صفحة 1 من 2 12 الأخيرةالأخيرة
النتائج 1 إلى 10 من 17

الموضوع: دروس في التحليل العاملي

  1. #1

    افتراضي دروس في التحليل العاملي

    مفهوم التحليل العاملي
    التحليل العاملي ( Factor Analysis) هو أسلوب إحصائى يستهدف تفسير معاملات الارتباطات الموجبة - التى لها دلالة احصائية - بين مختلف المتغيرات ، وبمعنى آخر فإن التحليل العاملي عملية رياضية نستهدف تبسيط الارتباطات بين مختلف المتغيرات الداخلة فى التحليل وصولا إلى العوامل المشتركة التى تصف العلاقة بين هذه المتغيرات وتفسيرها . ويعد التحليل العاملي منهجا إحصائيا لتحليل بيانات متعددة ارتبطت فيما بينها بدرجات مختلفة من الارتباط التلخصي فى صورة تصنيفات مستقلة قائمة على أسس نوعية للتصنيف ، ويتولى الباحث فحص هذه الأسس التصنيفية واستشفاف ما بينها من خصائص مشتركة وفقاً للاطار النظرى والمنطق العلمي الذى بدأ به (صفوت فرج 1991 - أ :17).
    يبدأ التحليل العاملي ، بحساب الارتباطات بين عدد من المتغيرات مثل أ ، ب،جـ ، د ، هـ أو الذكاء ، القلق ، الانطواء ، التحصيل ، و الاكتئاب مثلا ، ونحصل على مصفوفة من الارتباطات بين هذه المتغيرات لدى عينة ما ، ثم نتقدم بعد ذلك لتحليل هذه المصفوفة الارتباطية تحليلا عاملياً لنصل إلى أقل عدد ممكن من المحاور أو العوامل تمكننا من التعبير عن أكبر قدر من التباين بين هذه المتغيرات ، ذلك أن توقفنا عند فحص هذه المصفوفة الارتباطية التى تتكون من عشرة معاملات ارتباط لا يؤدى إلى فهم كامل للمجال المشترك فيما بينها جميعا ، حيث يبين كل معامل من معاملات الارتباط فى المصفوفة علاقة بسيطة بين متغيرين فقط من متغيراتها دون أن ينبئ بأهمية أو دور هذه العلاقة بين هذين المتغيرين ومتغير ثالث ، وعلى ذلك لا نستطيع عند هذا المستوى أن نصل لتقدير للعلاقة المشتركة بين ثلاثة متغيرات معاً أو بين متغيرات المصفوفة الخمس إذ أن حصولنا على معامل للارتباط بين أ ، ب قدره 0.7 ومعامل آخر بين ب ، جـ قدره 0.7 أيضا لا يعنى بالضرورة أن الارتباط بين أ ، جـ يساوى 0.7 كذلك فقد يكون ما هو مشترك بين أ ، ب غير ما هو مشترك بين ب ، جـ ، ولا تصلح العلاقة الثنائية بين ب وأي من المتغيرين أ ، جـ لتقدير العلاقة بينهما فى معاملات الارتباط البسيطة (المرجع نفسه : 18).

