تحلیل عاملی

در صفحات قبل فرض کردیم برخی متغیرها را به عنوان متغیر مستقل و برخی را به عنوان متغیر وابسته تعیین کرده اید و علاقه مندید بدانید متغیرهای مستقل و وابسته چه ارتباطی باهم دارند. با وجود این، ممکن است داده ها را بر حسب متغیر های مستقل و وابسته در نظر نگیرید. شاید به متغیرهای متعددی علاقه مند باشید بدون این که بخواهید بین آنها روابط علی یا پیش بین برقرار کنید. در این صورت ، مجموعه دیگری از آماره های بر همبستگی برای این کار مناسب ترند . تحلیل عاملی و هم رده آن ، یعنی تحلیل مؤلفه های اصلی ، الگو های همبستگی را در بین مجموعه ای از متغیر ها خلاصه می کنند .

تحلیل گران اغلب از این دو روش استفاده می کنند تا مجموعه بزرگی از متغیر ها یا ماده ها را خلاصه کنند یا درباره ساختار زیربنایی متغیرها فرضیه آزمایی کنند. مثلا پژوهشگری که در حال ساختن پرسشنامه جدیدی است ممکن است بخواهد تعداد ماده های یک پرسشنامه ۵۰ سؤالی را کاهش دهد .

برای استفاده از تحلیل عاملی باید به مسائل مختلف و پیچیده ای توجه کرد . برای بررسی این مسائل می توانید به این منابع مراجعه کنید : ( فابریگار ، مک کالوم و استراهان، ۱۹۹۹؛ فلوید و ویدامون، 1995 ؛ پریچر و مک کالوم ، 20003 ) . با وجود این ، یکی از مسائل مهمی که باید به آن اشاره شود حجم نمونه است. قاعده کلی این است که به ازای هر ماده (متغیر) ۵ آزمودنی یا در مجموع ، 100 آزمودنی انتخاب شود، تعداد آزمودنی های هر کدام از این دو روش که بیشتر باشند ملاک عمل قرار می گیرند . مک کالوم، ویدامون، ژانگ و هونگ (۱۹۹۹) به این قواعد انتقاد کرده اند و نشان دادها ند تعداد آزمودنی های مورد نیاز به این بستگی دارد که ساختار عاملی چقدر از ماده هایی ازمون یا متغیر را تبیین می کند و این که هر عامل توسط چند ماده اندازه گیری می شود. اگر تحلیل بتواند مقدار منطقی از واریانس را تبیین کند (یعنی اشتراکات حدود ۵۰/. باشد) و برای هر عامل حدود ۶ یا ۷ ماده وجود داشته باشد، طبق نظر مک کالوم و همکاران، نمونه ۱۰۰ تا ۲۰۰ نفری ممکن است کافی باشد. اگر تعداد ماده ها برای هر عامل کمتر باشد به آزمودنی های بیشتری نیاز است. علاوه بر این، بسیاری از تحلیل گران پیشنهاد می کنند روش تحلیل عاملی تکرار شود تا از نتایج به دست آمده اطمینان حاصل شود. آیا می خواهید آزمودنی های کافی انتخاب کنید تا تحلیل عاملی را به درستی انجام دهید ؟ اگر آزمودنی های کافی انتخاب نکنید نمی توانید مشکل بسیاری از متغیرها را با انجام تحلیل عاملی حل کنید و آنها را به عوامل کمتری تبدیل کنید. راه حل بهتر این است که ببینید آیا استفاده از ابزارهای متعدد در گام اول ضروری است، به ویژه با فرض این که این ابزارها ممکن است مشابه باشند و سازه های متفاوتی را اندازه نگیرند .

دومین مساله مهمی که باید به آن توجه کنید این است که باید از تحلیل عاملی اکتشافی استفاده کنید یا تحلیل عاملی تاییدی . تحلیل عالی اکتشافی بهترین سازمان دهی متغیر ها را تعیین می کند که البته این سازمان دهی ممکن است از نظر مفهومی بی معنی باشد .

تحلیل مولفه های اصلی و تحلیل عاملی محور اصلی ، نمونه هایی از تحلیل عاملی اکتشافی هستند. در مقابل، تحلیل عاملی تأییدی یک فن آزمون مدل است که پژوهشگر مشخص می کند کدام متغیر ها کدام عوامل را بارگذاری می کنند و سپس مدل نظری را در برابر داده های واقعی آزمایش می کند . قاعده این است که تحلیل عاملی اکتشافی در مراحل اولیه پژوهش مناسب ترین روش است در حالی که تحلیل عامل تاییدی برای آزمون نظریه های دقیق درباره چگونگی سازمان دهی ماده ها و نمرات ابزارها مناسب تر است ( فلوید و ویدامان ، 1995 ) .

روش تحقیق(فصل سوم)

طرح پژوهش
شرکت کنندگان (آزمودنیها)
محیط و ابزار پژوهش
متغیرهای مستقل
متغیرهای وابسته (اندازهها)
روش اجرا
اندازه گیری
عملیاتی کردن متغیرها
ویژگیهای مهم ابزارها را بشناسید
به اندازه کافی صحیح و مرتبط باشند.
پایایی ابزارهای خود را بسنجید
روایی ابزارهای خود را بسنجید
دستورالعمل ابزار
پایایی نمره گذاران
ثبات زمانی
روایی همگرا و ممیز
تعمیم پذیری در موقعیت های مختلف
ابزار های دیگران را با احتیاط به کار ببرید
از خطاهای رایج در ارزیابی و انتخاب ابزارها اجتناب کنید
ابزارهای پژوهش را تهیه کنید
انتخاب آزمون های آماری مناسب
ابتدا دانش آماری خود را افزایش دهید
برای تحلیل آماری برنامه ریزی کنید
تحلیل مقدماتی
آزمون های پارامتریک برای مقایسه گروه ها
تحلیل واریانس و آزمون های t
آزمونهای تعقیبی
تحلیل کوواریانس و تحلیل واریانس چند متغیری
آزمونهای ناپارامتری
آزمون های همبستگی
همبستگی دومتغیری (پارامتری و ناپارامتری )
رگرسیون
رگرسیون چند گانه پارامتری
نسخه های ناپارامتری رگرسیون
تحلیل کار کرد ممیز
تحلیل عاملی
رویکردهای آزمون مدل
مراقب داده های غیر مستقل باشید
مراقب اصطلاحات علمی باشید
با احتیاط از دیگران کمک بگیرید
جمع آوری ، مدیریت و تحلیل داده ها
مطالعه مقدماتی انجام دهید