آموزش ماتریس تحلیل عاملی در spss

آموزش ماتریس تحلیل عاملی در spss شامل چندین بخش می شود و در اینجا به مهم ترین آن خواهیم پرداخت که به صورت تصویری ارائه شده است.

ماتریس مولفه های چرخیده نشده :

شکل زیر ماتریس مولفه ها را نشان می دهد که شامل ضرائب 27 سوال در هشت عامل استخراج شده است.

هنگامی که این عامل ها با یکدیگر همبستگی ندارند، این ضرائب عامل ها همان ضرائب همبستگی بین متغیرها در عامل ها است.

بنابرین هرچه مقدار قدر مطلق این ضرائب به یک نزدیک تر باشد، عامل مورد نظر نقش بیشتری در کل واریانس اعداد در متغیر مورد نظر دارد.

حدسی که در این قسمت می توان زد این است که در ستون 1 با توجه مقادیر به دست امده که تقریبا همگی بیشتر از 5/0 هستند.

سوالات 18،17،16،15،14،13،12،11،10،9،8،7،6،5 و 21 را می توان به عنوان اولین عامل در نظر گرفت.

همچنین در ستون 2 مقادیر سوالات 24،23 و تا حدودی 20،19 را می توان به عنوان دومین عامل در نظر گرفت.

آموزش ماتریس تحلیل عاملی در spss

شکل زیر ماتریس همبستگی بازسازی شده ی ضرائب را نشان می دهد (در اینجا تا q9نمایش داده شده است) که از روی عامل های استخراج شده محاسبه شده اند.

اعداد این جدول به این صورت به دست امده اند که مثلا مقدار 156/0- که در مقابل سطر q1 و ستون q2 نوشته شده است مجموع حاصل ضرب های q1 و q2 در شکل زیر را در هشت عامل استخراج شده، به دست می آوریم به این صورت که (0/214*0/327)+(211*0/121)+…+(-0/196*-0/009)=-0/156 جدول زیرین شکل که مربوط به باقی مانده ها (Residual) است در واقع اختلاف بین مقادیر واقعی و بازسازی شده ی ضرائب همبستگی است.

مثلا مقدار ضریب همبستگی اولیه بینq1 و q2،030/0-است و ضریب بازسازی شده ی آن 156/0-می باشد؛ بنابراین باقی مانده ی آن ها که در قسمت پایینی شکل نیز آمده است مقدار 126/0 می باشد.

 آموزش ماتریس تحلیل عاملی در spss

نکته :

زیرنویس a تعداد و نسبت باقی مانده های بالا 05/0 را مشخص می کند که در این جا 131 مورد (37%) می باشد.

هرچه این تعداد کمتر باشد (نزدیک به صفر) نشان دهنده ی این است عامل های کوواریانس بین آزمون ها را به خوبی توجیه می کنند.

بنابراین در این جا باید نسبت به تفسیر هشت عامل ماتریس همبستگی شک کرد.

شکل ماتریس جزئی چرخیده شده است. هدف چرخش، تغییر تعداد عامل های استخراج شده نیست، بلکه رسیدن به وضعیت جدیدی برای عامل ها است تا بتوان از لحاظ روان شناختی آن ها را بهتر تفسیر کرد.

همان طور که می بینید هفت آزمون متغیرهای q13,q12,q9,q8,q7 وq16 و تا حدودی q15 را می توان به عنوان یک عامل در نظر گرفت زیرا مقادیر ان ها در این ستون همگی بیشتر از 57/0 است و در سایر ستون ها مقادیر کمتری دارند.

این در واقع همان چیزی است که از روی بررسی ماتریس اولیه R حدس زده بودیم و در ماتریس مولفه ها (شکل 6-12) نیز عنوان کردیم.

با توجه به مفاهیم این سوالات این عامل را می توان بعد رضایت مندی افراد در زندگی نامید.

عامل دوم را می توان از جمع متغیرهای q24,q23,q19 و q26 عنوان کرد و یا عامل سوم را از جمع متغیرهای q4,q3,q2 و q5عنوان کرد (چرا؟).

در مورد سایر عامل ها چه می توان گفت؟

آموزش ماتریس تحلیل عاملی در spss

 

تمرین :

تحلیل عاملی را تنها برای متغیرهای زیر انجام دهید. نتیجه ی بالا تایید می شود؟

q15q16,q13,q12,q9,q8,q7,q26وq24,q23,q19