تحلیل موازی: روشی برای تعیین تعداد عامل ها

تحلیل موازی

به طور کلی، تحلیل عاملی باید عامل­ ها را تا جایی که عامل واریانس جزیی و ناچیزی تببن کند نگه دارد. روش ها مختلف مشخص کردن تعداد عامل ها منجر به راه حل های مختلفی می شود. از جمله این موارد معیار کایزر، آزمون اسکری کتل، روش جزیی حداقل میانگین (Minimum average partial method (MAP))  و تحلیل موازی.

تحلیل موازی تکنیکی برای تعیین تعداد عامل­های باقی مانده در تحلیل عاملی است که توسط هورن (1965) ارایه شده است. هورن این روش را به عنوان روشی جایگزین برای اصلاح مشکلات روش نمودار اسکری کتل مطرح کرده است. تحلیل موازی تلاش می کند تا بر محدودیت های معیار کایزر یعنی بیش برآورد نظم ماتریس به علت خطای نمونه گیری غلبه کند. معیار کایزر مبتنی بر یک ماتریس همبستگی جامعه فرض شده است و فقط در مواردی که حجم نمونه به آن نزدیک است، مناسب است (گلورفیلد، 1995). در یک ماتریس جامعه، ارزش ویژه برای متغیرهای تصادفی یا دو به دو ناهمبسته، مساوی 1 است ولی در یک نمونه محدود، خطای نمونه گیری و تورش حداقل مربعات منجر می شود که ارزش ویژه بزرگتر از یک و یا کم تر از یک به دست آید (هورن، 1965). این بدین معناست که برای نمونه های محدود، برخی عوامل با ارزش ویژه بالاتر از 1 ممکن است به عنوان نتیجه خطای نمونه گیری رخ دهد. تحلیل موازی اثر خطای نمونه گیری را تعدیل و بنابراین بر خلاف معیار کایزر که مبتنی بر جامعه است، مبتنی بر نمونه است (زوییک و ولیسر، 1986).

منطق تحلیل موازی این است که عامل های غیر بدیهی از داده های واقعی با یک ساختار معتبر باید ارزش ویژه بالاتر از عامل های موازی مشتق شده از داده های تصادفی با تعداد مساوی حجم نمونه و تعداد متغیرهای مساوی داشته باشد (فورد و همکاران، 1986؛ لاتن اسچلاجر، 1989)، بنابرابن تحلیل موازی تعداد ماتریس همبستگی از متغیرهای تصادفی مبتنی بر حجم نمونه و تعداد متغیرهای یکسان در داده های واقعی است. در این روش متوسط ارزش های ویژه از ماتریس های همبستگی تصادفی با ارزش های ویژه از ماتریس همبستگی داده های واقعی مقایسه می شوند. به این ترتیب ارزش ویژه مشاهده شده با دومین ارزش ویژه تصادفی مقایسه می شود و الی آخر. عامل های متناظر با ارزش های ویژه واقعی که بزرگتر از میانگین (صدک 95) ارزش های ویژه تصادفی موازی هستند باید استخراج شوند و ارزش های ویژه واقعی کم تر یا مساوی با متوسط ارزش های ویژه تصادفی موازی به عنوان خطای نمونه گیری در نظر گرفته می شوند (گلورفیلد، 1995؛ هورن، 1965؛ زوییک و ولیسر، 1986؛ هایتن و دیگران، 2004).

منبع: حجازی، الهه؛ نقش، زهرا و شیرزادی، میثم. (1393). تحلیل موازی: روشی برای تعیین تعداد عامل ها. فصلنامه اندازه گیری تربیتی، 15(5).

در مقاله فوق ضمن استفاده از تحلیل موازی در داده های واقعی، سینتکس تحلیل با اس پی اس اس نیز ارایه شده است ولی به نظر می رسد سینتکس موجود در زمان تدوین مقاله کامل نبوده و تحلیل گر را مجبور به استفاده از برنامه ای دیگر مثلاً اکسل می کند. سینتکس جدیدتری در این زمینه وجود دارد که به راحتی قابل اجراست و نیازی به کمک گرفتن از نرم افزارهای دیگر نیست. برای دسترسی به این سینتکس، به لینک زیر مراجعه کنید:

https://people.ok.ubc.ca/brioconn/nfactors/nfactors.html

مطالعه منبع زیر نیز مفید به نظر می رسد:

O'Connor, B. P. (2000). SPSS and SAS programs for determining the number of components using parallel analysis and Velicer's MAP test. Behavior Research Methods, Instrumentation, and Computers, 32, 396-402.