تحلیل عامل اکتشافی و تحلیل عامل تاییدی

تحلیل عامل اکتشافی

معمولا هدف از تحلیل عامل اکتشافی (EFA) این است که اجازه دهیم داده ها، روابط داخلی یک سری از متغیرها را تعیین کنند. گرچه محقق می تواند بر اساس یک نظریه، در ارتباط با روابط موجود میان متغیرها، از این تحلیل استفاده کند، اما محدودیت های نسبتا کمی در الگوی عوامل اصلی در یک تحلیل اکتشافی وجود دارد. این روش تحلیل برای توسعه نظریات بسیار مفید بوده و بیش از یک قرن در مورد آن بحث و گفتگو شده است.

تحلیل عامل اکتشافی، در مراحل اولیه توسعه و ظهور یک نظریه و یا ساخت یک مقیاس و آزمون جدید، بسیار مناسب است. بر این اساس می توان گفت، اولین مزیت تحلیل عامل اکتشافی، کاهش داده­ها[۱] است؛ به ویژه زمانی که روابط داخلی بین متغیرها از پیش مشخص شده نیستند. محققی که از تحلیل اکتشافی بهره می گیرد، در واقع از روش تحلیل استقرایی[۲] (تحلیل جز به کل) با در نظر گرفتن یک سری مشاهدات و سپس گسترش تئوری استفاده می نماید. در مثال پیشین با بررسی ویژگی های کارکنانی که عملکرد بالایی دارند، متغیرهای شخصیتی تنها به دو عامل به جای شش متغیر اولیه، کاهش یافتند؛ از این رو این نتایج می تواند مبانی برای پژوهش های بعدی و ارائه نظریه جدیدتری باشد. علاوه بر این، کاهش داده ها نگرانی های مربوط به هم خطی بودن چندگانه[۳] (همبستگی های بالا) در یک سری متغیر پیش بین را نیز تا­حدی تعدیل می کند. دومین مزیت تحلیل اکتشافی توانایی آن در تشخیص و شناسایی یک عامل  کلی تر از میان چندین عامل است. برای مثال زمانی که نتایج چندین آزمون توانمندی شناختی، تحلیل عامل شوند، با کاهش داده ها، می توان حضور یک عامل کلی تر در میان چندین عامل خاص را به اثبات رساند. بطور نمونه در ارزیابی هوش، همه آزمون های توانمندی، تا حدی با عامل کلی هوش (g) همبستگی دارند.

در نهایت، تحلیل عامل اکتشافی در توسعه آزمون ها و مقیاس ها مفید است، چرا که به محقق اجازه می دهد تا بعدپذیری یک مقیاس را آزمون کند و بارگذاری های تعاملی[۴] (همبستگی متغیرهایی با بیش از یک مولفه یا عامل) در مقیاس ها را شناسایی و کشف نماید. گرچه بارگذاری های تعاملی عموما رضایت بخش نیستند؛ چرا که در توسعه و ساخت یک مقیاس، تمایل بر این است که آیتم ها (ماده های آزمون) تنها با یک عامل همبستگی داشته باشند. همانطور که در مثال فرضی مشاهده شد، سه متغیری که با عامل اول (با وجدانی) ارتباط داشتند با عامل دوم (خردمندی) هیچ همبستگی نداشته اند. بنابراین در توسعه مقیاس ها و یا ساخت نظریات جدید، بهتر است آیتم ها و یا متغیرهایی را داشته باشیم که تنها به یک عامل مربوط می شوند و هیچ اشتراکی با عامل های دیگر نداشته باشند.

تحلیل عامل تاییدی

هدف از انجام تحلیل عامل تاییدی (CFA) این است که فرضیات مشتق شده را با یک سری از داده ها بصورت نظری آزمون کنیم. در تحلیل عامل تاییدی از همان الگوی عوامل پایه استفاده می شود، اما در این نوع تحلیل باید، محدودیت هایی را نیز اعمال نمود. به طور نمونه، در مثال فرضی پیشین که بوسیله تحلیل عامل اکتشافی، یک الگوی دو عاملی برای شش ویژگی شخصیتی بدست آمد، می توان یک تحلیل عامل تاییدی انجام داد و صحت روابط موجود و ارتباط متغیرهای مشهود با عوامل مشترک را باز تحلیل کرد، اما نمی توان بارگذاری های تعاملی جدیدی را کشف یا بررسی نمود. تحلیل عامل تاییدی در دهه ۱۹۶۰ گسترش یافته و در مقایسه با تحلیل عامل اکتشافی موضوع مورد بحث جدیدتری است.

تحلیل عامل تاییدی در روش پژوهش از طریق شیوه استدلال قیاسی[۵](تحلیل کل به جز) بسیار مفید است. بوسیله تحلیل تاییدی می توان فرضیات متنوعی را آزمون کرد. بطور نمونه، در مثال پیشین، پژوهشگری ممکن است تمایل داشته باشد که معناداری آماری بارهای عاملی چند ویژگی فردی را بررسی کند. در این نوع تحلیل با این فرض که رابطه همبستگی ضعیفی میان ویژگی شخصیتی خیال پردازی با عامل پنهان خردمندی (۶۰/۰)، مشاهده شده است، پژوهشگر می تواند، با اطمینان آماری و بطور قطع صحت این رابطه را بررسی و معناداری آماری آن را تعیین کند. همچنین در تحلیل عامل تاییدی می توان، فرض تک عاملی بودن در مقابل دو عاملی بودن مجموعه از داده ها را مورد آزمون قرار داد. بنابراین بر اساس آنچه تا کنون مطرح شد، در تحلیل عامل اکتشافی، محقق بر روی قواعد تجربی و ضمنی تاکید می کند، که ممکن است گاهی دچار اشتباه و انجراف شود، اما در تحلیل عامل تاییدی می توان به طور مشخص یک فرضیه آماری را مطرح کرد و آن فرض را آزمون و تحلیل نمود.

