تحلیل عامل اکتشافی

تحلیل عاملی اکتشافی (Exploratory factor analysis) یک مدل اندازه‌گیری رسمی کلاسیک است که زمانی استفاده می‌شود که متغیرهای مشاهده شده و نهفته در سطح فاصله اندازه‌گیری شوند. مشخصه تحلیل عامل اکتشافی این است که متغیرهای مشاهده شده ابتدا استاندارد شده اند (میانگین صفر و انحراف معیار ۱).

تحلیل عاملی اکتشافی بر روی ماتریس همبستگی بین آیتم ها اجرا می شود. در EFA، یک متغیر پنهان را عامل و به ارتباط بین متغیرهای پنهان و مشاهده شده، بارگذاری عامل می گویند. بارهای عاملی وزن های رگرسیون استاندارد شده هستند. از آنجایی که EFA یک تکنیک اکتشافی است، توزیع مورد انتظار بارگذاری وجود ندارد. از این رو، نمی توان از نظر آماری آزمایش کرد که آیا بارهای عاملی در بین گروه های فرهنگی یکسان است یا خیر.

کاربرد تحلیل عاملی اکتشافی

EFA برای بررسی هم ارزی ساختاری استفاده می شود. با این حال، از آنجایی که بر روی متغیرهای استاندارد شده (میانگین صفر و انحراف استاندارد ۱) کار می کند، این مدل برای تشخیص سوگیری آیتم های غیریکنواخت و به خصوص یکنواخت مناسب نیست.

تحلیل عاملی اکتشافی اغلب در موقعیت های چند بعدی استفاده می شود که در آن بیش از یک متغیر پنهان به طور همزمان اندازه گیری می شود. قبل از ارزیابی همخوانی در این مورد، ساختارهای عاملی باید به سمت ساختار هدف چرخانده شوند.

در توسعه نظریه رگرسیون، اسپیرمن در سال ۱۹۲۷ در نظریه هوش خود اصطلاح تحلیل عاملی را برای نخستیم بار بکار برد. برای تهیه یک مقیاس معتبر می‌توان از روش تحلیل عامل برای غربال آیتم‌ها و انتخاب آیتم‌های اصلی استفاده نمود. پس از ایجاد مجموعه متغیرهای مقدماتی در تحلیل عامل به وسیله چرخش مجموعه نهائی متغیرها جهت ساخت مقیاس استخراج می‌گردد.

تحلیل عامل با ایجاد ماتریس همبستگی، نشان می‌دهد که متغیرها به صورت خوشه‌هائی گرد هم آمده‌اند بطوریکه متغیرهای هر خوشه با هم همبسته بوده و با خوشه‌های دیگر همبسته نمی‌باشند. این خوشه‌ها همان ابعاد موضوع مورد بررسی هستند. متغیرهای هر خوشه نیز آیتم‌های سنجش آن بعد است. متغیرهائی که هیچ همبستگی با متغیرهای دیگر ندارند باید حذف شوند زیرا متغیرهای مورد تحلیل باید همبستگی معقولی با برخی متغیرهای دیگر تحلیل داشته باشند.

تحلیل عاملی اکتشافی فرض می کند که هر شاخص / متغیر اندازه گیری شده ممکن است با هر عاملی مرتبط باشد. هنگام توسعه مقیاس، محققان باید ابتدا از EFA قبل از رفتن به تحلیل عامل تاییدی (CFA) استفاده کنند. EFA برای تعیین عوامل/سازه های اساسی برای مجموعه ای از متغیرهای اندازه گیری شده ضروری است. در حالی که CFA به محقق اجازه می دهد تا این فرضیه را آزمایش کند که رابطه ای بین متغیرهای مشاهده شده و عامل(ها)/سازه(های) نهفته زمینه ای آنها وجود دارد.تحلیل عاملی اکتشافی محقق را ملزم می کند که تعدادی تصمیم مهم در مورد نحوه انجام تجزیه و تحلیل بگیرد، زیرا روش واحدی وجود ندارد.

