تعريف تحليل العامل

تحليل العامل هو أسلوب تحليل يستخدم بشكل متكرر في مجال التطوير والتحقق من صحة الاختبارات ، تسمح باستكشاف كيفية تنظيم العوامل أو المتغيرات الكامنة من الردود على عناصر امتحان.

للحصول على مقاييس قياس مناسبة ، لجأ الباحثون إلى التقنية المعروفة باسم تحليل عاملي، مما يجعل من الممكن تحديد الهيكل الذي تقوم عليه عناصر مقياس القياس. تستكشف هذه التقنية كيفية استخدام العامل الكامن ، والذي يمكننا تسميته أيضًا متغير غير ملحوظ يشرح نمط الاستجابات المعطاة للعناصر أو العناصر في الاختبار.

بعد ذلك ، سيتم تقديم مقدمة موجزة لتحليل العوامل ، بما في ذلك على سبيل المثال لا الحصر: الاختلافات بين تحليل العوامل و تحليل المكون الرئيسي، تحليل العوامل الاستكشافية والتأكيدية وأخيرًا العناصر التي تتكون منها.

تحليل العامل وتحليل المكون الرئيسي

عند مراجعة الأدبيات حول تطوير الأدوات والتحقق منها ، يمكننا أن ندرك أنه يوجد بين الأكاديميين هناك بعض الالتباس حول الاستخدام العشوائي لتحليل العامل (FA) وتحليل المكونات الرئيسية (PCA). قد يرجع هذا الاستخدام العشوائي إلى حقيقة أن الموارد التكنولوجية جعلت تطبيق AF صعبًا لفترة طويلة وللتعويض عن ذلك ، فقد شملت ACP. على الرغم من أن كلا الأسلوبين متشابهان ، حيث أنهما يقللان العناصر إلى أبعاد أصغر (العوامل و المكونات) ، فإنها تقدم أيضًا بعض الاختلافات المحددة التي تؤدي إلى جدًا مختلف.

يسعى اتحاد كرة القدم لتحديد عدد وكيفية تنظيم العوامل (المتغيرات الكامنة) ؛ هذه العوامل تفسر التباين المشترك لمجموعة العناصر التي تم تحليلها. على العكس من ذلك ، في PCA ، يهدف إلى تحديد عدد المكونات اللازمة لتلخيص عشرات من مجموعة المتغيرات المرصودة ، أي شرح أكبر قدر من التباين لاحظ. الفرق الآخر هو أنه بينما في AF ، تعتبر المتغيرات المرصودة متغيرات تابعة ، في ACP هذه هي المتغيرات المستقلة.

تحليل عامل الاستكشاف والتأكيد

بمجرد تحديد الاختلاف في AF و ACP ، من الضروري إحداث فرق جديد بين تحليل عامل الاستكشاف (EFA) وتحليل عامل التأكيد (AFC). تم اعتبار كلا التحليلين جزأين من عملية مستمرة. يسعى AFE إلى تحديد عدد العوامل التي تشكل مقياسنا ، بينما يتميز AFC بـ تأكيد هذه العوامل ، ولكن أيضًا تحديد كيفية عوامل وعناصر حجم. طريقة أخرى لتعريفهم هي أن AFE "يبني" النظرية بينما يؤكدها الاتحاد الآسيوي لكرة القدم.

عناصر AF

حجم العينة

هذا هو أحد الموضوعات الأكثر مناقشة ، ليس فقط في تحليل البيانات ، ولكن أيضًا في تحليل البيانات بشكل عام. إن تحديد حجم العينة المناسب للتحليل هو مناقشة تبدو لا نهاية لها ، والتوصيات الكلاسيكية هي أنه كلما زاد عدد العناصر ، يجب أن يكون عدد المشاركين في العينة أكبر ، على ألا يقل العدد الموصى به عن 200 عنصر. ومع ذلك ، تميل التوصيات الكلاسيكية إلى الافتقار إلى أساس واضح ، واليوم يجب أخذ العديد من العناصر في الاعتبار لتحديد عددها المشاركون ضروريون ، مثل عدد العناصر لكل عامل ، والمصفوفة المستخدمة في التحليل ، وحتى عدد خيارات الاستجابة التي يمتلكها المشاركون. أغراض. وهكذا ، فإن الدراسات التي تستخدم عمليات المحاكاة في ظل هذه الظروف قد حددت أن 300 مشارك على الأقل هو عدد مناسب.