کاربرد دیگر تحلیل عامل تاییدی ارزیابی هم ارزی[۶] بخشی از الگوی عوامل پایه، در مجموعه داده های یک پژوهش است. بطور مثال، می توان فرض کرد که همه متغیرهای مشاهده شده (شش ویژگی شخصیتی) به طور هم ارزی با عامل مشترک خردمندی ارتباط دارند. با استفاده از  تحلیل عامل تاییدی و با تحمیل قید[۷] های آماری بر روی بارهای عاملی، می توان این هم ارزی را مورد سنجش قرار داد.

علاوه بر این، با استفاده از تحلیل عامل تاییدی می توان یک الگوی عاملی (ساختار عاملی، مقادیر بارهای عاملی و انحصارات) را در چندین گروه که تفاوت های جمعیت شناختی دارند، آزمود و مقایسه کرد. بطور مثال، پژوهشگر در جستجوی این موضوع است که آیا پاسخ های سرپرستان کارگران بخش تولید با پاسخ های سرپرستان بخش خدمات راجع به عوامل شخصیتی موثر بر عملکرد مشابه است یا تفاوت هایی دارد؟ به احتمال در گروه های متفاوت انتظار می رود که الگوی روابط موجود میان متغیرها، یکسان نباشد. بطور مثال ممکن است متغیر مشهود، نظم داشتن، برای کارگران خط تولید در مقایسه با کارگران بخش خدماتی، با عامل وجدانی بودن (عامل مکنون اول) بیشتر مرتبط باشد. بنابراین در تحلیل عامل تاییدی محقق می­تواند فرضیاتی را آزمون کند که در آن همبستگی برخی متغیرها در دو گروه مشابه یا متفاوت باشد.

تحلیل عامل تاییدی نسبت به تحلیل عامل اکتشافی در کنترل متغیرها، انعطاف پذیری بیشتری دارد. در تحلیل عامل تاییدی، هم عوامل متمایل[۸] (عواملی که با هم همبستگی دارند) و هم عوامل متعامد[۹] (عواملی که با هم همبستگی ندارند) حضور دارند. اما در تحلیل عامل اکتشافی عامل ها یا متمایل هستند و یا متعامد، و ترکیبی از هر دو نمی تواند در تحلیل وجود داشته باشد. همچنین در تحلیل تاییدی می توان به طور انعطاف پذیر و دلخواه قیدهای آماری برای روابط قرار داد و فرضیات جدیدی را مطرح نمود. با این حال تحلیل عامل اکتشافی مزایایی هم دارد از جمله اینکه؛ تابع هیچ گونه محدودیت یا تصریح نظری نیست، بنابراین در شرایطی که نه محدودیتی نظری وجود دارد و نه نظریه خاصی روابط را توضیح می دهد، بهترین شیوه، استفاده از تحلیل عامل اکتشافی است، تا بتوان روابط جدید و الگوهای جدید را کشف کرد و توسعه داد. توماس. دی. فلچر[۱۰]


[۱] data reduction

[۲] Inductive reasoning

[۳] multi collinearity

[۴] cross loading

[۵] deductive reasoning

[۶] equivalence

[۷] constraint

[۸] oblique

[۹] orthogonal

[۱۰] Thomas D. Fletcher

[۱۱] cognitive Abilities

[۱۲] construct

[۱۳]reliability

[۱۴] validation Strategies


منابع مطالعاتی:

Gorsuch, R. L. (2003). Factor analysis. In J. A. Schinka & W. F. Velicer (Eds.), Handbook of psychology: Research methods in psychology (Vol. 2, pp. 143–۱۶۴). Hoboken, NJ: Wiley.

 Hurley, A. E., Scandura, T. A., Schriesheim, C. A., Brannick, M. T., Seers, A., Vandenberg, R. J., & Williams, L. J. (1997). Exploratory and confirmatory factor analysis: Guidelines, issues, and alternatives. Journal of Organizational Behavior, 18, 667–۶۸۳٫

 Lance, C. E., & Vandenberg, R. J. (2002). Confirmatory factor analysis. In F. Drasgow & N. Schmitt (Eds.), Measuring and analyzing behavior in organizations: Advances in measurement and data analysis (pp. 221– ۲۵۴). San Francisco: Jossey-Bass.

 Preacher, K. J., & MacCallum, R. C. (2003). Repairing Tom Swift’s electric factor analysis machine. Under- standing Statistics, 2, 13–۴۳٫

Thompson, B. (2004). Exploratory and confirmatory factor analysis: Understanding concepts and applications. Washington, DC: American Psychological Association.

 Vandenberg, R. J., & Lance, C. E. (2000). A review and synthesis of the measurement invariance literature: Suggestions, practices, and recommendations for orga- nizational research. Organizational Research Methods, 3, 4–۶۹٫


منبع اصلی: دائره المعارف روانشناسی صنعتی و سازمانی. ترجمه حسام بذرافکن

Encyclopedia of Industrial and Organizational Psychology. Volume 1. Edited by Steven G. Rogelberg. 2007. University of North Carolina Charlotte


وب سایت روانشناسی صنعتی و سازمانی

استفاده از مطلب فوق در دیگر سایت های اینترنتی مجاز و مورد تایید مدیر سایت نمی باشد.

خواهشمند است رعایت امانت بفرمایید. با تشکر

0 پاسخ

دیدگاه خود را ثبت کنید

تمایل دارید در گفتگوها شرکت کنید؟
در گفتگو ها شرکت کنید.

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *