برازش تحلیل عاملی اکتشافی

بسیاری پژوهشگران مایل هستند برای تحلیل عاملی اکتشافی نیز از شاخص‌های برازش استفاده کنند. بطور پیش فرض هیچ شاخص نیکویی برازشی برای تحلیل عاملی اکتشافی وجود ندارد ولی می‌توان برخی از شاخص‌های نیکویی برازش را محاسبه کرد. دو شاخص اصلی زیر برای برازش تحلیل عاملی اکتشافی قابل محاسبه است:

•  شاخص RMSEA یا Root Mean Square Error of Approximation
• شاخص خی-دو بهنجار یا Normed Chi-square

ارزیابی برازش تحلیل عاملی اکتشافی

دقت کنید با استفاده از نرم‌افزار SPSS تنها می‌توان تحلیل عامل اکتشافی را اجرا کرد.

از منوی Analyze فرمان Dimention reduction گزینه factor را انتخاب کنید:

کادر تحلیل عاملی باز خواهد شد. متغیرهای مدنظر را به کادر Variables منتقل کنید.

دکمه Descriptive را بزنید و گزینه KMO And Bartlett’s Test of Sphericity را فعال کنید.

برای محاسبه این دو شاخص از خروجی آزمون KMO در خروجی تحلیل عاملی اکتشافی استفاده کنید:

خروجی آزمون KMO و بارتلت

برای محاسبه شاخص‌های برازش، حجم نمونه، مقدار خی-دو χ^۲ و درجه آزادی مورد نیاز است. با استفاده از معادله زیر شاخص RMSEA را محاسبه کنید.

شاخص RMSEA

تفسیر نتایج و ارزیابی برازش مدل

تحلیل عاملی اکتشافی یکی از روش‌های خوشه‌بندی داده‌ها است که در حوزه داده‌کاوی قرار دارد. در مطالعات مدیریت از این تکنیک برای شناسایی عوامل زیربنایی یک مجموعه سوال استفاده می‌شود. اگر تعداد زیادی سوال براساس ادبیات پژوهش یا مصاحبه شناسایی کرده اید و هیچ ایده‌ای برای دسته بندی آنها ندارید میتوانید از تحلیل عاملی اکتشافی استفاده کنید.

ریشه میانگین مربعات خطاهای تخمین یا همان RMSEA در بیشتر تحلیل‌های عاملی تائیدی و مدلهای معدلات ساختاری استفاده می‌شود. اگر مقدار این شاخص کوچکتر از ۰/۰۵ باشد برازندگی مدل بسیار خوب است. اگر بین ۰/۰۵ یا ۰/۱ باشد قابل قبول است و اگر از ۰/۱ بیشتر باشد برازندگی نامطلوب است. مقدار خی-دو به‌هنجار شده نیز باید کوچکتر از ۲ باشد با این وجود مقادیر بین ۲ تا ۵ نیز با اغمض قابل قبول است اما اگر از ۵ بزرگتر باشد برازش مدل مطلوب نیست. براین اساس نیکویی برازش تحلیل عاملی اکتشافی را تفسیر کنید.

منبع: حبیبی، آرش؛ کلاهی، بهاره. (۱۴۰۱). مدل‌یابی معادلات ساختاری و تحلیل عاملی. تهران: جهاد دانشگاهی، چاپ دوم.