    أهداف التحليل العاملي :
    من أهم أهداف العلم تنظيم الحقائق والمفهومات تنظيما بوضع ما بينها من علاقات ، أو تقسيمها على أساس ما بينها مــن أوجــه التشابه والاخــتلاف والتحليل العاملي وسيلة مـن وسائل التبسيط العلمى والتقسيم العلمي ويذكر " كاتل " ( 11: Cattell, 1952) أن هدف المنهج العلمي اكتشاف الحقائق والعلاقة بين هذه الحقائق ، ولأهداف عملية ، واكتشاف القوانين التنبؤية ، ويضيف أن التحليل العاملي منهج كلي يهدف إلى اكتشاف العموميات الاساسية ، الوظيفية والعضوية ، بدلا من أن ينوه البحث فى عدد ضخم من المتغيرات التى تعد كالذرات ، ولذلك يقترح " كاتل " أن يسمى بالتركيب العاملي أو على الأقل بتركيب المتغيرات . وبمعنى أضيق يحدد " سولمون دياموند" (نقلا عن أحمد عبد الخالق ، 1994 : 99). أهداف التحليل العاملي بأنه تكوين الفروض واختبارها ، وتحديد أصغر عدد من العوامل المحددة التى يمكن أن تفسر العلاقات التى نلاحظها بين عدد كبير من الظواهر الواقعية وإلى أي مدى يؤثر كل من هذه العوامل فى كل متغير ؟ أن أوضح وظيفة للتحليل العاملي تتمثل فى خفض أو اختزال مكونات جداول الارتباطات إلى اقل عدد ممكن ليسهل تفسيرها .
    لقد بين " أيزنك " (Eyzanck, 1953) أن للتحليل العاملي ثلاثة أهداف أساسية يروم تحقيقها ، ويرتبط بهذه الأهداف ثلاث وجهات للنظر إلى طبيعة العوامل ، وعدد كبير من طرق استخراج العوامل والتدوير ، وهى الأهداف ذاتها لأي فرع من فروع الاحصاء وهى :
    1 - الوصف .
    2 - البرهنة على الفروض .
    3 - اقتراح فروض من البيانات الأولية .
    ومعظم علماء النفس يدركون هذه الاستخدامات الثلاثة للاحصاء ، ولكن تظهر هذه المشكلة عندما تنطبق هذه الاهداف على التحليل العاملي ، ويناقش " أيزنك " استخدامات التحليل العاملي على هذه المستويات الثلاثة ، مع تعريف العامل فى كل مستوى . فبالنسبة للهدف الأول فإن العامل احصاء مختصر يهدف إلى اقتصاد فى الوصف ، ويصف علاقات مستقيمة بين مجموعة من المتغيرات ، ولا يتضمن العامل تحديدا لأي معنى سيكولوجي أو أسباب ، ولايقترح فروضا أو يثبتها ، وقد وجد بعض علماء النفس وجهة النظر هذه جدا جذابة .

    ويعتقد آخرون فى عكس هذا الرأى ، فيرون أن التحليل العاملي يقترح فروضا ، وكلا نجح فى هذه المهمة انتهت وظيفة الوصف ليصبح جزء من النظرية السيكولوجية من حيث هو الاحصاء يختصر العلاقات بين مجموعة من المتغيرات ، ويقترح علاقات سببية لم يسبق اكتشافها ، وأن توليد الفروض ليس حكرا على التحليل العاملي ، فهو يشبه فى ذلك طرق الملاحظة والعمل الاكلينيكي ، الا أن الاخيرين يقلان عنه فى درجة الدقة والصرامة . وقد يسهل تكوين الفروض فى مجال تتوفر فيه ملاحظات كثيرة الا أن اسهام التحليل العاملي يصبح مهما جدا فى المجالات الجديدة نسبيا ، وذلك في الإسراع بتكوين فروض معقولة واستبعاد الفروض الضعيفة . ويتصل هذا الهدف بإثبات الفروض أو دحضها وبخاصة الفروض المتعلقة بتركيب الشخصية وتنظيمها كفروض الانماط والسمات ، مما يصعب اثباته أو دحضه بالطرق غير العاملية . وبين مستوى اقتراح الفروض والتحقق منها رابطة متينة ، وقد نجد النوعين من العوامل فى دراسة واحدة. وحيث أن التحليل العاملي يهدف إلى تحقيق واحد أو أكثر من هذه الأهداف الهامة والجوهرية والتى تتسق مع أهداف العلم الأساسية ، فقد أصبح التحليل العاملي منهجا احصائيا له أساس منطقي لا غنى عنه فى عدد غير قليل من النظريات السيكولوجية وبالتحديد فى مجال الشخصية التى تدعى عاملية (بدر الانصارى ،1997- أ : 52).

