بخشی از پاورپوینت
اسلاید 1 :
آموزش تحلیل عاملی در SPSS
اسلاید 2 :
این روش توسط کارل پيرسون 1901و چارلز اسپيرمن 1904براي 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.
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 داده هاي مورد تحليـل را تعيين مي كند.
تحلیل عاملی Factor Analysis
اسلاید 3 :
تحلیل عاملی Factor Analysis
اسلاید 4 :
طبقه بندی تحلیل عاملی
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 5 :
پيش فرض هاي تحليل عاملي
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 6 :
حجم نمونه
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 5 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 7 :
نرمال بودن
خطی بودن
اسلاید 8 :
نرمال بودن
کاربرد تحلیل عاملی
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 .
اسلاید 9 :
نرمال بودن
کاربرد تحلیل عاملی
برای بررسی کفایت نمونه گیری از شاخصKMO استفاده می کنیم.
KMO نشانگر كفايت نمونه گيري به منظوربررسي وضعيت همبستگي بين زوج متغيرها مي باشد.
كيسر (١٩٧٧) حـداقل KMO را 0/60 تعيين مي كند به طـوري كـه اجـراي تحليـل عـاملي را در صورتي بدون مانع مي داند كه KMO بزرگتر یا مساوی این عدد باشد.
مسلماً بـه هـر ميزاني مقدار KMO به يك نزديك تر شود انـدازه كفايـت نمونـه برداري نيز بيشتر ميشود. بنـابراين بـين ميـزان KMO و انـدازه ي كفايت نمونه برداري رابطه ي مستقيم وجود دارد.
دومين آزمون تائيدي كه مـي بايـست قبـل از اجـراي دسـتور تحليل عاملي به كار گرفته شود، آزمون كرويت بارتلت (Bartlett Test of Sphericity) است.
يكي از مفروضه هاي اساسي در تحليل عاملي اين است كه متغيرها با يكديگر همبسته باشند. بـه عبـارت ديگـر بين متغيرها بايد همبستگي وجـود داشـته باشـد. اگـر متغيرهـا مستقل از يكديگر باشند به كارگيري مدل تحليل عاملي مناسـب نيـست.
اسلاید 10 :
نرمال بودن
کاربرد تحلیل عاملی
اگر Ho در آزمون BTS رد شد به كـارگيري روش تحليـل عاملي مورد تائيد است.
اگر Ho در آزمون BTS رد نشد، دليلـي بـراي تبيـين بـه كارگيري روش تحليل عاملي وجود ندارد.
اصولاً روش تحليل عوامل در آزمون سازي به دو منظور زير به كار گرفته مي شود:
١ـ ساخت يك مقياس براي اندازه گيري يك يا چند صفت
٢ـ بررسي ساختار عاملي يك پرسشنامه از لحاظ اين كه آيـا ميتوان داده هاي پرسشنامه را به خوشه هاي جداگانه تبديل كـرد و يا اين كه آيا عامل هاي پرسشنامه همان تركيب عاملي اوليـه را دارند.
اسلاید 11 :
نرمال بودن
در تصویر بالا از اصطلاح «بار عاملی» (Load Factor) و «عاملهای اصلی» (Underlying Factors) استفاده شده که در مورد آنها در ادامه متن بحث خواهیم کرد. ایدهای که در تصویر بالا مشخص شده، تشکیل ترکیبی از متغیرها است که یک عامل یا متغیر پنهان را میسازد.
اسلاید 12 :
نرمال بودن
مثال سه سوال اول برای اندازهگیری صفت یا ویژگی درک اعداد مناسب است. همین استدلال در مورد سوالات 4، 5 و 6 نیز صدق میکند: اگر آنها واقعاً ضریب هوش مکان را اندازه بگیرند، احتمالاً بسیار زیاد با هم ارتباط (همبستگی) دارند.
