مدرسه بین المللی پژوهش کمی و کیفی اولین و بزرگترین مرکز بین المللی برگزارکننده دوره های روش پژوهش و نرم افزارهای پژوهش کمی، کیفی، آمیخته و مروری در ایران
چرخش های متعامد یا متمایل در تحلیل عاملی
بسیاری از محققین از جمله دانشجویان کلاس های آکادمی تحلیل آماری که قصد استفاده از آزمون پیشرفته آماری تحلیل عاملی را برای استخراج عوامل خود از مجموعه ای از شاخص ها دارند این سوال را می پرسند که چرا هنگام اجرای آزمون در نرم افزار های مختلف چرخش واریماکس را انتخاب می کنیم. این چرخش چیست و چرا رایج تر از بقیه است. به عبارت بهتر بهتر است در این مقاله پاسخ این سوال را که برای چرخش عاملی، کدام روش مناسب تر از دیگری است را با ذکر چندین نکته توضیح دهیم.
نکته1) برای دست یابی به یک ساختار ساده، اگر راه حل متعامد را انتخاب می کنیم، روش واریماکس بهترین روش است. اما در صورت انتخاب راه حل متمایل، چرخش ابلیمین مستقیم بهترین روش است. حتی اگر نتایج چرخش متمایل به متعامد نزدیک باشد، در آن صورت باز هم چرخش متعامد مفید تر است، چون بارهای الگوی عاملی و ساختار عاملی یکسان هستند(کلاین، 2005).
نکته دوم) اگر عامل ها با یکدیگر همبستگی نداشته باشند، نتایج هر دو چرخش متعامد و متمایل و تفسیر های مورد نیاز برای هر یک، تقریبا یکسان است. منتها تنها تفاوت آن ها در این است که به طور کلی تفسیر نتایج در چرخش های متمایل بسیار پیچیده تر است. بدین معنی که اگر روش متعامد به کار ببریم برای تفسیر نتایج از ماتریس عامل های چرخش یافته یا Rotated factor matrix استفاده می کنیم اما اگر از چرخش های متمایل استفاده نماییم در آن صورت باید از ماتریس الگویی یعنی Pattern matrix برای تفسیر نتایج و تعیین میزان بار هر متغیر بر روی عامل ها استفاده می کنیم و ماتریس همبستگی عامل Factor correlation matrix نیز میزان همبستگی بین عامل ها را نشان می دهد(کاستلو و اوسبرن، 2005). البته در رشته های علوم اجتماعی و علوم انسانی، چون پدیده ها عموما چند بعدی و چند سطحی هستند(اشاره به مدل های مرتبه چندم در مدل سازی معادلات ساختاری) بنابراین، عامل ها از همبستگی بالایی با یکدیگر برخوردارند. در نتیجه در این گونه مسائل چرخش های متمایل مناسب تر از چرخش های متعامد هستند.
نکته سوم) فیلد معتقد است که انتخاب نوع چرخش عاملی، بستگی به این دارد که آیا دلیل نظری از یک طرف برای فرض همبستگی یا استقلال عامل ها از یکدیگر و از طرف دیگر برای چگونگی خوشه بندی متغیر ها بر روی عامل ها قبل از چرخش وجود دارد یا خیر؟ یک روش قابل قبول این است که ابتدا هر دو روش را اجرا نماییم و سپس نوع مناسب برای پژوهش خود را انتخاب کنیم(فیلد، 2000)
مقالات مرتبط
کاربرد های تحلیل عاملی اکتشافی
نمودار سنگ ریزه در تحلیل عاملی اکتشافی
محسن مرادی
از کپی کردن مطالب سایت یا کانال بدون ذکر منبع خودداری شود.
آدرس کانال تلگرام: https://telegram.me/analysisacademy