    ثانيا : خطوات استخدام التحليل العاملي :
    حيث إن معظم ما سنعرض له من بحوث فى هذه الورقة تستخدم فى التحليل العاملي وسيلة أساسية لتحليل البيانات بهدف عام هو البرهنة على الفروض ، لذلك نعرض فى هذه الفقرة بعض المفاهيم العاملية التى تقدم الحد الأدنى لمتابعة سياق العرض. ولكن ما سنعرضه يعد نبذة موجزة ويجب على المستزيد أن يستشير المراجع الإحصائية النفسية المتخصصة (انظر : صفوت فرج ، 1991، Harman , 1976 ; BMDP , 1977 ; Kim & Muller , 1987,Comrey , 1973 ; GuiFord , 1977, Fructcher, 1954 ) . وننوه إلى أن المعالجة الحالية ستركز على المنطق وليس الإجراءات الحسابية .
    وتتضمن هذه الفقرة ما يلي : طرق التحليل العالمي ، ومشكلة تحديد عدد العوامل ، وتدوير المحاور ، وتفسير العوامل ، ورتبة العوامل ومفهوم العوامل الراقية ، وقابلية العوامل للتكرار ، وأساليب التحليل .

  2. #2
    باحث جديد
    تاريخ التسجيل
    Aug 2008
    المشاركات
    26

    افتراضي

    السلام عليكم :

    جعل الله عملك في ميزان حسناتك لك مني خالص الدعاء ...جزاك اله خيرا

  3. #3

    افتراضي طرق التحليل العاملي

    طرق التحليل العاملي :
    تحدد الطرق الحسابية المستخدمة فى التحليل العاملي كثيرا ، فهناك الطريقة الفطرية ، والطريقة المركزية ، والطريقة المركزية بإستخدام متوسط الارتباطات ، وطريقة المكونات الاساسية ، ونوجزها فيما يلى :

    1 - الطريقة القطرية Diagonal method : وتعد الطريقة القطرية من الطرق المباشرة والسهلة فى التحليل العاملي ، ويمكن استخدامها إذا كان لدينا عدد قليل من المتغيرات وتؤدى إلى استخلاص أكبر عدد ممكن من العوامل وتتطلب هذه الطريقة معرفة سابقة ودقيقة بقيم شيوع المتغيرات ، وبدون هذه المعرفة لايمكن استخدامها . وتستمد الطريقة القطرية اسمها من كونها تقوم على استخدام القيم القطرية فى المصفوفة الارتباطية مباشرة . وتبدأ الطريقة القطرية باستخلاص هذه القيمة بكاملها فى العامل الأول ، وبذلك يكون جذر هذه القيمة هو تشبع المتغير الأول على العامل الأول ، ويطلق عليه اسم التشبع القطري وهكذا .

    2 - الطريقة المركزية Centroid method : كانت الطريقة المركزية " لثرستون " أكثر طرق التحليل العاملي استخداما وشيوعا إلى عهد قريب نظرا لسهولة حسابها فضلا عن استخلاص عدد قليل من العوامل العامة . غير أن هذه الطريقة تفتقر إلى عدد من المزايا الهامة ، أهمها أنها لا تستخلص الا قدرا محدودا من التباين الارتباطي ، تتحدد قيم الشيوع فى المصفوفة الإرتباطية وفق تقديرات غير دقيقة حيث تستخدم أقصى ارتباط بين المتغير وأى متغير فى المصفوفة وهو اجراء يؤدى إلى خفض رتبة المصفوفة
    3 - الطريقة المركزية باستخدام متوسط الارتباطات Averoid method : لا تختلف هذه الطريقة عن الطريقة المركزية المعتادة إلا فى استخدامها تقدير الشيوع عبارة عن متوسط ارتباطات المتغير ببقية المتغيرات فى المصفوفة ثم حساب العوامل بعد وضع المتوسط الخاص بارتباطات كل متغير فى خليته القطرية ولهذا السبب يطلق على هذا الاسلوب اسم الطريقة المركزية بإستخدام المتوسطات . غير أن هذه الطريقة لا توفر نفس الدقة التى تجدها فى الطريقة المركزية التامة ، إذ تؤدي إلى خفض محدود فى نسبة التباين التى تعبر عنها العوامل الناتجة. غير أن هذه الطريقة تبدو مفيدة فى حالة وجود عدد كبير من المتغيرات دون توفر وسائل آلية لاجراء العمليات الحسابية .

