تحقیق رایگان درباره تحلیل عامل، تحلیل عاملی، رگرسیون، روش تحلیل عاملی

دانلود پایان نامه ارشد

پرسش پاسخ مي‌دهد که ابزار اندازه‌گيري تا چه حد خصيصه مورد نظر را مي‌سنجد بدون آگاهي از اعتبار ابزار اندازه‌گيري نمي‌توان به دقت داده‌هاي حاصل از آن اطمينان داشت. در این تحقیق روایی تحقیق با روش تحلیل عاملی سنجیده می شود.

تحلیل عاملی تاییدی
تحلیل عاملی
تحلیل عاملی نامی است عمومی برای برخی از روشهای چند متغیره که هدف اصلی آن خلاصه کردن داده هاست. این روش به بررسی همبستگی درونی تعداد زیادی از متغیرها می پردازد و در نهایت آنها را در قالب عاملهای عمومی محدودی دسته بندی کرده تبیین می کند. در این تکنیک تمام متغیرها به عنوان متغیر وابسته قرار می گیرد.
تحلیل عاملی روشی هم وابسته بوده که در آن کلیه متغیرها بطور همزمان مد نظر قرار می گیرد. در این تکنیک، هریک از متغیرها به عنوان یک متغیر وابسته لحاظ می گردد. در ذیل برخی از مفاهیم کلیدی این روش معرفی می گردند.

