روش های تحلیل چند متغیره در نرم افزار SPSS

روش های تحلیل چند متغیره در نرم افزار SPSS

يكي از روش هاي آماري براي تجزية اطلاعات موجود در مجموعة داده ها روش تجزيه عامل ها يا تحليل عاملي 1 است.1904 ) براي اولين بار هنگام اندازه گيري هوش مطرح شد و ) 1901 ) و چارلز اسپيرمن 3 ) اين روش توسط كارل پيرسون 2براي تعيين تأثيرگذارترين متغيرها در زمانيكه تعداد متغيرهاي مورد بررسي زياد و روابط بين آنها ناشناخته باشد، استفادهمي شود. در اين روش متغيرها در عام لهايي قرار مي گيرند، به طوريكه از عامل اول به عام لهاي بعدي درصد واريانسكاهش مي يابد، از اين رو متغيرهايي كه در عامل هاي اولي قرار مي گيرند، تأثيرگذارترين هستند.تجزية عاملي در واقع گسترش تجزية مؤلف ههاي اصلي است. در هر دو روش تلاش بر آن است كه ماتريس كوواريانستقريب زده شود، اما اين تقريب در مدل تحليل عاملي از دقت و ظرافت بيشتري برخوردار است. به طور كلي هدف از تجزيةعامل ها به شرح زير خلاصه مي شود:الف) تفسير وجود همبستگي دروني بين تعدادي صفت قابل مشاهده از طريق عواملي كه قابل مشاهده نيستند و آنها راعامل گويند. در واقع اين عوامل غيرقابل مشاهده دليل مشترك همبستگي بين متغيرهاي اصلي هستند؛ب) ارائه روش تركيب و خلاصه كردن تعداد زيادي از متغيرها در تعدادي گروه متمايز؛ج) از بين متغيرهاي مختلف تأثيرگذارترين آنها تعيين شده و در پژوهش هاي بعدي ب هطور جزيي تر متغيرهاي تأثيرگذار رابا تكرار بيشتري بررسي مي كنند.با توجه به موارد بالا، عمده ترين هدف استفاده از تحليل عاملي، كاهش حجم داده ها و تعيين مهمترين متغيرهايمؤثر در شكل گيري پديده هاست. از آنجا كه پژوهش هاي منابع طبيعي اغلب در عرصه مراتع و جنگل ها انجام مي شود وشرايط محيط تحت كنترل پژوهشگر نيست، از اي نرو اغلب با تعداد زيادي از متغيرها روبرو هستيم. در نتيجه براي كاهشحجم متغيرها مي توان از تحليل عاملي به عنوان يك روش مناسب استفاده كرد. اين روش در دهه هاي اخير به ويژه باپيشرفت استفاده از برنام ههاي آماري در رايانه در سطح وسيع مورد استفاده پژوهشگران قرار گرفته است.تحليل عاملي بر دو نوع تحليل عاملي اكتشافي 4 و تحليل عاملي تأييدي 5 است. در تحليل عاملي اكتشافي، پژوهشگر درصدد كشف ساختار زيرنبايي مجموعة نسبتاً بزرگي از متغيرهاست و پي شفرض اوليه آن است كه هر متغيري ممكن استبا هر عاملي ارتباط داشته باشد. به عبارت ديگر پژوهشگر در اين روش هيچ نظرية اوليه اي ندارد.در تحليل عاملي تأييدي پيش فرض اساسي آن است كه هر عاملي با زيرمجموعة خاصي از متغيرها ارتباط دارد. حداقلشرط لازم براي تحليل عاملي تأييدي اين است كه پژوهشگر در مورد تعداد عامل هاي مدل، قبل از انجام تحليل، پيش فرضمعيني داشته باشد، ولي در عين حال پژوهشگر مي تواند انتظارات خود مبني بر روابط بين متغيرها و عام لها را نيز درتحليل وارد كند. كاربردهاي ديگر تحليل عاملي تأييدي عبارتند از:- تعين اعتبار يك مدل عاملي؛- مقايسة توان دو مدل متفاوت كه از داده ها مشابه ساخته شده اند؛- آزمون معن يداري يك بار عاملي ويژه؛- آزمون اينكه آيا مجموعة عامل ها با يكديگر همبستگي دارند يا خير؟- آزمون رابطة بين دو يا چند بار عاملي.وجود ندارد. اين روش در نرم افزار SPSS دستور تحليل عاملي تأييدي برخلاف تحليل عاملي اكتشافي در نرم افزارليزرل 6 قابل انجام است. قبل از پرداختن به اين روش آماري در نرم افزار- اشتراك 7: اشتراك عبارت از ميزان واريانس مشترك بين يك متغير با ديگر متغيرهاي ب هكار گرفته شده در تحليل است.- مقدار ويژه 8: مقدار ويژه ميزان واريانس تبيي نشده به وسيلة هر عامل را بيان مي كند.- عامل 9: عبارت است از تركيب خطي متغيرهاي اصلي كه نشان دهندة جنبه هاي خلاصه شده اي از متغيرهاي مشاهده شدهاست. به عامل متغير پنهان 10 نيز گفته م يشود.- عامل مشترك 11 : عاملي كه دو يا چند متغير بر روي آن بار مي شوند. عامل مشترك عاملي است كه حداقل بين دو متغيرمشاهده شده مشترك است، بنابراين، عامل مشترك در تعيين دو يا چند متغير دخالت مستقيم دارد. به فرآيند تعيين عاملمشترك و تفسير آن، تحليل عاملي مشترك 12 مي گويند كه نوعي روش آماري است كه از همبستگي هاي بين متغيرهايمشاهده شده براي برآورد عامل هاي مشترك و روابط ساختاري استفاده م يكند.- بار عاملي 13 : عبارت است از همبستگي بين متغيرهاي اصلي و عوامل. اگر مقادير بار عاملي مجذور شوند، نشان مي دهندكه چند درصد از واريانس در يك متغير توسط آن عامل تبيين م يشود.- ماتريس عاملي 14 : جدولي است كه بارهاي عاملي كلية متغيرها را در هر عامل نشان م يدهد.- چرخش عاملي 15 : فرايندي براي تعديل محور عاملي به منظور دستيابي به عام لهاي معني دار و ساده است.- نمرة عاملي 16 : يك مقدار ويژه براي يك عامل است كه براي يك واحد نمونه گيري خاص محاسبه مي شود. نمرة عامل ها ازحاصل جمع وزني مقدار متغيرها براي آن واحد نمون هگيري بخصوص به دست مي آيد.