انجام پروژه با تحلیل عاملی اکتشافی و تأییدی
راهنمای گامبهگام و کاربردی انجام پروژه با تحلیل عاملی اکتشافی و تأییدی
تحلیل عاملی یکی از حیاتیترین، اما در عین حال چالشبرانگیزترین بخشهای فصل چهارم پایاننامهها و مقالات پژوهشی است. اگر در مرحله اعتبارسنجی پرسشنامه، استخراج متغیرهای پنهان یا تایید ساختار عاملی مدل خود با نرمافزارهای SPSS، AMOS یا LISREL دچار ابهام شدهاید، این مقاله دقیقاً برای پاسخ به همین نیاز نگاشته شده است. در ادامه، نقشه راه کاملاً عملیاتی و ضوابط استاندارد دانشگاهی برای اجرای صحیح تحلیل عاملی اکتشافی (EFA) و تأییدی (CFA) ارائه شده تا بتوانید پروژه خود را بدون خطاهای رایج آماری به سرانجام برسانید.
فهرست مطالب
- ۱. تفاوتهای بنیادین EFA و CFA و زمان استفاده از هرکدام
- ۲. پیشفرضهای اصلی و تعیین حجم نمونه استاندارد
- ۳. مراحل اجرایی تحلیل عاملی اکتشافی (EFA) در SPSS
- ۴. مراحل اجرایی تحلیل عاملی تأییدی (CFA) و ارزیابی شاخصهای برازش
- ۵. ساختار پیشنهادی برای نگارش نتایج در فصل چهارم پایاننامه
- ۶. اشتباهات رایج در تحلیل عاملی و راهحل سریع آنها
- ۷. پرسشهای متداول پژوهشگران
خلاصه کلیدی مقاله
تحلیل عاملی اکتشافی (EFA) برای کشف ساختار و دستهبندی گویهها زمانی استفاده میشود که الگوی مشخصی از قبل وجود ندارد، در حالی که تحلیل عاملی تأییدی (CFA) برای آزمون و تأیید ساختار عاملیِ از پیشتعیینشده به کار میرود. برای EFA نسبت نمونه به متغیر حداقل ۵ به ۱ (ترجیحاً ۱۰ به ۱) و برای CFA حداقل ۲۰۰ نمونه نیاز است. شاخصهای اصلی برازش در CFA شامل CMIN/DF کمتر از ۳، CFI و TLI بالای ۰.۹۰ و RMSEA کمتر از ۰.0۸ هستند.
۱. تفاوتهای بنیادین EFA و CFA و زمان استفاده از هرکدام
پاسخ کوتاه: تحلیل عاملی اکتشافی (EFA) هنگامی استفاده میشود که پژوهشگر چارچوب نظری قطعی درباره تعداد ابعاد یا نحوه بارگیری سوالات ندارد. در مقابل، تحلیل عاملی تأییدی (CFA) زمان استفاده میشود که ساختار عاملی بر اساس ادبیات پژوهش یا تئوریهای قبلی مشخص است و پژوهشگر میخواهد تطابق دادههای تجربی با آن ساختار نظری را بسنجد.
انتخاب اشتباه بین این دو روش، یکی از دلایل اصلی رد شدن فصل چهارم پایاننامهها در جلسات پیشدفاع یا اصلاحیههای سنگین داوران مقالات است. برای ابزارهای جدید یا پرسشنامههای محققساخته، ابتدا باید EFA روی بخشی از دادهها انجام شود و سپس ساختار به دست آمده با CFA روی بخش دیگر دادهها (یا یک نمونه جدید) تأیید گردد.
| معیار مقایسه | توضیحات و کاربرد عملی |
|---|---|
| هدف اصلی | کشف الگوها و کاهش تعداد متغیرها (EFA) در برابر آزمون فرضیه درباره ساختار عاملی (CFA) |
| فرض قبلی درباره دادهها | هیچ فرض پیشینی درباره تعلّق گویهها به عاملهای خاص وجود ندارد (EFA)؛ ساختار کاملاً مشخص است (CFA) |
| بارگیری متقاطع (Cross-loading) | در EFA تمام گویهها روی تمام عاملها بارگیری میشوند؛ در CFA گویه فقط روی عامل تخصیصیافته بارگذاری میشود |
| نرمافزار رایج | SPSS و R (برای EFA) | AMOS, LISREL, Mplus, SmartPLS (برای CFA) |
۲. پیشفرضهای اصلی و تعیین حجم نمونه استاندارد
پاسخ کوتاه: برای اجرای تحلیل عاملی، دادهها باید دارای نرمال بودن چندمتغیره، عدم وجود همخطی چندگانه شدید، و مقیاس سنجش فاصلهای یا رتبهای (طیف لیکرت) باشند. حداقل حجم نمونه برای EFA بر اساس قاعده ۱۰ نمونه به ازای هر گویه و برای CFA حداقل ۲۰۰ نمونه (یا ۵ تا ۱۰ نمونه به ازای هر پارامتر آزاد) تعیین میشود.
