가정분위기?
항목10.  본인의 리더쉽이 부족하다고 느끼는가?  

위 항목들을 대상으로 Cronbach's Alpha 값을 계산하여 0.67의 값을 얻었다고하자.
그러면 0.6을 판정기준으로 했으때 위 4개의 항목들은 같은 개념(조직의 몰입도)를 평가하는데 신뢰성이 있다고 판단될 수 있다.

<요인분석과 Cronbach's Alpha>

설문항목들의 신뢰도를 평가하기 위해서 <요인분석>을 함께 사용하는 경우가 많다.
주어진 데이터에 대해서 <요인분석>을 수행한다. 요인분석의 결과로 몇 개의 변수들간의 서로 같은 개념으로 묶이는 것을 발견할 수 있다.

이들 묶음에 대하여 Cronbach's alpha 값(알파값)을 계산할 수 있는데, 이 값이 기준값(0.6 or 0.7)보다 크면 해당되는 몇 개의 항목들이 신뢰도가 높다고 판단할 수 있다.

이때, 어떤 변수를 제거,삽입하면 알파값이 변동이 발생하게 된다.
어떤 변수를 제거했을 때 알파값이 상승된다면 그 변수(항목)은 제외하는 것이 오히려 설문의 신뢰성을 높이는데 좋다. 반대로, 어떤 변수를 제거했을 때 알파값이 큰 변동이 없거나 낮아진다면 그 변수는 신뢰성을 위해 필요한 변수라고 평가할 수 있다.

<SPSS를 사용한 Cronbach's Alpha 값 측정>

SPSS 에서는 Cronbach's Alpha 값을 측정하도록 지원하고 있다.
사용 방법은 준비 중입니다...

영문판 : [analyze] - [scale] - [reliability analysis]
한글판 : [분석] - [척도화 분석] - [신뢰도 분석]

신뢰도를 평가할 항목들을 선택한 후 (오른쪽으로 옮긴 후)
[확인] 버튼을 눌러 신뢰도 분석을 할 수 있다.

오피스 2007(워드, 엑셀, 파워포인트, 엑세스, 아웃룩) 메뉴 변환 방법 (예전 방식의 메뉴로)

오피스 2007 버전을 사용하는 경우 메뉴의 구성이 이전 버전과는 너무 많이 변경되어서
오히려 사용하기가 불편한 점이 있습니다.
그래서 2007버전보다는 2003 버전을 사용하는 경우도 많이 있습니다.

오피스 2007을 사용하는 경우에도
Classic Menu for Office 2007 이라는 프로그램을 설치하면
오피스 2007 버전의 메뉴를 오피스 2003의 형태로 변환할 수 있습니다.

파일 다운로드


위에 첨부된 파일을 다운로드 한 후 설치하면, 바탕화면에 메뉴 변환 프로그램 아이콘이 추가됩니다.
아이콘을 클릭하여 메뉴 변환 프로그램을 실행한 후 아래와 같이 셋팅합니다.



위와 같이 셋팅한 후 Office 2007 프로그램을 실행해보면 아래와 같이 메뉴가 생성된 것을 볼 수 있습니다.

변경 후 OFFICE 2007 화면 그림



출처 : http://www.addintools.com/
참고1: http://osnews.kr/314

1. 신경망(Neural Network)의 소개

신경망 알고리즘은 인간의 두뇌를 모델로 한 분석 방법이다. 인간의 두뇌는 약 10^11개의 뉴런이 매우 큰 개수의 시냅스에 서로 간에 연결되어 있다. 각 뉴런(neuron)들은 시냅스(연결선)에 의하여 서로 정보를 교환한다. 특정 뉴런에 신호가 입력되면 그 뉴런은 시냅스에 의해 연결된 다른 노드로 신호를 전달하고 이러한 과정이 계속되어 뇌는 새로운 것을 학습하게 된다는 이론에 기초하고 있다.

뉴런의 구조는 아래의 그림을 참고하기 바란다. 신경망 알고리즘을 이해하기 위해서 뇌의 구조를 깊이있게 이해해야 할 필요는 없음으로 크게 부담갖을 필요는 없다.


2. 신경망의 구조

신경망은 인간의 뇌의 구조를 모델로하여 아래와 같은 구조를 통해 학습(Learning)을 수행한다.


