تحلیل عاملی چیست؟

تحلیل عاملی نامی عمومی است برای برخی روشهای آماری چند متغیره که هدف اصلی آن خلاصه کردن داده ها می باشد. این روش به بررسی همبستگی درونی تعداد زیادی از متغیرها می پردازد و در نهایت آن ها را در قالب عامل های کلی محدودی دسته بندی و تبیین می کند. تحلیل عاملی روشی هم وابسته بوده که در آن کلیه متغیرها به طور همزمان مدنظر قرار می گیرند، به عبارت دیگر در این تکنیک که به دو نوع Q و R قابل تقسیم است، هریک از متغیرها به عنوان یک متغیر وابسته لحاظ می شوند.

بنیان های اولیه تحلیل عاملی

گالتون اولین کسی بود که پایه های اولیه تحلیل عاملی را بنا نهاد پس از او کارل پیرسون در اوایل قرن بیستم روشی برای تحلیل عاملی براساس یک فضای چندبعدی هندسی ارائه داد و در پی آن مک دونال این روش را در زمینه شناسایی جرایم و ارتباط آن با ویژگی های فیزیکی افراد مورد استفاده قرار داد. اسپیرمن نیز در سال ۱۹۰۴ به معرفی مدل های ریاضی این روش پرداخت. با این تلاش ها اصول و بنیان های تحلیل عاملی شکل گرفت و امروزه در سطح وسیع توسط شاخه های مختلف علوم نظیر روانشناسی، اقتصاد، جامعه شناسی، مدیریت، پزشکی و… مورد استفاده قرار می گیرد.

اهداف تحلیل عاملی

هدف اصلی تحلیل عاملی تلخیص تعداد زیادی از متغیرها در تعداد محدودی از عامل ها می باشد، بطوریکه کمترین میزان از دست رفتن اطلاعات را داشته باشیم. علاوه بر این تحلیل عاملی کاربردهای مختلفی در تحلیل داده ها دارد که مهمترین آن ها به شرح زیر است :
۱-دستیابی به ابعادی که به صورت پنهانی در مجموعه وسیعی از متغیرها وجود دارد ولی به آسانی قابل مشاهده نمی باشند. این نوع تحلیل عاملی به تحلیل عاملی نوع R معروف است.
۲-ابداع روشی برای ترکیب و تلخیص تعداد زیادی از افراد در گروه های مختلف در درون یک جامعه بزرگ. این روش به تحلیل عاملی نوع Q معروف است.
۳-شناسایی متغیرهای مناسب از بین مجموعه ی وسیعی از متغیرها به منظور استفاده در تحلیل های بعدی رگرسیون چندگانه یا تحلیل تشخیصی.
۴-ایجاد مجموعه کوچک و کاملا جدیدی از متغیرها که به طور کامل به جای متغیرهای اصلی در تحلیل های بعدی رگرسیون یا تحلیل تشخیصی مورد استفاده قرار گیرد.

فرآیند تصمیم گیری در تحلیل عاملی

مانند سایر روش های آماری اولین گام در تحلیل عاملی بیان مسئله است. برای اجرای یک تحلیل عاملی هر نوع متغیر مرتبط با مسئله تحقیق را می توان بکار گرفت. داده های خام نیز باید از نوع کمی باشند اما در مواقعی می توان از متغیرهای مجازی (با کدهای۰ و ۱) و غیر پارامتری یا کیفی نیز استفاده کرد.

ماتریس همبستگی

اولین و مهمترین نکته در بکارگیری تحلیل عاملی، محاسبه ماتریس همبستگی است. برای این کار باید مشخص شود که آیا هدف محاسبه همبستگی بین متغیرهاست یا بین پاسخگویان.
در صورتی که تلخیص متغیرها مد نظر باشد بایستی همبستگی بین متغیرها محاسبه شود، در اینصورت تکنیک مورد استفاده تحلیل عاملی نوع R نامیده می شود. اما در صورتیکه هدف از تحلیل عاملی ترکیب و طبقه بندی پاسخگویان در گروه های مختلف باشد، ماتریس همبستگی بین پاسخگویان محاسبه و بکار گرفته می شود؛ و از آن به تحلیل عاملی نوع Q یاد می شود. البته این روش به دلیل مشکل بودن کمتر مورد استفاده قرار می گیرد و بجای آن از روش هایی مانند تحلیل خوشه ای یا گروهبندی سلسله مراتبی استفاده می گردد.

انتخاب متغیرهای مناسب برای تحلیل عاملی

یکی از روش های انتخاب متغیرهای مناسب در تحلیل عاملی استفاده از ماتریس همبستگی می باشد. از آنجایی که اساس تحلیل عاملی بر همبستگی بین متغیرها اما از نوع غیر علی استوار است، بنابراین در این روش ماتریس همبستگی بین متغیرها محاسبه می شود. این ماتریس با نمایش میزان رابطه بین متغیرها موجب شکل گیری خوشه هایی می شود به طوریکه متغیرهای درون هر خوشه با یکدیگر همبستگی دارند ولی بین متغیرهای موجود در خوشه های مختلف همبستگی وجود ندارد.
از جمله روش های دیگری که به وسیله آن محقق قادر به تشخیص مناسب بودن داده ها برای تحلیل عاملی می باشد، آزمون Kaiser-Meyer-Olkin یا KMO می باشد. مقدار آماره ی این آزمون همواره بین ۰ و ۱ تغییر می کند. در صورتیکه مقدار این آماره کمتر از ۰.۵ باشد داده ها برای تحلیل عاملی مناسب نخواهند بود، اگر مقدار آن بین ۰.۵ تا ۰.۶۹ باشد می توان با احتیاط بیشتر به تحلیل عاملی پرداخت و نهایتاً در حالتیکه مقدار این آماره بیش از ۰.۷ باشد می توان گفت همبستگی های موچود در بین داده ها برای تحلیل عاملی مناسب می باشند.

نظرات و پیشنهادات خود را با ما در میان بگذارید.