پیش از اقدام به انجام تحلیل آماری، باید دو آزمون کلیدی برای سنجش کفایت نمونهگیری و همبستگی دادهها در SPSS بررسی شوند:
- آزمون KMO (Kaiser-Meyer-Olkin): مقدار این شاخص بین ۰ تا ۱ متغیر است. مقادیر بالای ۰.۷ قابل قبول و مقادیر بالای ۰.۸ عالی تلقی میشوند. اگر KMO زیر ۰.۶ باشد، حجم نمونه برای تحلیل عاملی کافی نیست.
- آزمون کرویت بارتلت (Bartlett’s Test of Sphericity): این آزمون بررسی میکند آیا ماتریس همبستگی میان متغیرها همانی است یا خیر. معنیداری این آزمون (p-value < 0.05) نشان میدهد که همبستگی کافی میان گویهها برای استخراج عوامل وجود دارد.
۳. مراحل اجرایی تحلیل عاملی اکتشافی (EFA) در SPSS
برای اجرای دقیق EFA در SPSS و دستیابی به نتایج قابل دفاع علمی، مراحل زیر را به ترتیب طی کنید:
- ورود به مسیر تحلیل: از مسیر
Analyze > Dimension Reduction > Factorگویههای مربوطه را وارد باکس Variables کنید. - تنظیمات Descriptive: گزینههای KMO and Bartlett’s test of sphericity و Anti-image را فعال کنید.
- انتخاب روش استخراج (Extraction): برای دادههای نرمال از روش Principal Components (PCA) یا Principal Axis Factoring (PAF) استفاده کنید. معیار استخراج را روی Eigenvalues greater than 1 قرار دهید.
- انتخاب روش چرخش (Rotation):
- اگر فرض میکنید عاملها مستقل از هم هستند، از چرخش متعامد Varimax استفاده کنید.
- اگر عاملها با هم همبستگی دارند (که در علوم انسانی و مدیریت رایجتر است)، از چرخش مایل مانند Direct Oblimin یا Promax استفاده کنید.
- تنظیم نمایش ماتریکس (Options): گزینه Suppress small coefficients را فعال کرده و مقدار آن را روی 0.40 تنظیم کنید تا بارهای عاملی ضعیف حذف بصری شوند.
۴. مراحل اجرایی تحلیل عاملی تأییدی (CFA) و ارزیابی شاخصهای برازش
پاسخ کوتاه: در تحلیل عاملی تأییدی (CFA)، ابتدا ساختار عاملی در نرمافزار (مانند AMOS) رسم میشود، سپس پارامترها برآورد شده و در نهایت شاخصهای برازش ساختاری برای تایید یا رد مدل ارزیابی میگردند. بار عاملی هر گویه باید بالای ۰.۵ و از نظر آماری معنیدار (t-value > 1.96) باشد.
برای کسب اطمینان از برازش مدل اندازهگیری در CFA، شاخصهای زیر باید در گزارش پژوهش قید شوند. جدول زیر استانداردهای طلایی مورد پذیرش مجلات معتبر علمی را نشان میدهد:
| نام شاخص برازش (Fit Index) | آستانه حد نصاب قابل قبول (Cut-off) |
|---|---|
| CMIN/DF (کای اسکوئر نسبی) | کمتر از ۳ (در برخی منابع کمتر از ۵) |
| CFI (شاخص برازش تطبیقی) | بزرگتر از ۰.۹۰ (ترجیحاً بالای ۰.۹۵) |
| TLI / NNFI (شاخص نرمنشده) | بزرگتر از ۰.۹۰ |
| RMSEA (ریشه میانگین مربعات خطای برآورد) | کمتر از ۰.۰۸ (برازش عالی: کمتر از ۰.۰۵) |
| SRMR (ریشه میانگین مجذور باقیمانده استاندارد) | کمتر از ۰.۰۸ |
ارزیابی روایی همگرا (AVE) و پایایی مرکب (CR)
در تحلیل عاملی تأییدی، تنها بررسی شاخصهای برازش کافی نیست. پژوهشگر باید دو شاخص زیر را نیز محاسبه کند:
- میانگین واریانس استخراجشده (AVE): باید بزرگتر از ۰.۵۰ باشد، نشاندهنده این که سازه بیش از ۵۰٪ واریانس گویههای خود را تبیین میکند.
- پایایی مرکب (CR): باید بزرگتر از ۰.۷۰ باشد و ترجیحاً از مقدار AVE بیشتر باشد (CR > AVE).