3. 신경망 알고리즘의 역사

신경망의 역사에 대해서 아래의 표를 참고하기 바란다.
아래의 표는 [Neural Connection을 이용한 데이터마이닝 신경망분석]의 p.6 에서 발췌하였다.
 
신경망 알고리즘을 최신 기술로 알고 있는 사람들도 있지만 사실은 그렇지 않다. 1950년대 부터 신경망 알고리즘의 기초적인 아이디어가 제안되었고 지금까지 발전되는 가운데 여러 분야에서 사용되고 있다. 한동안 인공지능 및 신경망의 한계가 제시되어 침체기를 걷기도 하였으나 오히려 최근에 들어 다양한 분야에서 많이 활용되고 있다. 

연도	연구자	연구 내용
1958년	프랑크 로센블라크  (Frank Rosenblastt)	최초의 인식 모형 발명 (후에 신경망의 기초가 됨)
1967년	민스키 & 페페트  (Minsky & Papert)	인식 모형 구조의 문제 해결의 한계 발표 (저서 'Perceptron'를 통해)
1982-1984년	홉필드 & 코호넨  (Hopfield & Kohonen)	인식 모형의 구조 문제 해결을 하면서 오류-역전파망을 이용한 다층인식모형의 탄생

4. 신경망 관련 동영상

[1] The Next Generation of Neural Networks [동영상보기]
[2] Neural Network Lesson 1 : Single-Layer Perceptrons [동영상보기]
[3] Neural Network Lesson 2 : Probabilistic Neural Networks [동영상보기]
[4] C++ Console Lesson 13: Perceptron Training [동영상보기]

참고자료 (교재)  

[1] Neural Connection을 이용한 데이터마이닝 신경망분석, 고려정보산업, 조용준/허준/최인규 공저, 1999년


[논문] 신경망 분석을 이해하는 데 도움이 되는 참고 논문

[1] 인공신경망분석의 이해와 활용, 2008년, 유제민, 한국심리학회 [논문정보]
(KISS 논문 검색사이트를 통해 검색함. 검색어: 신경망)
내용 : 신경망 알고리즘에 대한 대략적인 소개가 설명되어 있습니다. 자세한 수식 등을 설명되지 않으며, 신경망에 대한 간단한 소개자료입니다. 2페이지로 간단하게 소개와 특징, 장점등이 기술되어 있습니다.

[논문] 신경망을 활용한 논문

[1] 생명보험사의 개인연금 보험예측을 사례를 통해서 본 의사결정나무 분석의 설명변수 축소에 관한 비교 연구, 이용구(중앙대학교 수학통계학부), 허준(SPSS Korea), 2009년 데이터정보과학회 논문지 게제. [논문정보]
(KISS 논문 검색사이트를 통해 검색함. 검색어 신경망)
내용 : 신경망 알고리즘을 사용하여 변수를 축소한 후 결정트리를 통한 의사결정을 하는 것이 효과적이라는 내용이다. 데이터(변수) 축소를 위해서 신경망을 활용하였다.



<참고자료>

[1] 신경망을 사용하여 동물을 분류하는 프로젝트
http://blog.naver.com/shine10ee?Redirect=Log&logNo=10047902225&vid=0

[2] 신경망 소스 코드 제공 사이트
http://lcn.epfl.ch/tutorial/english/

[3] 충북대 오창석 교수님의 <뉴로컴퓨터 개론> 책(9장. 신경망)에 대한 강의자료입니다.
http://blog.paran.com/fuzzyrisk/26175430#

1) 뉴로 컴퓨터란?	1211978621_01. 뉴로컴퓨터.ppt
2) 생물학적 신경망	1211978621_02. 생물학적 신경망.ppt
3) 인공신경망 모델	1211978621_03. 인공 신경망 모델.ppt
4) 신경망의 유형	1211978811_04. 신경망의 유형.ppt
5) 활성화 함수	1211978811_05. 활성화 함수.ppt
6) 패턴 분류	1211978811_06. 패턴분류.ppt
7) 퍼셉트론	1211978906_07. 퍼셉트론.ppt
8) 연상메모리	1211978906_08. 연상메모리.ppt
9) BP(오류역전파)알고리즘	1211978906_09. BP알고리즘.ppt
10) 뉴로 컴퓨터 응용	1211979009_10. 뉴로컴퓨터 응용.ppt

[4] SAS에서의 신경망 활용 예제


[5] 신경망의 응용