تحلیل عاملی یا آنالیز فاکتور

تحلیل عاملی یا آنالیز فاکتور

تحلیل عاملی یکی از روشهای آماری چند متغیره است که بین مجموعه ی فراوانی از متغیرها که به ظاهر بی ارتباط هستند، رابطه ی خاصی را تحت یک مدل فرضی برقرار می کند. بنابراین از میان روشهایی که با استفاده از رایانه، داده های آماری را تحلیل می کنند، دو روش کاربرد زیادی دارد: یکی تحلیل رگرسیون چند متغیری است (برای مطالعه بیشتر اینجا کلیک نمایید.)، و دیگری تحلیل عاملی.

مقالات پیشنهادی

تحلیل عاملی

تحلیل عاملی مختص موضوعاتی با داده های انبوه است، زیرا تحلیل جداول عددی بزرگ با روش آمار کلاسیک ساده نیست. بنابراین برای تحلیل چنین داده هایی روش تحلیل عاملی را بکار می برند که توان کافی برای تجزیه و تحلیل چنین داده های انبوه را دارد. در این روش، هر نوع موضوع در زمینه های متفاوت را از ادبیات و روانشناسی گرفته تا سیاست، اقتصاد، مسائل تربیتی، آموزشی و به طور کلی مسائل گوناگون اجتماعی می توان تجزیه و تحلیل کرد. طبیعی است که بعضی از این مسائل جنبه ی کمی و برخی دیگر جنبه ی کیفی دارند. اگر صفات مورد مطالعه، کیفی باشند می توان بوسیله ی کدگذاری صفات مورد نظر، آنها را به داده های عددی تبدیل نمود. باید توجه داشت که اگر بتوان آنچه را که درباره اش صحبت می کنیم اندازه گرفت و آن را به صورت کمی بیان کرد، می توان مدعی شد که درباره ی آن چیزی که می دانیم، وگرنه دانش ما درباره ی آن اندک و نارسا است.

تحلیل عاملی بر این فرض مبتنی است که متغیرهای مشاهده شده (اندازگیری شده)، ترکیب های خطی از متغیرهای فرضی (با عامل های) زیربنایی تر هستند؛ یعنی وجود یک مجموعه از عامل های زیر بنایی و یک مجموعه از متغیرهای مشاهده شده، مفروض گرفته می شود. بین این دو مجموعه، یک رابطه ی خاص وجود دارد و روش تحلیل عاملی این رابطه را به کار می گیرد تا به استنباطی درباره ی آن عامل ها برسد.

تحلیل عاملی، نوعی روش آماری است که هدف کاربر آن، ارائه مجموعه ای از متغیرها برحسب تعداد کمتری از متغیرهای فرضی است؛ به بیان دیگر، در تحلیل عاملی تعداد زیادی از متغیرها برحسب تعداد کمتری از متغیرهای فرضی است؛ به بیان دیگر، در تحلیل عاملی تعداد زیادی از متغیرها برحسب تعداد کمی از ابعاد یا سازه ها بیان می شود، این سازه، فاکتور یا عامل نامیده می شود. برای اینکه بحث مقدماتی را درباره ی تحلیل عاملی روشن کرده باشیم، یک مثال می آوریم، فرض کنید با یک هزار نفر که به صورت تصادفی از میان جامعه ی آماری انتخاب شده اند، مصاحبه کرده ایم و نظر آنان را درباره ی مالیاتها، قانون کار، حقوق مدنی و مانند آنها پرسیده پاسخ این پرسشها، متغیرهای مشاهده شده را تشکیل می دهند.

به طور کلی، نخستین گام تحلیل، مستلزم بررسی روابط بین این متغیرهاست. فرض کنید که ما برای بیان اندازه ی پیوستگی یا پیوند (Association) متغیرها، از ضریب همبستگی استفاده نموده و یک جدول همبستگی تهیه کرده ایم. ممکن است بررسی ماتریس همبستگی نشان دهد که بین این متغیرها رابطه ی مثبت وجود دارد و رابطه ی متغیرها در داخل برخی زیر مجموعه ی متغیرها بیشتر از مقدار رابطه ی بین این زیر مجموعه هاست. در این حال، شاید روش تحلیل عاملی برای پرداختن به این مسأله که آیا همبستگی مشاهده شده را می توان به واسطه ی وجود تعداد کمتری از متغیرها توضیح داد یا خیر، بکار آید؛ مثلاً ممکن است بپرسیم آیا یک پیوستار از لیبرالیسم تا محافظه کار وجود دارد که مشخص کننده ی نگرش سیاسی جامعه باشد؛ یا ممکن است حدس بزنیم که ما بین لیبرالیسم تا محافظه کاری تقسیمات فرعی تری هم وجو دارد. فی المثل کاملاً احتمال دارد که مسایل اقتصادی، جنبه های نسبتاً متضاد را را در مقایسه با مسائل حقوقی مَکشوف سازد. ما ممکن است این موضوع را بررسی کنیم که آیا این تقسیمات فرعی واقعاً ناشی از داده ها هستند یا خیر؟

جوابگویی به این نوع پرسشهاست که ما را به سوی روش تحلیل عاملی سوق می دهد. پژوهشگر در بدترین وضعیت، ممکن است هیچ تصوری از اینکه داده های پیش رویش چه ابعاد زیربنایی هستند، نداشته باشد. در این حال، می توان تحلیل عاملی را به عنوان راه چاره ای برای پی بردن به کمترین تعداد عامل هایی که می توانند کوواریانس مشاهده شده را توضیح دهند و نیز به عنوان ابزاری برای کشف میزان ممکن کاهش داده ها به کار گرفت. این نحوه از به کارگیری تحلیل عاملی، اکتشافی است و آن را تحلیل اکتشافی می نامند. در واقع، هدف این نوع از تحلیل عاملی، کشف یگانگی ها و ابعاد پنهان داده ها در شرایطی است که محقق نسبت به وجود این ابعاد پنهان اطلاع کافی ندارد، البته احتمالاً بیشترین کاربرد تحلیل عاملی در علوم اجتماعی و رفتاری به این مقوله تعلق دارد.