#آموزشی

تحلیل عاملی اکتشافی

حال نوبت آن رسیده که پس از انجام مراحل آزمون گاتمن که سوالات را در دسته های مختلف قرار داد و مورد تایید قرار گرفت ( لامبدا بالاتر از ۰/۶ شد) متغیرها شناسایی شوند. این مرحله، مرحله پر استرسی برای محقق به شمار می آید. چرا که وقتی مصاحبه ها، به درستی انجام نشده باشد و کدهای معنی دار مطلوبی استخراج نشده باشد ممکن پیغام   (not positive matrix ) روبروی شما ظاهر شود. این پیغام وقتی ظاهر شد می بایست داده ها از صفر جمع آوری شود. اما جای نگرانی نیست. محققی که داده سازی انجام نمیدهد و بر فرایند جمع اوری داده مسلط است این اتفاق رخ نخواهد داد.
البته پیش فرض هایی قبل از انجام مراحل انجام آزمون وجود دارد که می بایست انجام شود. و قطعا در این کانال این #پیش_فرض ها مرور میگردند.

💡دستور تحلیل عاملی اکتشافی
👁‍🗨 Analyze -» Dimension Reduction -» factor -»  Descriptive -» آزمون kmo و Bartletts
👁‍🗨 سپس برمیگردیم و از گزینه extraction لینک scree plot را علامت میزنیم و continue زده می شود.
👁‍🗨 باز هم به پنجره اصلی بر میگردیم و پنجره Rotation# را باز میکنیم. اگر تعداد سوالات کمتر از ۲۰۰ سوال بود چرخش varimax# انتخاب میگردد. و اگر  بیشتر از ۲۰۰ سوال داشتید چرخش promax# را انتخاب میکنیم. و در نهایت بعد از بستن پنجره Rotation# روی پنجره اصلی میرویم و OK را میزنیم.
اگر kmo# بالاتر از #۰/۷ باشد نمونه ما برای #تحلیل_عاملی مناسب است. و برای بارلت هم به Sig# نگاه میکنیم اگر کوچکتر از #۰/۰۵ باشد #کرویت_حجم نمونه نیز برخوردار است.

هر مقدار ویژه ای که بالای عدد یک در نمودار  scree plotوجود داشته باشد به همان مقدار متغیر تعریف میگردد.
💡نکته: 

این که چه سوالی در کدام دسته قرار میگیرد را در پست بعدی قرار میدهیم.


🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_آمار_تحلیل_آماری