تحلیل عاملی تاییدی در پایان نامه

تحلیل عاملی تاییدی

قدیمی­ترین و شناخته­شده­ترین روش آماری برای بررسی روابط بین متغیرهای مکنون و مشاهده شده تحلیل عاملی است. در این رویکرد تحلیل داده­ها، محققان کوواریانس میان یک مجموعه از متغیرهای مشاهده­شده را به منظور گردآوری اطلاعات درباره سازه­های زیربنایی یا عامل­های آنها بررسی می­کنند (عباس­زاده و همکاران، 1391). دو نوع تحلیل عاملی وجود دارد: تحلیل عاملی اکتشافی[1](EFA) و تحلیل عاملی تأییدی[2](CFA).

تحلیل عاملی تأییدی زمانی استفاده می­شود که پژوهشگر دانش زیادی از سازه مکنون زیربنایی دارد. پژوهشگر بر اساس دانش نظری، تحقیق تجربی و مطالعات قبلی، فرض می­کند بین متغیرهای مشاهده شده و عامل­های بنیادی رابطه وجود دارد و سپس به آزمون این فرض می­پردازد. تمایز تحلیل عاملی اکتشافی از تحلیل عاملی تأییدی دارای اهمیت ویژه­ای است. در تحلیل عاملی اکتشافی، داده­های تجربی با هدف کشف و آشکارسازی ویژگی­های خاص و روابط مورد علاقه آن­ها بدون آن که مدل معینی بر داده­ها تحمیل شود، تجسس می­شوند. اما در تحلیل عاملی تأییدی، پژوهشگر به دنبال تهیه مدلی است که فرض می­شود داده­های تجربی را بر پایه چند پارامتر نسبتاً اندک، توصیف یا تبیین می­کند. این مدل نیز مبتنی بر اطلاعات پیش­تجربی درباره ساختار داده­هاست. مدل مورد نظر می­تواند براساس: 1) یک تئوری یا فرضیه، 2) یک طرح طبقه­بندی معین برای گویه­ها یا پاره تست­ها، 3) شرایط معلوم تجربی، و یا 4) دانش حاصل از مطالعات قبلی درباره داده­های وسیع باشد.

وجه تمایز بین روش­های تحلیل اکتشافی و تأییدی در این است که روش اکتشافی با صرفه­ترین روش تبیین واریانس مشترک زیربنایی یک ماتریس همبستگی را مشخص می­کند. در حالی که روش­های تأییدی تعیین می­کنند که داده­ها با یک ساختار عاملی معین هماهنگ هستند یا نه. تحلیل تأییدی در واقع یک روش آزمون تئوری است، که در آن پژوهشگر تحلیل خود را با یک فرضیه قبلی آغاز می­کند. این مدل که مبتنی بر یک شالوده نظری و تجربی قوی است، مشخص می­کند که کدام متغیرها با کدام عامل­ها و کدام عامل با کدام عامل­ها باید همبسته شوند. علاوه بر آن این روش  برای ارزیابی روایی سازه نیز یک روش قابل اعتماد به پژوهشگر عرضه می­کند، تا از این طریق بتواند فرضیه­هایی را درباره ساختار عاملی داده­ها که ناشی از یک مدل نظری از پیش تعیین­شده با تعداد و ترکیب مشخصی از عامل­هاست، بیازماید.

روش تحلیل تأییدی بعد از مشخص کردن عامل‌های پیش تجربی، از طریق تعیین برازندگی مدل عاملی از پیش تعیین شده، تطابق بهینه ساختارهای عاملی مشاهده شده و نظری را برای مجموعه داده‌ها آزمون می‌کند.  براونی و کادک توصیه کرده اند از جذر برآورد واریانس خطای تقریب (RMSEA) که استیگر(1990) به عنوان اندازه تفاوت برای هر درجه آزادی ارائه کرده است استفاده شود. شاخص RMSEA برای مدلهای خوب برابر با 05/0 یا کمتر است. مقادیر بالاتر از آن تا حد 08/0 نشان دهنده ی خطای معقولی برای تقریب در جامعه است.  مدلهایی که RMSEA آنها 10/0 یا بیشتر باشد برازش ضعیفی دارند. جارزکاگ و سوربوم (1989) در برنامه لیزرل شاخص های برازندگی (GFI) و شاخص تعدیل شده برازندگی(AGF) را معرفی کرده اند. نشان می‌دهند که مدل تا چه حدنسبت به عدم وجود آن، برازندگی بهتری دارد. بر پایه قرارداد، مقدار GFI و AGFI  باید برابر یا بزرگتر از 90/0 باشد تا مدل مورد نظر پذیرفته شود.  GFIو AGFI تحت تأثیر حجم نمونه است و می‌تواند برای مدل‌هایی که به گونه ضعیفی فرمول‌بندی شده اند بزرگ باشد. درباره کاربرد آنها توافق کلی وجود ندارد (هومن،1387).


[1] . Exploratory factor analysis

[2] . Confirmatory factor analysis

/ 0 نظر / 19 بازدید