تحلیل عاملی (آنالیز فاکتور) چیست؟

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.

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.

برای مطالعه کامل متن اینجا کلیک نمایید.

هدف تحلیل عاملی

هدف اغلب تحلیل های عاملی ساده کردن ماتریس همبستگی است، به گونه ای که بتوان آنها را در اغلب عوامل اصلی توصیف کرد؛ به عبارتی بتوان آنها را بر حسب تعدا کمی از عامل های زیر بنایی توضیح داد تا در نتیجه به روابط بین متغیرها پی برد. در واقع، هدف تحلیل عاملی ساده سازی مجموعه ی پیچیده ای از داده ها می باشد. زمانی که اسپرمن در سال 1904 این تکنیک را معرفی کرد، از ساده ترین روشهای محاسباتی استفاده شده بود. امّا با گذشته سالها و با کامل تر شدن رایانه ها، روشهای رایانه ای بسیاری به وجود آمد. در حال حاضر روشهای محاسباتی متفاوتی از تحلیل عاملی وجود دارد، که البته بعضی از آنها از لحاظ فنی نامناسب هستند و نتایج گمراه کننده است.

برای مطالعه کامل متن اینجا کلیک نمایید.

مقایسه ی تحلیل عاملی و تحلیل رگرسیونی

در رگرسیون چند متغیری یک متغیر وابسته مشاهده شده و معلوم اندازه گیری می شود که از طریق متغیرهای مستقل تبیین می گردد، حال انکه در تحلیل عاملی متغیرهای متعددی وجود دارند که معمولاً بدون در نظر گرفتن اینکه مستقل اند یا وابسته، از طریق نشان دادن و روشن ساختن ساخت اصلی آنها چگونگی مشابهت ها و مغایرت ها در آنها، تبیین می شوند. علاوه بر آن آن کسی که از تحلیل عاملی استفاده می کند پیوسته در پی آن است که برای اجزای ساخت (یگانگی ها یا عوامل زیربنایی) اسامی مناسب پیدا کند که این خود مقصود علمی با اهمیت و عمیقی است. در هر حال از تحلیل گر انتظار می رود بتواند مقوله ها یگانگی ها و متغیرهایی را از این راه کشف نماید؛ به سخن دیگر تحلیل رگرسیون چند متغیره که در آن یک یا چند متغیر به عنوان متغیر وابسته و سایر متغیرها به عنوان متغیرهای مستقل در نظر گرفته می شوند، یک تکنیک تشخیص وابستگی است که در آن همه ی متغیرها، همزمان در نظر گرفته می شوند، بدین معنا که هر یک از متغیرهای مورد مشاهده یک متغیر وابسته در نظر گرفته می شود که خود تابعی از یک مجموعه از عامل های زیربنایی ضمنی فرضی (ابعاد) است.

برای مطالعه کامل متن اینجا کلیک نمایید.

مباحث علم آمار

علم آمار ، در تلاش برای تحقق اهداف خود ، شامل سه مبحث اصلی است :

1. آمار توصیفی ، ویژگی های کلی تعدادی از داده ها را ( که معمولاً به نمونه تعلق دارند ) در قالب یک عدد بیان می کند مثلاً در یک نمونه تصادفی 50 تایی از دانشجویان یک دانشگاه قدها را اندازه می گیرد و میانگین آن 50 داده را ( که مثلاً 168 سانتی متر است ) به دست می آورد. آمار توصیفی به هدف اول بررسی های آماری خدمت می کند.
2. آمار استباطی ، براساس ویژگی های مشاهده شده در نمونه ، ویژگی های جامعه را برآورد می کند مثلاً چون میانگین قد یک نمونه 50 تائی از دانشجویان 168 سانتی متر است گفته می شود که میانگین قد جامعه ی دانشجویان 168 سانتی متر است این کار یک « براورد نقطه ای » است که به آن خیلی کم می توان اطمینان داشت ( مثلاً 1% یا کمتر ) و یا گفته می شود که میانگین قد جامعه دانشجویان بین 164 تا 172 سانتی متر است. این کار یک « برآورد فاصله ای » است که به آن بیشتر می توان اطمینان داشت ( مثلاً 90 % ) . آمار استباطی هدف دوم بررسی های آماری را تأمین می کند.
3. احتمالات ، که خطای برآورد های آمار استنباطی را اندازه می گیرد. مثلاً معلوم می کند به این استنباط که میانگین قد جامعه دانشجویان در فاصله ی 164 تا 172 سانتی متر است 90 درصد می توان اعتماد کرد به عبارت دیگر ، این برآورد با 90% اطمینان و 10 % خطا همراه است.

چون نمونه گیری با اشتباه های تصادفی اجتناب ناپذیر همراه است ، نتایج مشاهده ها درباره ی نمونه را نه با قطع و یقین بلکه با درصد اطمینان مشخصی می توان به جامعه تعمیم داد. احتمالات دانشی است برای تعیین این درصد اطمینان . در واقع تئوری احتمالات حالت پلی را دارد که گذشتن از آمار توصیفی و رسیدن به آمار استنباطی را امکان پذیر می سازد. بنابر این آمار توصیفی ، احتمالات و آمار استنباطی سه مبحث مستقل از یکدیگر نیستند. بلکه برای بهتر فهمیدن آمار استنباطی باید ابتدا آمار توصیفی و تئوری احتمالات را بفهمیم.

وب سایت Marketing Iran Talent:

www.marketingirantalent.com