اشتراک: میزان واریانس مشترک بین یک متغیر با سایر متغیرهای بکار گرفته شده در تحلیل.
مقدار خاص: میزان وارایانس تبیین شده بوسیله هر عامل را بیان می کند. یکی از ضوابط پرکاربرد در تعیین تعداد عاملها، مقدار ویژه است که آن را معیار راکد نیز می گویند در تحلیل عاملی مقدار ویژه برابر است 1 می باشد ولی ما می توا نیم در بسته آماری این مقدار زیاد کنیم. در تحلیل عاملی مولفه های اصلی ان است که مقدار ویژه آنان بیشتر از 1 باشد ولی این مقدار کمتر از 1 باشد به عنوان عاملهایی است که از نظر آماری معنی دار نیست و باید از تحلیل کنار گذاشته شود.
عامل: عبارتست ترکیب خطی متغیرهای اصلی،که نشان دهنده خلاصه شده از متغیرهای مشاهده شده است.
بار عاملی: همبستگی بین متغیرهای اصلی و عوامل. اگر مقادیر بار عاملی مجذور شوند، نشان می دهند که چند درصد از واریانس در یک متغیر توسط آن عامل تبیین می شود.
ماتریس عاملی: جدولی است که بارهای عاملی کلیه متغیرها را در هر عامل نشان می دهد.
چرخش عاملی: فرآیندی است برای تعدیل محور عامل به منظود دستیابی به عاملهای معنی دار وساده. یکی از مفاهیم مهم در تحلیل عاملی ‏‏‏‏ چرخش عاملهاست. که این مفهوم دقیقا به همان معنا دلالت دارد که در فرآیند چرخش عاملی، محورهای مختصات عاملها به دور مبدا چرخش داده است تا اینکه موقعبیت جدیدی را بدست بیاورد ما در اینجا دونوع چرخش داریم:
چرخش متعامد: عاملها مستقل از یکدیگر هستند.
متمایل: عاملها با یکدیگر همبستگی دارند. (کلانتری،1387: 283)
 تصمیم گیری در تحلیل عاملی
هدف اصلی تحلیل عاملی تلخیص تعداد زیادی از متغیرها در تعداد محدودی از عاملها می باشد، بطوریکه در این فرایند کمترین میزان گم شدن اطلاعات وجود داشته باشد. با توجه به هدف تحلیل عاملی محقق سوالاتی از خود می پرسد چه نوع متغیرهای باید در تحلیل به کار گرفته شود. در پاسخ به این سوال باید گفت که هر متغیری مرتبط با مسئله تحقیق را می توان در تحلیل به کار گرفت.
معنی داری ماتریس همبستگی
یکی از روشهای انتخاب متغیرهای مناسب برای تحلیل عاملی استفاده از ماتریس همبستگی است که اساس روش تحلیل عاملی برای انتخاب متغیرها به عاملهای متفاوت استفاده از همبستگی بین متغیرها اما از نوع غیر علی استوار است. البته آمارهای دیگری وجود دارد که محقق از طریق انها نیز قادر به تعیین و تشخیص مناسب بودن داده ها برای تحلیل عاملی می باشد از جمله این روشها آزمون  KMO می باشد که مقدار آن همواره بین 0و1 می باشد و در صورتی كه این مقدار کمتر از 50/. باشد داده ها برای تحلیل عاملی مناسب نخواهد بود و اگر مقدار آن بین 50/. تا69/. درصد باشد می توان با احتیاط بیشتر می توان به تحلیل عاملی پرداخت. اما در صورتی که این مقدار بیشتر از 70/.درصد باشد همبستگی موجود میان داده ها برای تحلیل داده ها مناسب خواهد بود (کلانتری،1387: 291)
و از سوی دیگر برای اطمینان از داده ها  برای تحلیل عاملی مبنی بر اینکه ماتریس همبستگی که پایه تحلیل عامل قرار می گیرد در جامعه برابر صفر است یا خیر باید از آزمون بارتلت استفاده کنیم. این آزمون معناداری تحلیل عاملی داده ها را می سنجد و اگر این مقدار کمتر از05/. باشد داده ها با جامعه مورد معنی دار است.
حجم نمونه
در رابطه با حجم نمونه نیز باید تاکید کرد که تعداد حجم نمونه نباید کمتر از 50 مورد باشد و ترجیحا حجم نمونه را به بیش از 100 مورد افزایش داد. به عنوان قاعده کلی تعداد نمونه باید حدود چهار یا پنج برابر تعداد متغیرهای مورد استفاده باشد. که در این تحقیق حجم نمونه 260 مورد است (سرمد و دیگران،1385: 258).
انتخاب نوع ماتریس همبستگی
