بایگانی دسته: آموزش Spss اس پی اس اس

تفاوت تحليل عاملي تاييدي و اكتشافي چیست؟

تفاوت تحليل عاملي تاييدي و اكتشافي چیست؟

تحلیل عاملی

از روش تحليل عاملي يا Factor Analysis جهت پي بردن به متغيرهاي زير بنايي يك پديده يا تلخيص مجموعه اي از داده‌ها استفاده مي‌شود.

در تحلیل عاملی به دنبال جوابگویی به 4 سوال زیر هستیم:

  • آیا مجموعه ای از آیتم ها (معرف ها)به تعداد کم تری از عوامل (حداقل یک عامل ) قابل تقلیل هستند .

  • اگر جواب سوال 1 بلی است معرف ها به چند عامل قابل تقلیل هستند؟ آیا یک مفهوم نظری کافی است؟ انتظار داریم حداقل یک عامل را از آن ها استخراج کرد.

  • هر معرف به کدام عامل ربط دارد؟ (گروهبندی آیتم ها) یعنی هر معرف بر روی کدام عامل بارگذاری می شود؟ مثلاً کدام آیتم ها به عامل 1 کدام به عامل 2 و … ربط دارد؟

  • چه نامی می توان بر روی عامل های استخراج شده گذاشت؟ (جواب گویی به این سوال بیشتر بر اساس خلاقیت محقق و دانش نظری وی انجام می گیرد؟)

 

 داده‌هاي اوليه براي تحليل عاملي، ماتريس همبستگي بين متغيرها است. تحليل عاملي، متغيرهاي وابسته از قبل تعيين شده اي ندارد. موارد استفاده تحليل عاملي را به دو دسته كلي مي‌توان تقسيم كرد: مقاصد اكتشافي و مقاصد تاييدي. اگر شما هیچ حدسی از ساختار روابط میان گویه ها نداشته باشید از تحلیل عاملی اکتشافی استفاده می شود. اما اگر گویه ها را براساس ابعاد شناسائی کرده باشید باید از تحلیل عاملی تائیدی استفاده کنید.

 

– تحليل عاملي اکتشافي (EFA)

در تحليل اکتشافي يا Exploratory factor analysis پژوهشگر به دنبال بررسي داده‌هاي تجربي به منظور کشف و شناسايي شاخصها و نيز روابط بين آنهاست. در اينجا از پيش مدل معيني وجود ندارد. به بيان ديگر تحليل اکتشافي علاوه بر آنکه ارزش تجسسي يا پيشنهادي دارد مي‌تواند ساختارساز، مدل ساز يا فرضيه ساز باشد. تحليل اکتشافي وقتي به کار مي‌رود که پژوهشگر شواهد کافي قبلي و پيش تجربي براي تشکيل فرضيه درباره تعداد عاملهاي زيربنايي داده‌ها نداشته و به واقع مايل باشد درباره تعيين تعداد يا ماهيت عامل‌هايي که همپراشي بين متغيرها را توجيه مي‌کنند داده‌ها را بکاود. بنابراين تحليل اکتشافي بيشتر به عنوان يک روش تدوين و توليد تئوري و نه يک روش آزمون تئوري در نظر گرفته مي‌شود.

تحليل عاملي تائيدي (CFA)

در تحليل عاملي تاييدي ياConfirmatory factor analysis پژوهشگر به دنبال تهيه مدلي است که فرض مي‌شود داده‌هاي تجربي را بر پايه چند پارامتر نسبتاً اندک، توصيف تبيين يا توجيه مي‌کند. اين مدل مبتني بر اطلاعات پيش تجربي درباره ساختار داده‌ها است که مي‌تواند به شکل يک تئوري يا فرضيه، يک طرح طبقه بندي کننده معين براي گويه‌ها در انطباق با ويژگيهاي عيني شکل و محتوا،شرايط معلوم تجربي و يا دانش حاصل از مطالعات قبلي درباره دادههاي وسيع باشد. روشهاي تاييدي (آزمون فرضيه) تعيين مي‌کنند که داده‌ها با يک ساختار عاملي معين (که در فرضيه آمده) هماهنگ هستند يا نه.

به طور خلاصه اگر به 4 سوال بالا بر مبنای نظری پاسخ بدهیم تحلیل عاملی تأییدی است چون قبل از جمع آوری داده ها می توان به سوال های تحلیل عاملی بر مبنای نظریه جواب داد. اما در تحلیل عاملی اکتشافی پاسخ به سوالات تحلیل عاملی بر مبنای داده هاست. در اینجا یا نظریه نداریم یا اینکه موقتاً آن را کنار می گذاریم تا بر مبنای داده ها به نظریه برسیم.

تحلیل عاملی اکتشافی با نرم افزار آماری Spss و تحلیل عاملی تأییدی با PLS  و Amos  انجام می گیرد.

برای انجام این تحلیل ها توسط ما اینجا کلیک نمایید.

 

استفاده از مطالب این سایت با ذکر منبع ( WWW.rava20.ir) بلامانع است.

انتخاب صحیح آزمون آماری

انتخاب صحیح آزمون آماری

یکی از مشکلات عمومی در تحقبقات میدانی انتخاب صحیح آزمون آماری برای بررسی سوالات یا فرضیات تحقیق می‌باشد. در آزمون‌های آماری هدف این است که ببینیم آیا داده‌های نمونه شواهد کافی برای رد یک حدس یا فرضیه را دارند یا خیر؟ انتخاب نادرست آزمون آماری موجب خدشه دار شدن نتایج تحقیق می شود.

ادامه‌ی خواندن

واریانس و کوواریانس چیست؟

واریانس و کوواریانس چیست؟

واریانس:

واریانس را «مقدار متوسط مربع اختلاف مقادیر از میانگین» تعریف می‌کنند. برای محاسبه واریانس باید ابتدا میانگین ساده اعداد را پیدا کنید. در ادامه برای هر عدد باید مقدار میانگین را از آن کم کرده و نتیجه بدست آمده را به توان دو برسانید و در واقع مربع اختلاف را بدست آورید. سپس باید میانگین مربع اختلافاتی که بدست آورده‌اید را محاسبه نمایید تا واریانس بدست آید. 

کوواریانس :

 

کوواریانس شاخصی برای تغییرات یک متغیر با متغیر دیگر است (سرمد،۱۳۸۸: ۸۰). کوواریانس مشابه واریانس است ولی در کوواریانس انحراف از میانگین را به طور همزمان برای دو متغیر  x و y محاسبه می کنیم .

چنانکه دو متغیر تصادفی ناوابسته باشند، کواریانس آنها صفر خواهد بود(سرمد،۱۳۸۸: ۱۲). اگر نمره بالا در یک متغیر با نمره بالا در متغیر دیگر و نمره پایین در یک متغیر با نمره پایین در متغیر دیگر همراه باشد، مقدار کوواریانس مثبت (هم جهت بودن تغیرات دو متغیر) خواهد بود. از طرف دیگر اگر نمره بالا در یک متغیر با نمره پایین در متغیر دیگر همراه باشد، مقدار کوواریانس منفی (غیر هم‏جهت بودن تغیرات دو متغیر) خواهد بود (کیامنش،۱۳۸۷: ۱۹۸) . لازم به ذکر است که در توزیع‏های دومتغیری برای توصیف رابطه میان دو متغیر از ضریب همبستگی، کوواریانس و معادله رگرسیون استفاده می‏کنیم.