    4 - طريقة المكونات الأساسية Principal componants : تعد طريقة المكونات الأساسية التى وضعها "هويتلنج" Hottelling عام 1933 من أكثر طرق التحليل العاملي دقة وشيوعاً في بحوث الشخصية ، ولهذه الطريقة مزايا عدة منها أنها تؤدي إلى تشبعات دقيقة . وكذلك " فإن كل عامل يستخرج أقصى كمية من التباين ( أى أن مجموع مربعات تشبعات العامل تصل إلى أقصى درجة بالنسبة لكل عامل) ، وتؤدى إلى أقل قدر ممكن من البواقي ، كما أن المصفوفة الارتباطية تختزل إلى أقل عدد من العوامل المتعامدة (غير المرتبطة)

    ولم تلق طريقة المكونات الأساسية فى البداية قبولا كبيرا بين الباحثين نظرا لحاجتها إلى وقت حسابات طويل لإنمامها ولذا كان من المستحيل استخدامها يدويا فى حالة المصفوفات الكبيرة ، ولكن بعد الاعتماد على الآلات الحاسبة الالكترونية ذا السرعة الفائقة والدقة الشديدة وطاقة التخزين الكبيرة ، اصبحت هذه الطريقة الآن من بين أكثر الطرق شيوعا نظرا لدقة نتائجها بالمقارنة ببقية الطرق .

    محمد ابراهيم محمد محمد
    كلية التربية - جامعة المنيا
    www.edutest.0fees.net
    www.ibrahim1952.jeeran.com
    mhmm_ibrahim***********

  4. #4

    افتراضي محكات تحديد عدد العوامل المستخرجة :

    تعد مشكلة تقدير عدد العوامل التى يتعين إنتاجها فى الدراسة العاملية من المشكلات التى تؤرق الباحثين ، ذلك أن إمكان استخلاص عوامل من المصفوفة الارتباطية إلى الحد الذى تصبح فيه آخر مصفوفة بواقى صفرية من الأمور الممكنة وحيث يمكن استخلاص عدد من العوامل يساوى عدد المتغيرات التى بدأنا بها .

    ونقلاً عن " أحمد عبد الخالق " (1994 : 111) أنه من الممكن - نظريا وحسابيا - أن يستمر استخراج عدد من العوامل مساوٍ لعدد المتغيرات . ويتنازع المحلل العاملي فى هذه الحال مطلبان قد يكونان متعارضين وهما :
    1 - أن يستخرج أقل عدد من العوامل وفى هذا تحقيق لمنطق الطريقة وواحد من الأهداف الهامة للتحليل العاملى من حيث هو منهج علمي ينحو نحو الايجاز والدقة وتفسير الكثرة بالقلة ، وهذا هو مبدأ الاختزال .
    2 - ألا يهمل جزءا من التباين الجوهرى الذى يكشف عن الفروق الفردية ، وقد يكون هذا الجزء الذى تركه هاماً فى تفسير الظاهرة موضع البحث وهذا هو مبدأ الكثرة أو التعدد.
    ويذكر " صفوت فرج " (1991: 238) أنه لا توجد حتى الآن قاعدة رياضية مقبولة من قبل الجميع للتوقف على استخلاص العوامل ، وإن كان هناك عدد من المحكات التى يمكن استخدامها لهذا الغرض ، والواقع أنها تؤدى فى الغالب إلى نتائج متقاربة ومن أهم هذه المحكات الآتى :

    (1) محك تيكر : Tuker’s Criterion
    وهو كما يظهر من اسمه يقوم أساسا على استخدام معامل فاي ويعتمد على مبدأ أنه إذا لم يكن هناك تناقض واضح فى حجم قيم البواقي من مصفوفة إلى أخرى تليها ( بعد استخلاص عامل آخر) فإن العوامل العامة الجوهرية فى المصفوفة الارتباطية تكون قد استخلصت بالفعل وما يتبقى ليس إلا بواقي لا أهمية لها . ( المرجع نفسه : 239) .

    (2) محك همفري : Huamphrey Criterion
    بينما كانت الطريقة السابقة تعتمد على حجم التباين فى مصفوفة البواقي ومدى تناقصه تدريجيا بعد كل عامل مستخلص فان محك " همفري " تقوم على أساس آخر مختلف تماما فهي من ناحية تعتمد على حجم العينة الأصلية التى حسبت الارتباطات بين متغيراتها وتعتمد ثانيا على فكرة أن تشبعين فقط ( وليس ثلاثة) كافيين لتقرير وجود عامل عام وعلى ذلك نكتفي هذه القاعدة باستخدام مؤشرات عاملية عبارة عن أعلى تشبعين لمتغيرين بالاضافة إلى حساب الخطأ المعياري لمعامل ارتباط صفري للمقارنة بينهما كمؤشر للتوقف أو الاستمرار فى استخلاص عوامل جديدة (المرجع نفسه: 241).

    (3) محك كومب : Coomb Criterien
    ومنطق هذا الأسلوب يعتمد على تناول نمط البواقي في المصفوفة أكثر من اعتماده على حجمها أو دلالاتها حيث يفترض أنه فى حالة وجود عوامل ذات دلالة مرتفعة لم تستخلص بعد وليس مجرد تباين خطأ فى المصفوفة فعلينا أن لا نتوقع قيم سالبة أكثر فى مصفوفة البواقي بعد العكس مما يتوقع بحكم الصدفة فى مصفوفة ناتجة عن ارتباطات ايجابية (المرجع نفسه : 242).

    (4) محك كايزر : Kaiser Criterion
    محك كايزر محك رياضي فى طبيعته اقترحه " جوتمان " (1954,Guttman )فى فترة سابقة ومنطلق هذا المحك يعتمد على حجم التباين الذى يعبر عنه العامل ، فلكي يكون العامل بمثابة فئة تصنيفية فلابد أن يكون تباينه أو جذره الكامن أكبر أو مساوٍ على الأقل لحجم التباين الأصلى للمتغير ، وبما أننا لا نستطيع نظريا استخلاص كل تباين المتغير فى عامل واحد فإن حصولنا على عامل جذره الكامن لا يقل عن واحد صحيح لابد أن يكون مصدر تباينه أكثر من متغير وبالتالي يكون عاملا معبرا عن تباين مشترك بين متغيرات متعددة.
    وعلى ذلك فان هذا المحك يتطلب مراجعة الجذر الكامن للعوامل الناتجة وعلى أن تقبل العوامل التى يزيد جذرها الكامن عن الواحد الصحيح وتعد عوامل عامة . ويبدو هذا الأسلوب صالحا ومناسبا على وجه الخصوص لطريقة كالمكونات الأساسية " لهوتلينج " ( صفوت فرج ، 1991 : 244) .
    ويذكر " أحمد عبد الخالق " (1994 : 114) أن العوامل الدالة فى هذه الطريقة هى العوامل التى يساوى أو يزيد جذرها الكامن على واحد صحيح ، أى أن التباين الذى يستوعبه كل عامل ( مجموع مربعات التشبعات على كل عامل) 1.0، بشرط أن يكون قد وضع فى الخلايا القطرية واحد صحيح . ومن حسن الطالع أن هذه الطريقة تعطى نتائج متقاربة تماما مع عدد العوامل المستخرجة عادة ، بالإضافة إلى سهولة حساب هذا المعيار وهو شائع الاستخدام . ويذكر " وايت وزملائه " (White, et al, 1969) أن هذا المعيار تتطابق نتائجه مع معايير أخرى ، ويزكون استخدامه على أساس " أنه من غير المعقول أن نقبل عوامل لا تستوعب تباينا أكبر مما هو متو فر في المتغيرات الأصلية ذاتها " ، أى أن العامل الذى يقل الجذر الكامن له عن واحد صحيح يشير إلى قدر ضئيل من التباين فى المتغيرات الأصلية ذاتها لذا فمن الأجدر استبعاده لعدم دلالته . وسوف نعتمد على هذا المعيار فى الدراسة الحالية ونعرض لها فى الباب الثانى.

    (5) محك كاتل : Cattell Criterion
    ويذكر " صفوت فرج " (1991: 245) أن خطوات استخلاص العوامل من المصفوفة الارتباطية تؤدي إلى إنتاج العوامل الأكثر عمومية أولا فى كل الأساليب العاملية بلا استثناء ، ثم تبدأ العوامل الخاصة أو التباين النوعى فى الظهور ، وفى طريقة كالمكونات الأساسية لا تفرق بين عوامل عامة وأخرى غير عامة يفترض أيضا أن حجم التباين النوعي الذى يتسرب إلى العوامل الناتجة يتزايد فى العوامل الأخيرة ويبدأ فى فرض صورة تقلل من أهمية المصفوفة العاملية ويتطلب الأمر فى هذه الحالة تحديد العدد الأمثل من العوامل قبل أن يؤدى ظهور التباينات الخاصة إلى أحداث خلل فى مصفوفة العوامل ، ويقترح " كاتل " هنا محكا بسيطا يطلق عليه اسم البقايا المبعثرة Scree test وذلك بأن تقوم برسم محورين متعامدين ، أفقي نضع عليه عدد العوامل فى تحليلنا (الذى انتج فيه عددا كبيرا من العوامل) ويقسم المحور الرأسي وفقا لوحدات منتظمة معبرة عن الجذر الكامن المستخلص للعوامل المختلفة.
    وسنلاحظ بعد إتمام رصد عواملنا وجذورها الكامنة ، أن حجم الجذر يتناقص بشكل كبير فى العوامل الأولى إلى أن يصل إلى نقطة معينة هى غالبا حول جذر كامن واحد صحيح ثم يبدأ حجم الجذر فى التناقص بصورة ضئيلة بحيث يستوى فيها الخط البياني مع الخط الأفقي .
    وإذا افترضنا أن النقطة التى سنتوقف لديها فى قبولنا للعوامل هى عند العامل الرابع على سبيل المثال فإن الفرق لمن يكون كبيرا فى الواقع بين ما يقدمه محك " كاتل " وبين ما يقدمه محك " كايزر" الذي يتطلب التوقف عند العامل الثالث هذا على سبيل المثال .
    وتتبقى لطريقة " كايزر " ميزتها فى هذه الحالة فى كونها لا تتطلب استخلاص عدد كبير من العوامل ثم رصدها فى الشكل البياني للتعرف على نقطة توقف التناقص واستواء الخط ، حيث يمكن حساب الجذر الكامن لكل عامل بطريقة كايزر قبل استخلاص العامل التالي مما يوفر جهدا لا مبرر له ( صفوت فرج ، 1991 : 246) .

    نقلا عن : بدر محمد الأنصاري(1999):إسلوب التحليل العاملي : عرض منهجي نقدي لعينة من
    الدراسات العربية استخدمت التحليل العاملي,بحث مقدم بندوة البحث العلمي في المجالات الاجتماعية في الوطن العربي (1999) المنعقد من 5-6 ديسمبر - المجلس الأعلى لرعاية الفنون والآداب والعلوم الاجتماعية - وزارة التعليم العالى - الجمهورية العربية السورية


    محمد إبراهيم محمد محمد
    كلية التربية - جامعة المنيا
    www.edutest.0fees.net
    mhmm_ibrahim***********

  5. #5

    افتراضي تدوير المحاور

    تدوير المحاور :
    يؤدي التحليل العاملي لمصفوفة ارتباطية ، بأية طريقة من الطرق العاملية إلى استخلاص عوامل معينة ، وهذه العوامل ، بمعنى آخر ، عبارة عن محاور متعامدة تمثل تشبعات المتغيرات إحداثياتها ، وهى تتحدد بطريقة عشوائية ، ويختلف هذا التحديد للمحاور من طريقة عاملية لأخرى ، فهل يمكننا قبول العوامل الناتجة فى تحليلاتنا على أنها الصورة النهائية التى تلخص لنا العلاقات الارتباطية المتعددة وبصورة مقبولة سيكولوجيا .

