تحلیل عاملی اکتشافی

تحلیل عاملی اکتشافی (EFA) یک روش آماری است که برای شناسایی مقوله‌های زیربنایی یک مجموعه گویه استفاده می‌شود. ریشه در نظریه‌های اندازه‌گیری و روان‌سنجی دارد و هدف آن کشف ساختارهای بنیادی میان مجموعه‌ای از متغیرهای مرتبط است. نظر به اهمیت موضوع در این مقاله، «تحلیل عاملی اکتشافی» مفهوم‌سازی و تعریف خواهد شد.

تعریف و کاربرد تحلیل عاملی اکتشافی

تحلیل عاملی اکتشافی ابزاری بنیادین برای کاهش ابعاد، کشف ساختارهای مفهومی و توسعه ابزارهای سنجش است. این روش در مبانی آمار و کاربرد آن در مدیریت و علوم رفتاری به‌طور گسترده به‌کار می‌رود.

تحلیل عاملی نخستین‌بار اوایل قرن بیستم توسط چارلز اسپیرمن معرفی شد؛ او تلاش کرد با یک عامل عمومی «g» توانایی‌های شناختی را تبیین کند و بدین ترتیب پایه‌های نظری تحلیل عامل را بنا نهاد. در دهه‌های بعد، پژوهشگرانی چون تراستون، هارمان و کاتل این رویکرد را گسترش دادند و روش‌های استخراج و چرخش عاملی را توسعه دادند.

تحلیل عاملی اکتشافی (Exploratory Factor Analysis) روشی آماری برای کشف ساختار پنهان میان متغیرهای مشاهده‌پذیر و شناسایی عوامل زیرسطحی در یک مجموعه داده است.

روش EFA کمک می‌کند تا با توجه به همبستگی درونی میان گویه‌ها، خوشه‌های مختلفی پدیدار شود. در هر خوشه تعدادی از عناصر قرار می‌گیرند که باهم همبستگی معنایی دارند. به هر خوشه یک عامل (Factor) گفته می‌شود. به این ترتیب می‌توان از یک مجموعه بزرگ و پراکنده از گویه‌ها به خوشه‌های محدود و مشخصی دست پیدا کرد. پژوهشگر می‌تواند براساس گویه‌هایی که در هر خوشه قرار گرفته است یک عنوان مناسب برای آن خوشه انتخاب کند.

کاربرد تحلیل عاملی اکتشافی

در برخی مطالعات پژوهشگران ابتدا تعداد زیادی گویه برای سنجش پدیده اصلی مورد مطالعه تهیه می‌کنند. سپس لازم است تا این گویه‌ها به صورتی منظم دسته‌بندی شوند. در چنین شرایط باید با رویکردی مبتنی اکتشاف به شناخت مقوله‌های زیربنایی و متغیرهای پنهان پرداخت.

اصولاً تحلیل عاملی (FA) جهت پی بردن به متغیرهای زیر بنایی یک پدیده یا تلخیص مجموعه‌ای از داده‌ها استفاده می‌شود. داده‌های اولیه برای تحلیل عاملی، ماتریس همبستگی بین متغیرها است.

وقتی پژوهشگر هیچ فرضیه قبلی درباره این ندارد که هر گویه با کدام سازه پنهان مرتبط است، یا تعداد عوامل و الگوی بارهای عاملی از پیش مشخص نشده، در چنین شرایطی تحلیل عاملی اکتشافی (EFA) ابزار مناسب است.

اما زمانی که پژوهشگر یک مدل نظری پیشین دارد و می‌داند یا فرض می‌کند که چه تعداد سازه پنهان وجود دارد، هر سازه چه ماهیتی دارد، و هر گویه باید روی کدام عامل بارگذاری شود، در این شرایط استفاده از تحلیل عاملی تأییدی (CFA) ضرورت دارد.

مثال کاربردی

مثال: در یک پژوهش کیفی، پژوهشگر با کدگذاری متن مصاحبه‌ها به تعداد زیادی کُد (مضمون پایه) پیرامون یک سازه بزرگ دست پیدا کرد. اگر این پژوهشگر حدسی پیرامون سازه‌های فرعی و چگونگی خوشه‌بندی کدها نداشته باشد با از رویکرد مبتنی بر اکتشاف (EFA) استفاده کند.

اگر پژوهشگر در هنگام کدگذاری بتواند سازه‌های فرعی را شناسایی کند و برای هر سازه فرعی چندین کد استخراج کند آنگاه باید ادعای خود را راستی‌آزمایی کند. در چنین شرایطی باید از رویکردهای تاییدی (CFA) بهره بگیرد.

بنابراین فاکتور آنلایز می‌تواند با هدف اکتشافی یا تاییدی انجام شود. در برخی مطالعات پژوهشگران ابتدا تعداد زیادی گویه برای سنجش پدیده اصلی مورد مطالعه تهیه می‌کنند. سپس لازم است تا این گویه‌ها به صورتی منظم دسته‌بندی شوند. در چنین شرایط باید با رویکردی مبتنی اکتشاف به شناخت مقوله‌های زیربنایی و متغیرهای پنهان پرداخت.

تعیین حجم نمونه تحلیل عاملی اکتشافی

روش تحلیل عاملی اکتشافی مبتنی بر داده‌کاوی است بنابراین به حجم نمونه بسیار زیادی نیاز دارد. برای اطمینان از کافی بودن حجم نمونه از آزمون بارتلت و شاخص KMO استفاده می‌شود. حجم نمونه در روش تحلیل عاملی برای هر متغیر ۵ تا ۱۰ نمونه و بطور کلی در مجموع نهایتاً ۳۰۰ نمونه توصیه شده است.

دو روش سنجش تناسب حجم نمونه جهت تحلیل عاملی اکتشافی با نرم‌افزار SPSS عباتند از:

• محاسبه آماره KMO یا (Kaiser-Mayer-Olkin)
• آزمون کروی بودن بارتلت (Bartlett’s Test of Sphericity)

شاخص کفایت نمونه (KMO) توسط کایز، مایر و اولکین ارائه شد. این شاخص بین صفر تا یک قرار می‌گیرد و نشان می‌دهد آیا داده‌ها برای انجام محاسبات تحلیل عاملی اکتشافی کافی است یا خیر. تفسیر علمی این شاخص معمولاً بر اساس پیشنهاد کایزر به شکل زیر بیان می‌شود:

• کمتر از ۰.۵ قابل قبول نیست و تحلیل عاملی نباید انجام شود.
• بین ۰.۵ تا ۰.۷ قابل قبول ولی ضعیف، و همراه با احتیاط است.
• بالاتر از ۰.۷ مناسب و بالاتر از ۰.۸ بسیار خوب است.
• بیشتر از ۰.۹ عالی محسوب می‌شود اما الزام آن برای تمام پژوهش‌ها ضروری نیست.

هرچه شاخص KMO بزرگ‌تر باشد نشان‌دهنده مناسب‌تر بودن ماتریس همبستگی برای تحلیل عوامل است. در نتیجه، ادعای اینکه «حتماً باید بالاتر از ۰.۹ باشد» صحیح نیست؛ این مقدار فقط نشان‌دهنده کیفیت بسیار عالی داده‌هاست، نه یک شرط لازم.

تحلیل عاملی اکتشافی با SPSS

دقت کنید با استفاده از نرم‌افزار SPSS تنها می‌توان تحلیل عامل اکتشافی را اجرا کرد. فاکتور آنالیز اکتشافی آن است که پژوهشگر تعداد زیادی گویه (متغیر قابل مشاهده) گردآوری کرده است و حال می‌خواهد این گویه‌ها در قالب چندین خوشه مشابه دسته‌بندی کند. هر خوشه یا عامل شامل مجموعه گویه‌هائی خواهد بود که باهم همبستگی بالائی داشته و با سایر خوشه‌ها همبستگی پائین دارند. خوشه‌هایی با یک یا دو عنصر نیز می‌توانند حذف شوند.

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.

دکمه Extraction را فشار دهید. در کادر ظاهر شده از قسمت Method روش Principal components یا همان مولفه‌های اصلی را انتخاب کنید که به صورت پیش فرض انتخاب شده است.

برای Egienvalue (واریانس مقدار ویژه) عدد ۱ را وارد کنید و چون از روش همبستگی استفاده می‌شود گزینه Correlation Matrix را فعال بگذارید.

جهت انتخاب روش چرخش دکمه Rotation را فشار دهید. برای گزینه suppress absolute value less than از مقدار۰.۳ تا ۰.۲ استفاده می‌شود.

ویدیوی آموزش تحلیل عاملی اکتشافی

برازش تحلیل عاملی اکتشافی

تحلیل عاملی اکتشافی ذاتاً یک فرایند اکتشافی است و در مقایسه با تحلیل عاملی تأییدی، مدل از پیش تعریف‌شده و قابل آزمون ندارد. بنابراین، در EFA شاخص‌های استاندارد برازش مدل مانند RMSEA، CFI یا χ² مدل به‌صورت پیش‌فرض وجود ندارند و در نرم‌افزارهایی مانند SPSS نیز محاسبه نمی‌شوند. آنچه در EFA ارزیابی می‌شود، «کیفیت ساختار استخراج‌شده» است نه «برازش مدل» به معنای دقیق SEM.

در تحلیل عاملی اکتشافی، برای اطمینان از مناسب بودن داده‌ها معمولاً از سه دسته شاخص استفاده می‌شود:

1. شاخص‌های کفایت نمونه‌گیری و ماتریس همبستگی مانند KMO و آزمون بارتلت؛
2. شاخص‌های واریانس استخراج‌شده (Total Variance Explained) برای سنجش کفایت عوامل استخراج‌شده؛
3. الگوی بارهای عاملی و چرخش برای ارزیابی تفسیرپذیری.

در صورتی که پژوهشگر بخواهد شاخص‌های برازش واقعی مانند RMSEA را گزارش کند، باید ساختار استخراج‌شده EFA را در قالب یک مدل تأییدی (CFA) در نرم‌افزارهایی مانند AMOS، LISREL، Mplus یا R بازبرآورد کند. تنها در این حالت، محاسبه RMSEA و سایر شاخص‌های برازش معتبر و قابل استناد خواهد بود.

سخن پایانی

تحلیل عاملی اکتشافی ابزاری قدرتمند برای کشف ساختارهای پنهان در داده‌هاست و زمانی اهمیت ویژه دارد که پژوهشگر قصد دارد سازه‌های بنیادی را بدون پیش‌فرض اولیه شناسایی کند. این روش با تکیه بر مبانی نظری مستحکم، داده‌ها را به شکلی سازمان‌یافته طبقه‌بندی می‌کند و به پژوهشگر امکان می‌دهد تا تصویری واقع‌بینانه از روابط میان متغیرها ارائه دهد. در نهایت، این رویکرد نه‌تنها موجب فهم عمیق‌تر ساختار داده می‌شود، بلکه به توسعه نظریه‌های علمی نیز کمک مؤثری می‌کند.

فهرست منابع

حبیبی، آرش؛ سرآبادانی، مونا. (۱۴۰۱). آموزش کاربردی SPSS. تهران: نارون‌دانش.

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

سوالات متداول

چه زمانی باید از تحلیل عاملی اکتشافی استفاده کنم؟

وقتی ساختار پنهان داده‌ها مشخص نیست و پژوهشگر پیش‌فرضی درباره تعداد عوامل ندارد. EFA برای کشف الگوی عوامل از دل داده‌ها به‌کار می‌رود.

حداقل بار عاملی قابل قبول چقدر است؟

معمولاً بار عاملی ۰.۴ قابل قبول و بالاتر از ۰.۵ مطلوب محسوب می‌شود. بااین‌حال تصمیم نهایی باید با توجه به حجم نمونه و منطق نظری اتخاذ شود.

اگر یک گویه بار عاملی پایین داشته باشد چه باید کرد؟

گویه‌هایی با بار عاملی کم معمولاً اطلاعات اندکی درباره سازه ارائه می‌کنند و معمولاً حذف می‌شوند. بهتر است قبل از حذف، چرخش‌های مختلف و ساختار مدل بررسی شود.

آیا تعداد عوامل را باید بر اساس مقدار ویژه (Eigenvalue > 1) تعیین کرد؟

این معیار تنها یک راهنمای اولیه است و نباید به‌تنهایی ملاک تصمیم باشد. نمودار اسکری و تفسیر نظری معمولاً معیارهای قوی‌تری هستند.

آیا می‌توان بعد از EFA مستقیماً به تحلیل عاملی تأییدی رفت؟

بله، این مسیر رایج‌ترین رویکرد پژوهشی است. ابتدا با EFA ساختار کشف می‌شود و سپس با CFA همان ساختار روی داده‌های مستقل آزمون می‌شود. با این وجود انجام همزمان یا متوالی این دو روش خیلی پیشنهاد نمی‌شود چرا که نوعی نقض غرض را همراه دارد.