تحلیل عاملی کیو

تحلیل عاملی کیو (Q factor analysis) روشی برای دستیابی به متغیرهای زیربنایی گویه‌ها، زمانی که حجم نمونه اندک می‌باشد. این روش کارکردی مشابه روش تحلیل عاملی اکتشافی دارد و هدف هر دو یکسان است. اما در تحلیل عامل اکتشافی حجم بزرگی از داده‌ها مورد نیاز است. این در حالی است که در بسیاری از مطالعات امکان دسترسی به نمونه‌های وسیع وجود ندارد. در پژوهش‌های بسیاری باید از دیدگاه خبرگان استفاده کرد. در برخی مطالعات دیگر نیز نمونه‌ها بسیار کوچک یا غیرقابل دسترس هستند. بنابراین این روش در چنین شرایطی می‌تواند انتخاب مناسبی باشد. این روش در دسته مطالعات روش تحقیق کیو قرار می‌گیرد.

روش تحلیل عاملی، اصلی ترین روش آماری برای تحلیل ماتریس داده‌های کیو است. مبنای این روش نیز همبستگی بین «افراد» است. از این رو، از عبارت «تحلیل عاملی کیو» استفاده می‌شود تا تأکید شود در فرآیند تحلیل عاملی، افراد به جای متغیرها دسته‌بندی می‌شوند. با وجود این، به لحاظ آماری هیچ اختلافی بین تحلیل عاملی کیو و تحلیل عاطفی عادی وجود ندارد. تحلیل عاملی در بهترین حالت، مجموعه‌ای از متغیرها را به چند دسته تقسیم می‌کند که از آن به کاهش ابعاد مجموعه داده‌ها تعبیر می‌شود. بر اساس این دسته بندی یا به تعبیر فنی استخراج عوامل، ماتریس همبستگی بین این متغیرهاست. دلیل مهم تر برای استفاده از تحلیل عاملی، تعیین شدت ارتباط هر فرد با عاملی است که تحت یک عامل قرار بگیرند، یعنی همگی دارای یک ذهنیت باشند.

روش انجام تحلیل عاملی کیو

تحلیل عاملی در بهترین حالت، مجموعه‌ای از متغیرها را به چند دسته تقسیم می‌کند که از آن به کاهش ابعاد مجموعه داده‌ها تعبیر می‌شود. اساس این دسته‌بندی یا به تعبیر فنی استخراج عوامل، ماتریس همبستگی بین این متغیرهاست. فرایند تحلیل عاملی کیو مانند تحلیل عاملی اکتشافی شامل دو مرحله است:

• چرخش گویه‌ها
• استخراج عامل‌ها

در مرجله دوم عامل‌های زیربنایی گویه‌های موجود شناسایی می‌شوند. روش مولفه‌های اصلی از رایج‌ترین شیوه‌های استخراج عامل‌ها برای انجام اولین مرحله تحلیل عاملی کیو است.

از طریق به‎کارگیری مولفه‌های اصلی، مجموعه‌ای از متغیرهای همبسته مرتب‎شده به مجموعه‌ای از متغیرهای غیرهمبسته (مولفه‌ها) انتقال می‌یابند. مولفه‌ها با به‎کارگیری همبستگی‌های مولفه-متغیر که بارهای عاملی نامیده می‌شوند تفسیر می‌گردند.تحلیل مولفه‌های اصلی، واریانس مشترک میان متغیرها (مشارکت کنندگان) در ارتباط با هریک از گونه‌های به‌ دست آمده را همانند واریانس یگانه‌ای که توسط هر مشارکت‎کننده در تعریف گونه‌های به‌دست آمده داده شده است در بر می‌‌گیرد.