تحلیل عامل اکتشافی در SPSS

تحلیل عامل اکتشافی در نرم افزار SPSS اجرا می شود. زمانی که متغیرها و داده های ما الگو یا مدلی ندارند، از تحلیل عامل اکتشافی برای کشف و ایجاد مدل استفاده می شود. در ادامه آموزش EFA در SPSS مشخص شده است.

در گام اول EFA مسیر زیر را در منوی SPSS انتخاب کنید:

Analyze > Dimension reduction > Exploratory factor analysis

در ادامه بر روی گزینه Select variables در قسمت Variables کلیک کنید و حداقل دو متغیر را که می خواهید برای آنها شناسایی کنید انتخاب کنید. بعد از انتخاب متغیرها روی OK کلیک کنید.

در صورت تمایل، بر روی گزینه Select variable در قسمت Case selection variable کلیک کنید و متغیری را انتخاب کنید که تجزیه و تحلیل را به زیرمجموعه ای از موارد محدود می کند که مقادیر خاصی برای متغیر انتخاب شده دارند. پس از انتخاب متغیر روی OK کلیک کنید.
روی پیوند Define selection rule* در کنار متغیر انتخاب case کلیک کنید و یک عدد صحیح را به عنوان مقدار قانون انتخاب مشخص کنید. موارد تعریف شده توسط قانون انتخاب در تخمین مدل گنجانده شده است. پس از تعیین مقدار روی OK کلیک کنید.

در صورت تمایل در تحلیل عامل اکتشافی، می توانید گزینه های زیر را از منوی تنظیمات اضافی انتخاب کنید:
روی Statistics کلیک کنید تا انتخاب کنید کدام آمار در رویه گنجانده شود.
برای تعیین روش استخراج عامل روی Extraction کلیک کنید.
برای انتخاب روش چرخش عامل روی Rotation کلیک کنید.
روی Scores کلیک کنید تا اطلاعات ضرایب امتیاز فاکتور نمایش داده شود.
روی Plots کلیک کنید تا گزینه های نموداری برای مقادیر ویژه فاکتورها و بارگذاری های عامل مشخص شود.
برای تعیین قالب نمایش و تنظیمات مقادیر از دست رفته، روی گزینه ها کلیک کنید.
برای ایجاد متغیرهای جدید برای هر عامل در راه حل نهایی، روی ذخیره در مجموعه داده کلیک کنید.

تعیین حجم نمونه در تحلیل عاملی اکتشافی

همانطور که گفته شد EFA مبتنی بر شناخت روند داده است بنابراین به حجم نمونه بسیار زیادی نیاز دارد. برای اطمینان از کافی بودن حجم نمونه از آزمون بارتلت و شاخص KMO استفاده می‌شود. حجم نمونه در روش تحلیل عاملی برای هر متغیر ۵ تا ۱۰ نمونه و بطور کلی در مجموع نهایتاً ۳۰۰ نمونه توصیه شده است. دو روش سنجش تناسب حجم نمونه جهت تحلیل عاملی اکتشافی با نرم افزار SPSS عباتند از:

-محاسبه آماره KMO : Kaiser-Mayer-Olkin

-آزمون کروی بودن بارتلت: Bartlett’s Test of Sphericity

شاخص کفایت نمونه Kaiser-Mayer-Olkin یا به اختصار KMO ویژه تحلیل عاملی اکتشافی است و نشان می‌دهد آیا داده‌ها برای انجام محاسبات تحلیل عاملی اکتشافی کافی است یا خیر. مقدار KMO باید از ۰.۵ بزرگتر باشد؛ برخی معتقدند مقدار KMO باید از ۰.۹ بزرگتر باشد. در برخی متون آمده اگر مقدار KMO‌از ۰.۹ بیشتر باشد بسیار عالی است و اگر از ۰.۵ کوچکتر باشد قابل قبول نیست. برخی دیگر نیز معتقدند مقدار این آماره بیش از ۰.۷ باشد همبستگی‌های موجود برای تحلیل عامل بسیار مناسب است.