عدد العناصر المراد تضمينها في التحليل وفي كل عامل

فيما يتعلق بعدد العناصر التي سيتم تضمينها في التحليل ، يجب اختيار هذه من النظرية ، ومع ذلك ، فمن الضروري أشر إلى أن هذه العناصر لا ينبغي أن تكون زائدة عن الحاجة ، لأن هذا قد يتسبب في مشاركة هذه العناصر في التباين وبالتالي تكون سيئة تقدير. لذلك ، يجب توخي الحذر لاختيار العناصر التي تمثل حقًا البنية التي نحاول تقييمها فقط. من ناحية أخرى ، يوصى بوجود ثلاثة عناصر على الأقل لكل عامل ؛ ومع ذلك ، يمكن تعديل هذا المقدار اعتمادًا على المصفوفة المستخدمة وحجم العينة.

المصفوفة المستخدمة

في تصميمات FA الكلاسيكية ، هناك افتراض بأن المتغيرات مرتبطة بطريقة خطية ، كما أنها تقدم مؤشرات طبيعية مناسبة ، لذلك كانت مصفوفة ارتباط بيرسون هي النموذج مستخدم. يُقترح اليوم مراعاة افتراض الحالة الطبيعية وشكل الاستجابة للعناصر. بالإضافة إلى ما سبق ، أدى تطوير أدوات جديدة لتطوير المناطق المحمية إلى استخدام تقنيات جديدة مثل مصفوفة الترابط متعدد الألوان ورباعي الصدور ، ومع ذلك ، تتطلب كلتا المصفوفتين حجم عينة أكبر مقارنة بمصفوفة بيرسون.

تقدير العامل

أكثر طرق التقدير شيوعًا هي 2:

• أقصى احتمال: هذه الطريقة هي الأكثر استخدامًا نظرًا لمزاياها مقارنة بالطرق الأخرى مثل القدرة على التباين بين الضبط وتحديد الأخطاء. ومع ذلك ، تتطلب هذه الطريقة الامتثال لحالة البيانات الطبيعية ، مع وجود مقاييس مستمرة واستخدام مصفوفة ارتباط بيرسون.

• المربعات الصغرى العادية. في الواقع ، تشير هذه الطريقة إلى مجموعة من طرق التقدير. لقد أثبتت هذه الأساليب أنها قوية عندما لا يتم استيفاء افتراضات الحالة الطبيعية والخطية. وبنفس الطريقة ، فقد أثبت تطبيقه بالاقتران مع المصفوفة متعددة الألوان فعاليته.

تناوب البند

تشير هذه الخطوة إلى تدوير المصفوفة باستمرار لإيجاد حل بسيط ومتسق. الطرق الأكثر استخدامًا اليوم هي الدوران المتعامد، وبشكل أكثر تحديدًا المعيار فاريماكس والدوران المائل في طريقتك أوبليمين مباشر. تعتبر الطريقة الأخيرة اليوم هي الطريقة الأكثر موصى بها لتقديم بنية أكثر موثوقية واتساقًا.

عوامل للاحتفاظ بها

العنصر الحاسم في هذا التحليل هو تكوين العامل ، ولكن كيف نعرف عدد العوامل التي يجب أن تكون لدينا في مقياسنا؟ كانت التوصية الكلاسيكية هي اتباع قاعدة كايزر ، التي تشير إلى إبقاء قيم eigenvalues ​​أكبر من 1 ؛ ومع ذلك ، فإن هذه الطريقة تميل إلى التسبب في المبالغة في تقدير العوامل. يُقترح في الوقت الحاضر اتباع توصيات التحليل الموازي والطرق المماثلة الأخرى ، ولكن يُقترح أيضًا مراعاة قابلية تفسير النتائج والنظرية الأساسية.

أخيرًا ، من الضروري إبراز أن CFA يميل إلى التقدير باستخدام نماذج المعادلة الهيكلية. (SEM) لذلك يجب تنفيذ عملية تنفيذها بناءً على المعايير التي تم تطويرها لها عارضات ازياء.

مراجع

Lloret-Segura، S.، Ferreres-Traver، A.، Hernández-Baeza، A.، & Tomás-Marco، I. (2014). تحليل العوامل الاستكشافية للعناصر: دليل عملي ، مراجعة ومحدثة مقدمة تحديد مدى كفاية التحليل. حوليات علم النفس ، 30 (3) ، 1151-1169.