چرخش عامل‌‌ها

تمام عامل ‎های استخراج شده مورد علاقه محقق نیست. هدف تحلیل عاملی، تبیین پدیده‎‌های مورد نظر با تعداد کمتری از متغیرهای اولیه است. از این‎رو، گام اول تعیین تعداد عامل‎هایی که در تحلیل نگه‎داشته می‌شوند: عامل ‎هایی که اعتبار صوری یا نظری دارند. ولی قبل از فرآیند چرخش نمی‌ توان به معنی هر عامل به ‎خوبی پی ‎برد. بنابراین معمولا از ملاک‌های ریاضی مانند ملاک کایزر یا آزمون اسکری‎ کتل برای نگه ‎داشتن عامل‎‌ها استفاده می‌شود.

بر اساس ملاک کایزر فقط عامل‎هایی نگه داشته می‌شوند که مجموع مجذور بارهای عاملی آن‌ها (مقدار ویژه) یک یا بیشتر باشد. این ملاک برای تحلیل عاملی آلفا مناسب است و برای سایر روش‎های تحلیل عاملی کران پایینی فراهم می‎آورد. در روش اسکری‎کتل نمودار مقدار ویژه برای هر عامل ترسیم می‌شود. در نقطه‌ای که شکل منحنی برای مقادیر ویژه به‎صورت افقی درآید، آن نقطه اسکری نامیده شده و عامل هایی که سمت چپ آن قرار دارد عامل‌های واقعی و آن‎هایی که در سمت راست آن قرار دارند عامل‌های خطا قلمداد می‌شود.

پس از انتخاب عامل ها، چرخش آن‌ها ضرورت دارد. هدف از چرخش عامل‎ها رسیدن به یک ساختار عاملی ساده است. در تحلیل عاملی، ساختار‌های عاملی متعددی برای یک ماتریس همبستگی وجود دارد. اولین عامل غالبا یک عامل کلی است که تمام یا اکثر متغیرها روی این عامل بار عاملی بالایی دارند. عامل‎های بعدی که معمولا دو قطبی هستند و بارهای عاملی مثبت و منفی داشته و قابل تفسیر نمی‌باشند با چرخش ساختار عاملی روشنتر می‌شوند.

خلاصه و جمع‌بندی

با استخراج و چرخش عامل‌‌ها و به‌ دست آمدن بارهای عاملی، تحلیل عاملی کیو به پایان می‌رسد. اکنون نوبت تفسیر دقیق عامل‌‌ها، یعنی تعیین معنی و تعریف آن‎ها می‌‌رسد. برای تفسیر گونه‌ها، دسته‌‌های کیویی  (Qی) افراد که به واسطه بارهای عاملی یک گونه را تعریف می‌‌کنند، ترکیب می‌‌شوند. این کار برای هر یک از گونه‌‌ها تکرار می‌‌شود. در یک ساختار عاملی آرمانی هر یک از منغیر‌ها بار عاملی بالا (بزرگتر از ۰.۵) روی یکی از عامل‎ها و بار عاملی پایین (کمتر از ۰.۲) روی سایر عامل ‎ها دارد. عامل ‎هایی که بار عاملی بالا دارند و اعتبار صوری آن‎ها نیز مطلوب است، سازه پنهانی را اندازه‎‌گیری می‌‌کنند.

چنین ساختار عاملی در واقع به ‎ندرت اتفاق می‌افتد. غالبا یک متغیر روی چند عامل بار عاملی دارد و دو یا چند متغیر روی عامل نامناسبی بار عاملی دارد. محقق باید درک کافی از داده‎ هایش داشته باشد و محاسبات تحلیل عاملی به ‎تنهایی نمی ‎تواند نتایج روشنی فراهم آورد. پس از تعیین عامل‌‌ها و بارهای عاملی، پژوهشگر با دو پرسش روبه روست: کدام یک از عامل‌‌ها و کدام یک از بارهای عاملی معنی‌ دار هستند. پرسش نخست به تعداد عامل‌‌های مهم مربوط است که می‌ توان هریک را به‌ عنوان یک ذهنیت در نظر گرفت. از بعد نظری می‌توان به تعداد افراد، عامل استخراج کرد. در عمل به‌ دلیل وجود ذهنیت‌‌های مشابه در بین مشارکت‎ کنندگان به‌ تعداد عامل خیلی کمتری خواهیم رسید.