تیتر خبرها

تحلیل عاملی چيست؟

در برخی تحقیقات به دلایل مختلف با حجم زیادی از متغیرها روبرو هستیم. برای تحلیل دقیق تر و رسیدن به نتایج علمی تر و در عین حال عملیاتی تر، پژوهشگر به دنبال کاهش حجم متغیرها و تشکیل ساختار جدیدی برای آنها است و به این منظور از روش تحلیل عاملی استفاده می کند.

نخستين كار درباره تحليل عاملي توسط چارلز اسپيرمن (1904) صورت گرفت، به گونه ای كه وی را « پدر» اين روش شناخته اند. بعد از او كارل پيرسن (1910)، روش «محورهاي اصلي» را پيشنهاد كرد و هُتلينگ (1933) آن را به گونه كاملتري توسعه داد   .

در حقیقت، هدف تشخيص اين عامل هاي مشاهده ناپذير بر پايه مجموعه اي از متغيرهاي مشاهده پذير است. عامل، متغير جديدي است كه از طريق تركيب خطي نمره هاي اصلي متغيرهاي مشاهده شده بر پايه فرمول زير برآورد مي شود:

Fj=∑WjiXi=Wj1X1+Wj2X2+…+WjpXp

كه در آن W ها بيانگر ضرايب نمره عاملي و P معرف تعداد متغيرها است.

امید این است که با تعداد کمی از این عاملها (یعنی ترکیبهای خطی نمره های اصلی متغیرهای مشاهده شده)، بتوان تقریباً همه اطلاعاتی را که توسط مجموعه بزرگتری از متغیرها به دست می آید، در برگرفته و در نتیجه توصیف ویژگی های هر مشاهده را ساده ساخت.

انواع تحلیل عاملی

 

1) تحلیل عاملی اکتشافی (Exploratory Factor Analysis) :

محقق درصدد کشف ساختار زیربنایی مجموعه نسبتاً بزرگی از متغیرها است بدون وجود هیچ تئوری اولیه ای.  هر متغیری ممکن است با هر عاملی  ارتباط داشته باشد.

کاربردها: کاهش داده ها (Data Reduction) یا شناسایی ساختارها (Structure Detection)

2) تحلیل عامل تأییدی (Confirmatory Factor Analysis):

پیش فرض اساسی محقق، آن است که هر عاملی با زیرمجموعه خاصی از متغیرها ارتباط دارد. حداقل شرط لازم این است که محقق در مورد تعداد عاملهای مدل قبل از انجام تحقیق، پیش فرض معینی داشته باشد.

در هر روش استخراجی که مد نظر باشد، یک راه حل مناسب و خوب باید پاسخ مناسبی به این دو سئوال ارائه کند:

1- چه تعداد عامل برای معرفی متغیرها لازم است؟ و

2-عاملها چه معنا و مفهومی دارند؟

مراحل انجام تحلیل عاملی

1.      تشکیل ماتریسی از ضرایب همبستگی متغیرها،

2.      استخراج عاملها از ماتریس ضریب همبستگی،

3.      چرخش عاملها به منظور به حداکثر رساندن رابطه بین متغیرها و عاملها

4.      محاسبه بار عاملی (نمره عاملها) برای تعیین عاملهای مورد نظر

نکته 1: معمولاً عاملهایی انتخاب می شوند که بار عاملی آنها بیشتر از 4/0 باشد.

نکته 2: برخی از صاحبنظران معتقدند در تحلیل عاملی، تعداد مشاهدات (Cases) حداقل باید 10 برابر تعداد متغیرها باشد. برخی حتی اعتقاد به حداقل 20 برابر تعداد متغیرها دارند.

درباره ی admin

4 دیدگاه

  1. ممنونم. ولی کاش یه مثالم می زدین.

  2. فاطمه رضایی نیا

    در برخی تحقیقات به دلایل مختلف با حجم زیادی از متغیرها روبرو هستیم. برای تحلیل دقیق تر و رسیدن به نتایج علمی تر و در عین حال عملیاتی تر، پژوهشگر به دنبال کاهش حجم متغیرها و تشکیل ساختار جدیدی برای آنها است و به این منظور از روش تحلیل عاملی استفاده می کند.
    در حقیقت، هدف تشخيص اين عامل هاي مشاهده ناپذير بر پايه مجموعه اي از متغيرهاي مشاهده پذير است. عامل، متغير جديدي است كه از طريق تركيب خطي نمره هاي اصلي متغيرهاي مشاهده شده بر پايه فرمول زير برآورد مي شود:

    با سلام و تحترام من به منبع این مطالب نیاز دارم میخوام رفرنس بدم
    میشه لطف کنید بفرمایید منبع چی هست؟

    • عزیزم در دوره ی هوش مصنوعی آموزش دادم که هر جمله ای که منبع اون رو نمی دونید رو چطور باید پیدا کنید. به هر حال این مطلب از کتاب kline 2016 است

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *