تحلیل عاملی تاییدی

آموزش تحلیل عاملی تاییدی

تحلیل عاملی تاییدی Confirmatory Factor Analysis روشی است که نشان می‌دهد چه میزان گویه‌های سنجش یک سازه به درستی انتخاب شده‌اند. در واقع در این روش مشخص می‌شود آیا سوالاتی که در یک پرسشنامه برای سنجش هر عامل انتخاب شده است مناسب می‌باشد یا خیر. بنابراین تحلیل عاملی تائیدی یک ابزار سنجش روایی پرسشنامه است و به روایی سازه یا مدل اندازه گیری نیز موسوم است. بطور کلی تحلیل عاملی (Factor Analysis) جهت پی بردن به متغیرهای زیر بنایی یک پدیده یا اطمینان از گویه های سنجش عوامل استفاده می‌شود. داده‌های اولیه برای تحلیل عاملی، ماتریس همبستگی بین متغیرها است. تحلیل عاملی، متغیرهای وابسته از قبل تعیین شده ای ندارد. تحلیل عاملی به دو دسته کلی تقسیم می شود:

  • تحلیل عاملی تاییدی
  • تحلیل عاملی اکتشافی

تحلیل عاملی اکتشافی (EFA) : اگر تعدادی گویه وجود داشته باشد و بخواهید این گویه ها را در چند عامل بزرگتر دسته بندی کنید از تحلیل عاملی اکتشافی استفاده می شود. برای مثال بعد از یک تحقیق کیفی گویه هایی که ار مصاحبه ها استخراج شده است را با تحلیل عاملی اکتشافی خوشه بندی می کنند.

تحلیل عاملی تاییدی (CFA) : در تحلیل عاملی تائیدی هدف اطمینان از بک ساختار عاملی منظم است. وقتی شما برای عوامل اصلی تحقیق خود گویه هایی را شناسایی کرده اید برای اطمینان از ساختار عاملی موجود از تحلیل عاملی تائیدی استفاده می شود.

انواع تحلیل عاملی تائیدی

تحلیل عاملی تاییدی خود دو دسته اصلی دارد:

  • تحلیل عاملی تاییدی مرتبه اول
  • تحلیل عاملی تاییدی مرتبه دوم

تحلیل عاملی تاییدی مرتبه اول

تحلیل عاملی تاییدی مرتبه اول یا First order confirmatory factor analysis رابطه عامل یا عامل‌ها (متغیرهای پنهان) با گویه‌ها (متغیرهای مشاهده‌پذیر) مورد سنجش قرار می‌گیرد. در این روش هیچ‌گونه رابطه‌ای بین متغیرهای پنهان مورد بررسی قرار نمی‌گیرد. این نوع مدل اندازه‌گیری صرفاً برای اطمینان از آن است که متغیرهای پنهان درست اندازه‌گیری شده‌اند. در تحلیل عاملی تائیدی مرتبه اول می‌توان رابطه یک عامل با چند گویه یا چندعامل با چند گویه را مورد بررسی قرار داد.

محاسبه روایی همگرا

تحلیل عاملی تاییدی مرتبه اول

تحلیل عاملی تاییدی مرتبه دوم

تحلیل عاملی تاییدی مرتبه دوم یا Second order confirmatory factor analysis زمانی که یک سازه بزرگ خود از چند متغیر پنهان تشکیل شده باشد، استفاده می‌شود. در این روش علاوه بر بررسی رابطه متغیرهای مشاهده‌پذیر با متغیرهای پنهان، رابطه متغیرهای پنهان با سازه اصلی خود نیز بررسی می‌شود.

تحلیل عاملی تاییدی مرتبه دوم

تحلیل عاملی تاییدی مرتبه دوم

تحلیل عاملی تاییدی مرتبه سوم

در این روش یک سازه اصلی به چند سازه فرعی تقسیم می شود. سازه های فرعی خود به چند سازه فرعی دیگر تقسیم می شوند و برای سازه های سطح آخر تعدادی سوال یا گویه مطرح می شود.

  نرم افزار لیزرل و اموس قادر به انجام تحلیل عاملی تاییدی مرتبه سوم نیستند و این روش فقط در تئوری مطرح شده است. در مورد صحت تئوریک تحلیل عاملی تائیدی مرتبه سوم نیز شبهات زیادی مطرح است و مطمئن باشید اگر خروجی در مقالات دیدید جادوی فتوشاپ است!

تفسیر نتایج

برای تفسیر نتایج تحلیل عاملی تاییدی باید با دو مقوله آشنا باشید:

  • بار عاملی (Factor Loading)
  • آماره تی (T-Value)

قدرت رابطه بین عامل (متغیر پنهان) و متغیر قابل مشاهده بوسیله بار عاملی نشان داده می‌شود. به شکل تحلیل عاملی تاییدی مرتبه اول توجه کنید. بار عاملی در این شکل با λ نشان داده شده است. بار عاملی مقداری بین صفر و یک است. اگر بار عاملی کمتر از ۰.۳ باشد رابطه ضعیف درنظر گرفته شده و از آن صرف‌نظر می‌شود. بارعاملی بین ۰.۳ تا ۰.۶ قابل قبول است و اگر بزرگتر از ۰.۶ باشد خیلی مطلوب است. در نرم‌افزار لیزرل بار عاملی از طریق گزینه Standardized solution از لیست Estimates محاسبه می‌شود. در تحلیل عاملی متغیرهائی که یک متغیر پنهان (عامل) را می‌سنجند، باید با آن عامل، بار عاملی بالا داشته باشند (روایی همگرا) و با سایر عامل‌ها، بار عاملی پائین داشته باشند (روایی واگرا).

جهت بررسی معنادار بودن رابطه بین متغیرها از آماره آزمون t یا همان t-value استفاده می‌شود. چون معناداری در سطح خطای ۰.۰۵ بررسی می‌شود بنابراین اگر میزان بارهای عاملی مشاهده شده با آزمون t-value از ۱/۹۶ کوچکتر محاسبه شود، رابطه معنادار نیست و در نرم افزار لیزرل با رنگ قرمز نمایش داده خواهد شد.

منبع : تحلیل عاملی تاییدی نوشته آرش حبیبی کتاب مدل یابی معادلات ساختاری