۵. ساختار پیشنهادی برای نگارش نتایج در فصل چهارم پایاننامه
برای گزارش استاندارد تحلیل عاملی در فصل چهارم، رعایت قالب متنیِ شفاف و علمی الزامی است. میتوانید از متن نمونه زیر بهعنوان الگو استفاده کنید:
«جهت ارزیابی ساختار عاملی پرسشنامه [نام متغیر]، از تحلیل عاملی تأییدی به روش حداکثر درستنمایی (ML) در نرمافزار AMOS استفاده شد. مقادیر شاخصهای برازش نشان داد که مدل اندازهگیری اولیه از برازش مناسبی با دادههای گردآوریشده برخوردار است (CMIN/DF = 2.14, CFI = 0.942, TLI = 0.931, RMSEA = 0.058). بارهای عاملی تمامی گویهها در سطح ۰.۰۰۱ معنیدار بوده (p < 0.001) و مقادیر آنها بالاتر از آستانه ۰.۵۰ قرار گرفت. همچنین، مقدار پایایی مرکب (CR = 0.88) و میانگین واریانس استخراجشده (AVE = 0.56) روایی همگرای مدل را تایید نمود.»
۶. اشتباهات رایج در تحلیل عاملی و راهحل سریع آنها
خطای ۱: پایین بودن شاخصهای برازش (CFI < 0.90 یا RMSEA > 0.08) در CFA
راهحل سریع: شاخصهای اصلاح (Modification Indices – MI) را در نرمافزار بررسی کنید. اگر میان خطای دو گویه مربوط به یک عامل واحد کوواریانس بالا (مثلاً بالای ۱۰) وجود دارد، با رسم مسیر دوطرفه (Covariance) بین خطاها یا حذف گویهای که بار عاملی پایینتری دارد، برازش مدل را اصلاح کنید. هرگز خطای گویههای دو عامل متفاوت را به هم متصل نکنید.
خطای ۲: وجود بارهای عاملی منفی یا بالای ۱ (Heywood Case)
راهحل سریع: این مشکل معمولاً ناشی از همخطی بسیار شدید میان گویهها، حجم نمونه کم، یا وجود دادههای پرت (Outliers) است. دادههای پرت را با استفاده از فاصله ماهالانوبیس (Mahalanobis Distance) شناسایی و پاکسازی کنید.
خطای ۳: تشکیل عاملهای تکسوالی یا دوسوالی در EFA
راهحل سریع: یک عامل قابل اعتماد باید حداقل ۳ گویه با بار عاملی بالا داشته باشد. اگر عاملی با کمتر از ۳ گویه تشکیل شد، آن گویهها را حذف کرده و تحلیل را مجدداً تکرار کنید.
۷. پرسشهای متداول پژوهشگران
خیر، اجرای EFA و CFA روی دقیقاً یک نمونه داده یکسان از نظر روششناسی علمی نادرست است (دچار تورم بهینهسازی میشود). اگر دادههای شما کافی است (مثلا ۴۰۰ نمونه)، دادهها را به دو بخش ۲۰۰ تایی تقسیم کنید؛ روی بخش اول EFA و روی بخش دوم CFA اجرا کنید.
اگر پرسشنامه دارای ساختار نظری اثباتشده در پژوهشهای قبلی باشد، نیازی به EFA نیست و مستقیم از تحلیل عاملی تأییدی (CFA) برای بررسی تایید ساختار در جامعه جدید استفاده میشود.
حداقل بار عاملی استاندارد برای هر گویه ۰.۵۰ است. با این حال، در برخی منابع مقادیر بالای ۰.۴۰ نیز قابل قبول است، به شرطی که روایی همگرا (AVE) کل سازه تضعیف نشود.
نرمافزارهای AMOS و LISREL برای دادههای با توزیع نرمال و روش کوواریانسمحور بهترین گزینهها هستند. اگر حجم نمونه شما کم است یا دادهها نرمال نیستند، نرمافزار SmartPLS (روش حداقل مربعات جزئی) جایگزین مناسبی است.
سوالات متداول
تفاوت اصلی تحلیل عاملی اکتشافی (EFA) و تأییدی (CFA) چیست؟
در EFA پژوهشگر بدون فرض قبلی الگوی متغیرها و عوامل را کشف میکند، اما در CFA ساختار عاملی از قبل بر اساس نظریات مشخص شده و میزان تطابق دادهها با مدل ارزیابی میشود.
حجم نمونه مناسب برای انجام تحلیل عاملی چقدر است؟
برای تحلیل عاملی اکتشافی (EFA) حداقل ۵ تا ۱۰ نمونه به ازای هر گویه نیاز است. برای تحلیل عاملی تأییدی (CFA) حداقل حجم نمونه ۲۰۰ مورد توصیه میشود.
حداقل مقدار قابل قبول برای شاخص KMO چقدر است؟
مقدار شاخص KMO باید بالای ۰.۶ باشد، اما مقادیر بالاتر از ۰.۷ قابل قبول و بالای ۰.۸ عالی به شمار میروند تا کفایت نمونهگیری تایید شود.
کدام نرمافزارها برای انجام تحلیل عاملی تأییدی (CFA) مناسب هستند؟
نرمافزارهای تخصصی معادلات ساختاری مانند AMOS، LISREL، Mplus و SmartPLS برای اجرای تحلیل عاملی تأییدی و بررسی شاخصهای برازش به کار میروند.
