서베이 데이터를 분석하기 위하여 많은 다변량 분석 도구들 중에서
올바른 Tool을 선정하는 방법에 대해 알아보자.

다음 그림을 참조하면 분석하려는 데이터 유형과 분석 목적에 따라 분석 도구를
적절하게 찾을 수 있다.

전날 분석해 보았던 대응분석의 경우를 살펴보면 분석하려고 하는 데이터가 모두 범주형 변수이거나
물성상 질적변수이기 때문이다.

■ 범주형 데이터 이면서 그룹의 특성을 예측하려고 할 경우

(1) 군집 분석(Clustering)
    분석하려는 데이터가 숫자로 나타낸 데이터이거나 연속형 데이터 이며 고객이 그룹을 이루고
    있다면 군집분석 기술을 사용하면 사용자 그룹과 프로필을 정의하는데 유용하다.

(2) 판별 분석(Discriminant Analysis), 로지스틱 회귀분석
    분석하려는 데이터가 이미 서로 다른 그룹으로 분류되어 있고 존재하는 사용자 그룹에
    중요한 확률변수가 무엇인지 알아보려고 하거나, 새로운 그룹에 대해 그룹과의 관련성을
    예측하려고 할 때 판별 분석이나 로지스틱 회귀분석이 유용하다.

(3) 대응 분석(Correspondence Analysis)
    범주형이며 질적 확률변수 사이의 상관관계를 분석할 때 유용한 방법이다

■ 숫자로 이루어진 데이터 이거나 연속형 데이터에 대한 분석

(1) 주성분 분석(Principal Component Analysis), 인자 분석(Factor Analysis)
    분석하려는확률변수가 모두 숫자로 이루어진 경우라면, 어떤 확률변수가 다른 확률변수와의
    연관성을 알아 보기 위해서는 주성분 분석이 유용하다. 인자 분석은 분석하려는 확률변수와
    관련된 알려져 있지 않은 인자를 구별하는데 유용하다

(2) 항목 분석(Item Analysis)
    이 분석은 서베이 분석을 위해 만들어진 것인데, 서베이 항목이 유사한 특성을 가지고 있는지,
    어떤 항목이 남아있는 설문과 다른 것인지를 분석한다. 서베이의 내부 일관성을 평가하기 위한
    목적으로 사용한다.