تحلیل عاملی و بار عاملی در PLS

الف- تحلیل عاملی

تحلیل عاملی و بار عاملی PLS یکی از مشکلاتی که محققان در تحقیق خود با آن مواجه هستند، کاهش حجم متغیرها و یا تشکیل ساختاری جدید برای آنها می باشد. که بدین منظور از روش تحلیل عاملی استفاده می شود.

تحلیل عاملی بر اساس ملاک های تجربی و عملی، تعداد متغیرهایی را که خیلی زیاد هستند را به چند عامل کاهش می دهد و تجزیه و تحلیل آنها را ساده تر می کند.

تحلیل عاملی، عمل کاهش متغیرها به عامل را از طریق گروه بندی کردن متغیرهایی که با هم همبستگی متوسط و یا نسبتا زیادی دارند، انجام می دهد.

تحلیل عاملی یک روش آماری است که برای توصیف تنوع در بین متغیرهای مشاهده شده و همبسته بر حسب تعداد بالقوه کمتری از متغیرهای مشاهده نشده به نام عوامل استفاده می شود. برای مثال، این امکان وجود دارد که تغییرات در شش متغیر مشاهده شده عمدتاً منعکس کننده تغییرات در دو متغیر مشاهده نشده (پایه ای) باشد. تحلیل عاملی چنین تغییرات مشترکی را در پاسخ به متغیرهای پنهان مشاهده نشده جستجو می کند. متغیرهای مشاهده‌شده به‌عنوان ترکیب‌های خطی عوامل بالقوه به‌علاوه عبارت‌های «خطا» مدل‌سازی می‌شوند، از این رو تحلیل عاملی را می‌توان به عنوان یک مورد خاص از مدل‌های خطا در متغیرها در نظر گرفت.[1]

به بیان ساده، بار عاملی یک متغیر میزان ارتباط متغیر با یک عامل معین را کمیت می کند.[2]

یک منطق رایج در پشت روش های تحلیل عاملی این است که اطلاعات به دست آمده در مورد وابستگی های متقابل بین متغیرهای مشاهده شده می تواند بعداً برای کاهش مجموعه متغیرها در یک مجموعه داده استفاده شود. تحلیل عاملی معمولاً در روان سنجی، روانشناسی شخصیت، زیست شناسی، بازاریابی، مدیریت محصول، تحقیق در عملیات، امور مالی و یادگیری ماشین استفاده می شود.

ممکن است به مقابله با مجموعه داده‌ها کمک کند که در آن تعداد زیادی متغیر مشاهده شده وجود دارد که گمان می‌رود تعداد کمتری از متغیرهای زیربنایی/مخفی را منعکس می‌کنند. این یکی از متداول‌ترین تکنیک‌های وابستگی متقابل است و زمانی استفاده می‌شود که مجموعه متغیرهای مربوطه یک وابستگی متقابل سیستماتیک را نشان می‌دهد و هدف، کشف عوامل پنهانی است که یک اشتراک را ایجاد می‌کنند.

تحلیل عاملی بر دو نوع است:

الف-۱- تحلیل عاملی اکتشافی (efa)

در تحلیل عاملی اکتشافی، محقق با هدف کشف ساختاری برای شکل دهی متغیرها و طبقه بندی آنهاست و پیش فرض اولیه آن است که هر متغیری ممکن است با هر عاملی ارتباط داشته باشد. به عبارت دیگر پژوهشگر در این روش هیچگونه فرضیه قبلی درباره نتایج ندارد و در پی اکتشاف عوامل تاثیر گذار است. بنابراین، تحلیل اکتشافی بیشتر به عنوان یک روش تدوین و تولید نظریه و نه آزمون نظریه در نظر گرفته می شود.

الف-۲- تحلیل عاملی تأییدی (cfa)

در این روش پژوهشگر سعی می کند تأییدی بر یک ساختار عاملی فرض شده ارائه دهد. یعنی تعیین می کند که داده ها با یک ساختار عاملی معین که در فرضیه آمده است هماهنگ است یا خیر. تحلیل عاملی تأییدی برای سنجش روایی شاخص های یک سازه در پرسشنامه نیز به کار برده می شود تا معلوم گردد هماهنگی و همسویی لازم بین شاخص ها وجود دارد. به بیان دیگر، تحلیل عاملی تأییدی ابزاری است برای سنجش روایی پرسشنامه. یعنی پرسشنامه چیزی را اندازه بگیرد که برای اندازه گیری آن ساخته شده است. تحلیل عاملی در PLS

برخلاف تحلیل عاملی اکتشافی، در تحلیل عاملی تأییدی پیش فرض اساسی آن است که مطابق با تئوری پیشین، هر عاملی با زیر مجموعه ی خاصی از متغیرها ارتباط دارد.

کاربرد مهم تحلیل عاملی تأییدی، بررسی برازش مدل حاوی سوال های یک متغیر است.

قابل ذکر است این مجموعه تخصصی، آموزش ویدئویی تحلیل عاملی تاییدی مرتبه اول و دوم، البته در نرم افزار دیگر معادلات ساختاری یعنی با نرم افزار لیزرل، تهیه نموده است. برای اطلاعات بیشتر در خصوص این آموزش و دریافت آن، این صفحه را ببینید:

تحلیل عاملی تاییدی در لیزرل

ب- بار عاملی

بار عاملی مقدار عددی است که میزان شدت رابطه میان یک متغیر پنهان و متغیر آشکار مربوطه را طی فرآیند تحلیل مسیر مشخص می کند. هرچه مقدار بار عاملی یک شاخص در رابطه با یک سازه مشخص بیشتر باشد، آن شاخص سهم بیشتری در تبیین آن سازه ایفا می کند. همچنین اگر بار عاملی یک شاخص منفی باشد، نشان دهنده تاثیر منفی آن در تبیین سازه مربوطه می باشد. به بیان دیگر سوال مربوط به آن شاخص به صورت معکوس طراحی شده است.

نرم افزار Smart PLS تحلیل عاملی تأییدی را برای بررسی روایی پرسشنامه به صورت کامل انجام داده و از روش های مختلف روایی را بررسی می کند و همچنین در خروجی این نرم افزار بارهای عاملی و جدول همبستگی به صورت کاملا مجزا و قابل فهم ارائه می شود.

منبع:

کتاب معادلات ساختاری با نرم افزار اسمارت پی ال اس، نوشته علی داوردی و آرش رضا زاده، انتشارات جامعه شناسان، چاپ اول، پاییز ۹۲

منبع:

2- Chin, W. W. (2001): PLS – Graph user, s Guide, version 3, Hoston, TX: Soft Modeling.

3-Haenlein, Michael & Kaplan, Andreas M. (2004): A Beginner’s Guide to Partial Least Squares Analysis, in: UNDERSTANDING STATISTICS, 3(4)

4- Temme, Dirk & Kreis,H, and Lutz,L (2006):PLS Path Modeling – A..Software Review, SFB 649 Discussion Paper 2006-08

تحلیل عاملی و بار عاملی در PLS