بعد از اطمینان داشتن به داده ها برای تحلیل عاملی، اولین تصمیم در بکارگیری تحلیل عاملی، محاسبه ماتریس همبستگی است. برای اینکار باید مشخص شود که آیا هدف،محاسبه همبستگی بین متغیرهاست یا بین پاسخگویان. اگر هدف تحقیق تلخیص متغیرها باشد در این صورت از همبستگی بین متغیرهامحاسبه شود که این روش یکی از تکنیک های عمومی و پرکاربرد در مطالعات می باشد که به تحلیل عاملی نوع R معرو ف است. اما تحلیل عاملی ممکن است برای ماتریس همبستگی بین پاسخگویان نیز بکار گرفته شود این نوع تحلیل را تحلیل نوع Q  می نامند. این نوع تحلیل عاملی شاید بدلیل مشکل بودن کمتر مورد استفاده قرار گیرد و بجای آن از روشهای نظیر تحلیل خوشه ای یا گروهبندی سلسله مراتبی برای طبقه بندی پاسخگویان یا موارد استفاده می شود.(کلانتری،1387: 287) که در این تحقیق با توجه به هدف اصلی تحقیق، ماتریس همبستگی از نوع R  استفاده گردیده است.
انتخاب مدل عاملی
 در تحلیل عاملی مدلهای مختلفی وجود دارد که از میان آنها دو روش تحلیل مولفه های اصلی و تحلیل عاملی مشترک از پر کاربرد ترین این روشهاست. انتخاب هریک از مدلها به هدف محقق بستگی دارد.مدل تحلیل مولفه های اصلی زمانی مورد استفاده قرار می گیرد که هدف محقق تلخیص متغیرها و دستیابی به تعداد محدودی عامل برای اهداف پیش بینی شده باشد و در مقابل تحلیل عاملی مشترک زمانی بکار می رود که هدف شناسایی عاملها یا ابعادی باشد که به سادگی قابل شناسایی نیستند(کلانتری،1380: 152).
روش استخراج عامل ها
علاوه بر انتخاب مدل تحلیل، محقق باید مشخص کند که عاملها چگونه باید استخراج شوند. برای استخراج عاملها دو روش وجود دارد. عاملهای متعامد و عاملهلای متمایل. در روش متعامد، عاملها به شیوه انتخاب می گردند که محورهای عاملی در حالت 90 درجه قرار می گیرند و این بدین معناست که هر عامل، مستقل از سایر عاملها می باشد. بنابراین،همبستگی بین عاملها، بطورقراردادی صفر تعیین می گردد. مدل عاملی متمایل پیچیده تر از مدل عاملی متعامد می باشد. در واقع در این روش فرآیند تحلیلی کاملا رضایت بخش بدست نمی آید. در این روش عاملهای استخراج شده دارای همبستگی می باشند.انتخاب اینکه چرخش عاملها بر اساس متعامد و یا متمایل باشدباید بر اساس نیازهای محقق و مسئله تحقیق وجود دارد انجام گیرد.
انتخاب نهایی عامل ها
زمانیکه در خصوص ماتریس همبستگی، مدل عاملی و روش استخراج، تصمیم مناسب اتخاذ گردید، زمینه برای استخراج عاملهای اولیه چرخش نیافته فراهم می گردد. با بررسی ماتریس چرخش نیافته محقق می تواند به جستجوی روشهای تلخیص داده ها و تعیین عاملهای استخراجی بپردازد، اما تعیین نهایی تعداد عاملها پس از دستیابی به ماتریس عاملی چرخش یافته امکان پذیر می باشد.
در تحلیل عاملی به بررسی معنی داری شاخص ها پرداخته می شود. بدین جهت در این بخش ابتدا به صورت کلی مراحلی را که تا پایان فصل طی خواهیم نمود، بیان می نماییم.
در این فصل در شش بخش به بررسی رابطه هر یک از شاخص ها با متغیرهای مستقل تحقیق در مدل های تحلیل عاملی مجزا پرداخته می شود. در هر بخش یکی از این عوامل به همراه متغیرهای تشکیل دهنده آنها و نیز شاخص های مربوطه بررسی می شوند.
برای هر مدل تحلیل عاملی، یک نمودار با بارهای عاملی برازش یافته استاندارد شده (ضرایب رگرسیون استاندارد شده)، و یک نمودار با مقادیر آماره t-استيودنت رسم شده است.
در نمودار بارهای عاملی استاندارد شده، میزان ارتباط متغیرهای مستقل با متغیر وابسته نشان داده می شود. با توجه به اينكه مقادير تخمين ها به صورت استانداردشده هستند به راحتي قابل قياس با يكديگرند. بنابراین به راحتی می توان بیان نمود که کدام متغیرهای مستقل تأثیر بیشتری بر متغیر وابسته دارند. لازم به ذکر است که علاوه بر بارهای عاملی مقادیر خطای هر بار عاملی نیز در این نمودار نشان داده می شود که قاعدتاً هر چه مقدار این خطاها کمتر باشد، مدل برازش یافته مناسب تر است.
براي تعيين معني داري هر يك از روابط رگرسيون مذکور، از مقدار آماره t-استيودنت استفاده مي شود. بدين صورت كه اگر مقدار آماره t-استيودنت بين 1.96- و 1.96+ نباشد، نشان مي دهد كه پارامتر مربوطه در سطح 5% تفاوت معناداري با صفر دارد يعني فرض صفر رد مي شود و درنتيجه وجود رابطه مزبور رد نمي شود. در واقع اين آماره فرض برابري پارامتر با صفر را مورد آزمون قرار مي دهد.
در مدل تحلیل عاملی مطلوب است كه فرض برابري روابط رگرسيون با صفر رد شود، بنابراين آزمون فرض عبارت است از:

با توجه به مقدار آماره t-استيودنت براي هر يك از شاخص ها که در نمودار دوم موسوم به نمودار t-استيودنت نشان داده می شود، اگر مقدار آماره بيش از 1.96 باشد، درنتيجه فرض صفر رد مي شود. يعني روابط رگرسیون معنادار هستند. اما اگر مقدار آماره کمتر از 1.96 باشد، فرض صفر رد نمي شود. يعني روابط رگرسیون معنادار نیستند.
اما علاوه بر بررسی معناداری روابط رگرسیون، باید به بررسی مقادیر خطاها نیز بپردازیم. براي خطاهاي نشان داده شده در نمودار بارهای عاملی، مطلوب آن است كه اين خطاها برابر صفر باشند. بنابراين انتظار داريم كه فرض صفر زير رد نشود:

با توجه به نمودار مقادیر آماره t-استيودنت، اگر مقدار آماره t-استيودنت بيش از 1.96 باشد، فرض صفر رد می شود و نشان دهنده اين مطلب است كه با مقدار معناداري از خطا مواجه هستيم اما اگر مقدار آماره t-استيودنت کمتر از 1.96 باشد، فرض صفر رد نمی شود و نشان می دهد كه مقدار خطا معنادار نیست. البته در بیشتر مواقع این خطاها معنادار هستند که در صورتیکه بارهای عاملی مربوط به آن متغیر یا شاخص، بيش از 0.5 باشد، اين خطاها قابل چشم پوشي هستند.
پس از بررسی ضرایب رگرسیونی و خطاهای مدل، به بررسي برازش کلی مدل می پردازیم. در ابتدا ضریب تعیین چندگانه مدل برازش یافته بررسی می شود. ضریب تعیین چندگانه، مقدار واریانس تبیین شده متغیرهای وابسته توسط متغیر مستقل مربوط در مدل را نشان می‌دهد. مقدار این آماره برای هر يك از شاخص ها به طور مجزا محاسبه می شود. اين ضرايب نشان مي دهند كه هر شاخص به تنهايي چند درصد از تغییرات متغیر وابسته را تبیین مي نماید.
برازش مدل
وقتی یک مدل دقیقاً مشخص و دارای ویژگی همانندی و برآورد بوده و آزمون آن امکان پذیر باشد، برای ارزشیابی برازندگی آن راه‌های زیادی وجود دارد. در ادامه مهمترین شاخص‌های برازندگی به شکل خلاصه معرفی می‌شوند.

مجذورکای
وقتی حجم گروه نمونه برابر با 75 تا 200 باشد، مقدار مجذورکای یک اندازه معقول برای برازندگی نیست. مجذورکای تحت تأثیر مقدار همبستگی‌های موجود در مدل نیز هست. هر چه این همبستگی‌ها زیادتر باشد، برازش ضعیف‌تر است. به همین دلیل برای برازش مدل‌ها،اندازه‌های دیگری توسعه یافته است.
نسبت كاي دو بر درجه آزادي
نسبت ، شاخص است كه فاقد یک معیار ثابت برای یک مدل قابل قبول است.
ریشه خطای میانگین مجذورات تقریب (RMSEA)
این اندازه مبتنی بر پارامتر غیرمرکزی بوده و فرمول آن چنین است.

در مرحله بعد به بررسی معنی داری مدل با استفاده از معیارهایی چون کای دو و RMSEA پرداخته می شود. جهت بررسی کای دو از سطح معنی داری یا p-value استفاده می شود. چنانچه سطح معنی داری بیش از 0.05 باشد بدین معنا است که مدل برازش یافته مناسب و قابل استناد است. معیار بعدی یعنی RMSEA باید کمتر از 0.05 باشد تا بتوان از مدل استفاده

پایان نامه
Previous Entries تحقیق رایگان درباره رفتار خرید، بازاریابی اینترنتی، افزایش فروش، عوامل بیرونی Next Entries تحقیق رایگان درباره توزیع فراوانی، جامعه آماری، علامه طباطبایی، تحصیلات تکمیلی