با این حال، سوالات 1 و 4 صفات احتمالاً غیرمرتبط را اندازهگیری میکنند و لزوماً با هم ارتباط زیادی ندارند. بنابراین اگر مدل عاملها درست در نظر گرفته شده باشد، میتوان انتظار داشت که همبستگیها از الگوی خاصی پیروی کنند.
برای مشخص کردن ارتباط بین متغیرها در تحلیل عاملی با SPSS، در تصویر زیر الگوی ضریب همبستگی بین متغیرها را مشاهده میکنید. مشخص است که سوالات با توجه به «ضریب همبستگی پیرسون» (Pearson Correlation) به سه گروه تفکیک میشوند.
اسلاید 13 :
نرمال بودن
ماتریس همبستگی بین متغیرها
اسلاید 14 :
نرمال بودن
مثال برای تحلیل عاملی با SPSS
در این متن به بررسی یک فایل اطلاعاتی خواهیم پرداخت که در مورد یک تحقیق برای شرکت بیمه و در زمینه حق بیمه ایام بیکاری (dole) است. این طرح تحقیقی بوسیله یک نظر سنجی و پرسشنامه با 20 گویه تنظیم شده است.
نظرسنجی از 388 متقاضی دریافت مزایای بیکاری انجام شده و دادههای جمع آوری شده به این ترتیب در فایلی با قالب SPSS به نام dole-Survey.sav ذخیره و در اختیار محقق قرار گرفته است. بخشی از این گویهها در تصویر زیر نشان داده شده است.
اسلاید 15 :
نرمال بودن
مثال برای تحلیل عاملی با SPSS
تصویری از متغیرهای مجموعه داده
اسلاید 16 :
نرمال بودن
مثال برای تحلیل عاملی با SPSS
این ۲۰ متغیر، شامل اطلاعات 16 سوال در مورد رضایت مشتری نیز میباشد. اعتقاد داریم که عوامل رضایت اساسی مشتری را میتوان به صورت جامع با تعداد متغیرهای کمتری نیز نشان داد. اما هیچ الگو یا سرنخی در مورد چنین مدلی در دست نداریم. بنابراین سوالات تحقیقاتی ما برای این تجزیه و تحلیل عبارتند از:
چند عامل با 16 سوال ما اندازهگیری میشوند؟
کدام سوالات عوامل مشابهی را اندازهگیری میکنند؟
کدام جنبههای رضایتمندی مشتریان، توسط هر یک از عوامل نشان داده میشوند؟
نکته: فایل دریافتی به نامdole-survey.zip در قالب فشرده ارائه شده است، پس از خارج کردن این فایل از قالب فشرده، میتوانید آن را در محیط نرمافزار SPSS با نام dole-survey.sav بارگذاری کنید.
اسلاید 17 :
نرمال بودن
مثال برای تحلیل عاملی با SPSS
لیست و اسامی سوالات در جدول روبرو مشخص شده است.
اسلاید 18 :
نرمال بودن
مثال برای تحلیل عاملی با SPSS
لیست و اسامی سوالات در جدول روبرو مشخص شده است.
اسلاید 19 :
نرمال بودن
مثال برای تحلیل عاملی با SPSS
بررسی سریع دادهها
ابتدا براساس دادههای جمعآوری شده، مطمئن میشویم که ایده تحلیل عاملی از دادهها واقعا وجود دارد یا خیر. با اجرای کد دستوری زیر توزیع فراوانی را با «نمودار میلهای» (Barchart) برای 16 متغیر یا گویههای پرسشنامه، مورد بررسی قرار میدهیم.
اسلاید 20 :
نرمال بودن
مثال برای تحلیل عاملی با SPSS
نتیجه اجرای کد
در ادامه خروجی دستورات قبلی طبق یک جدول، در پنجره Output نرمافزار SPSS ظاهر میشود. البته این کار را به کمک دستور frequency از فهرستAnalyze و زیر فهرست Descriptive Statistics نیز میتوان انجام داد.
جدول فراوانی برای متغیر V1
