لطفا به نکات زیر در هنگام خرید دانلود فایل پاورپوینت کارگاه تحلیل عاملی اکتشافی با استفاده از نرم افزار SPSS توجه فرمایید.

1-در این مطلب، متن اسلاید های اولیه دانلود فایل پاورپوینت کارگاه تحلیل عاملی اکتشافی با استفاده از نرم افزار SPSS قرار داده شده است 2-به علت اینکه امکان درج تصاویر استفاده شده در پاورپوینت وجود ندارد،در صورتی که مایل به دریافت  تصاویری از ان قبل از خرید هستید، می توانید با پشتیبانی تماس حاصل فرمایید 3-پس از پرداخت هزینه ، حداکثر طی 4 ساعت پاورپوینت خرید شده ، به ادرس ایمیل شما ارسال خواهد شد 4-در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارد 5-در صورتی که اسلاید ها داری جدول و یا عکس باشند در متون زیر قرار نخواهند گرفت

— پاورپوینت شامل تصاویر میباشد —-

اسلاید ۱ :

  • این روش توسط کارل پيرسون ۱۹۰۱ و چارلز اسپيرمن ۱۹۰۴براي اولين بار هنگام اندازه گيري هوش مطرح شد.
  • براي تعيين تأثيرگذارترين متغيرها در زمانيكه تعداد متغيرهاي مورد بررسي زياد و روابط بين آنها ناشناخته باشد، استفاده مي شود. در اين روش متغيرها در عاملهايي قرار مي گيرند، به طوريكه از عامل اول به عاملهاي بعدي درصد واريانس كاهش مي يابد، از اين رو متغيرهايي كه در عامل هاي اولي قرار مي گيرند، تأثيرگذارترين هستند.

اسلاید ۲ :

  • تحليـل عوامـل يكـي از روش هاي پيشرفته آماري است كه بر اساس آن داده هاي تجربـي به ابعاد كمتري كاهش مي يابند.
  • روش تحليل عوامل روابط دروني بين دادههاي مورد تحليـل را

    تعيين مي كند.

اسلاید ۳ :

  • تحليل عاملي از تعدادی فنون آماری ترکیب شده و هدف آن ساده تر کردن مجموعه‌های پیچیدة داده‌هاست.
  • تحلیل عاملی به عنوان يك تكنيك كاهش دهنده ي داده ها نام گذاري شده است.
  • داده هاي اوليه براي تحليل عاملي، ماتريس همبستگي بين متغيرها است.
  • به منظور پي بردن به متغيرهاي زيربنايي يك پديده يا تلخيص مجموعه اي از داده ها از آن استفاده می شود.

اسلاید ۴ :

¢تحلیل عامل اکتشافی:(Exploratory Factor Analysis=EFA)

از قبل مشخص نیست که کدام متغیرهای مشاهده شده با کدام عامل ارتباط دارد .در این حالت محقق می خواهد بداند که هر یک از متغیرهای مشاهده شده با کدام عامل بهتر ارتباط دارد.

¢تحلیل عامل تائیدی:(Confirmatory Factor Analysis=CFA)

از قبل مشخص می گردد که کدام متغیرهای آشکار شده با کدام عامل ارتباط دارد. در این حالت محقق در پی یافتن میزان ارتباط یا بار عاملی (factor loading) است.

¢

اسلاید ۵ :

  • هدف از تحلیل عاملی اکتشافی، بررسی یک حوزه (field) برای کشف ابعاد یا سازه‌های اصلی آن حوزه است. به همین علت بود که اسپیرمن (۱۹۰۴) تحلیل عاملی را در حوزه تواناییهای انسان بوجود آورد. او سعی کرد به این سؤال که چرا بین تواناییهای انسان همیشه همبستگی مثبتی وجود دارد پاسخ دهد. (در تحلیل عاملی توانایی‌ها، این موضوع صورتبندی مثبت نامیده می‌شود بدین معنا که تمام همبستگی‌های ماتریس همبستگی، مثبت است).
  • به طور کلی در تحلیل عاملی اکتشافی، قاعده بر این است که محققان تا حدامکان متغیرهای بسیاری را وارد تحلیل کنند تا ببینند کدام یک از آنها روی عامل موردنظر بار عاملی دارند.

اسلاید ۶ :

  • در تحلیل عاملی اکتشافی هیچ فرضیه ای از پیش وجود ندارد و پژوهشگر بایستی معرف هایی (براساس نظریه ها یا نظر متخصصان و …) را انتخاب نماید و سپس با استفاده از تحلیل عاملی اکتشافی به بررسی ساختار عاملی زیربنایی معرف ها بپردازد.

اسلاید ۷ :

  • پژوهشگر به دنبال بررسی داده‌های تجربی به منظور کشف و شناسایی شاخصها و نیز روابط بین آنهاست.
  • هدف تلخيص مجموعه اي از داده ها می باشد، و از تحليل مولفه هاي اصلي استفاده مي‌شود.

اسلاید ۸ :

  • حجم نمونه
  • نرمال بودن: متغيرها داراي توزيع نرمال باشند.
  • خطي بودن متغيرها: خطي بودن مهم است زيرا تحليل عاملي مبتني بر همبستگي است.
  • دور افتاد ه ها در ميان موردها از مجموعه داد ه ها حذف شوند.

اسلاید ۹ :

تعيين حجم نمونه در روش تحليل عوامل بـه عنـوان يكـي از مشكلات موجود قبل از تحليل عاملي به منظور استخراج عاملهـا و مولفه ها مي باشد.

حداقل ۵ مورد براي هر متغير ولی در منابع مختلف تعداد آن متفاوت اعلام شده است. به عنوان مثال ثرندايك (١٩٨٢) بيان مي كند يك تجزيه و تحليل قابل قبول براي تحليل عاملي، مستلزم داشتن گروه نمونه هايي اسـت كه حجـم آن حـداقل ده برابـر تعـداد متغيرهـايي باشـد كـه در ماتريس همبستگي وارد ميشود

اسلاید ۱۰ :

  • دستیابی به ابعاد پنهانی که در مجموعه وسیعی از متغیرها وجود دارد. این نوع تحلیل عاملی به تحلیل عاملی R گفته می شود.
  • ترکیب و تلخیص تعداد زیادی از افراد در گروه های مختلف در درون جامعه که به تحلیل عاملی Q معروف است.
  • شناسایی متغیرهای مناسب از بین مجموعه ای متغیرهای وسیع به منظور استفاده از آن در تحلیل های بعدی
  • و …