    تعد هذه الصورة غير مقبولة بوجه عام من وجهة نظر علماء النفس هنا يقوم الباحث بإجراء جديد على هذه العوامل أو المحاور يهدف أساسا إلى إعادة تحديد مواضعها ، بهدف الوصول بها إلى قدر من الثبات والاتساق بالمعنى النفسي وحتى يتسنى لنا تفسيرها ، واضعا فى اعتباره أن الخطوات الحسابية لاستخلاص العوامل إنما تقوم على التعامل مع إرتباطات بين متغيرات فى صورة كمية لا تتضمن ما تعنيه هذه المتغيرات أو مضمون الارتباطات ، بينما هذا المضمون هو الجانب السيكولوجي الرئيسي الذى يعني به الباحث ويتناوله باستبصاراته وهو مطالب فى هذه الحالة بإجراء تعديل فى مواضع المحاور التى توصل إليها ليكسب هذه المحاور معناها السيكولوجى الواضح .

    وهنا نوعان من التدوير تبعا للزاوية التى تفصل بين المحاور المرجعية وهما التدوير المتعامد Orthogonat Rotation والتدوير المائل Oblique Rotation ففى التدوير المتعامد تدار العوامل معا (اثنين منها مثلا) مع الاحتفاظ بالتعامد بينها . أما التدوير المائل ففيه تدار المحاور دون احتفاظ بالتعامد ، فتترك لتتخذ الميل الملائم لها .

    والعوامل المتعامدة غير مرتبطة معا ، أى أن معاملات الارتباط بينها تساوى صفرا ، إذ تصنف العوامل الاختبارات أو المتغيرات إلى فئات غير مرتبطة ، وهكذا يصبح التقسيم جادا غير متداخل. أما العوامل المائلة فهي عوامل بينها ارتباط أي أنها عوامل متداخلة ، ويفضل بعض المحللين العامليين استخراج عوامل متعامدة غير مرتبطة ، فى حين يهتم آخرون باستخلاص المائلة . ويهدف تدوير المحاور إلى تحقيق ما يسميه " ثيرستون " البناء البسيط .

    تسمى العوامل الناتجة عن استخدام إحدى الطرق الحسابية للتحليل العاملي بالعوامل المباشرة ، وهى تمثل الحل الرياضى ، وهذا الحل واحد فقط من حلول كثيرة ممكنة كما أسلفنا ، وكذلك فإنه فى أحوال غير قليلة يصعب تفسير مثل هذه العوامل المباشرة سيكولوجيا ، فيكون الهدف إذن هو أن تحول هذه العوامل الى وضع يمكن الباحث من تفسيرها سيكولوجيا وتزيد كذلك من بساطتها ومعنوية ارتباط العوامل بمتغيرات القياس الأصلية . ويرى " ثيرستون " أنه يصعب تفسير العوامل سيكولوجيا إلا بعد تدوير المحاور وتبسيط كل " عمود " بقدر الامكان ، ويكون ذلك بتحويل نمط التشبعات إلى ما يسميه بالبناء البسيط ، ويرى أن الأخير يضمن وصول التحليل إلى نتيجة ثابتة تكون عواملها قابلة للتكرار من دراسة إلى أخرى ( أحمد عبد الخالق ، 1994 : 116).
    وتتعدد الطرق العملية للتدوير وكان إسلوب الكوارتيماكس Quartimax الذى اقترحه " كارول " Carroll هو أول الأساليب التحليلية التى ظهرت فى سنة 1953 في محاولة لتقديم حل رياضي للبناء البسيط ، ثم تناولت بعد ذلك عدة طرق رياضية لعل أشهرها طريقة الفاريماكس Varimax الذى قدمه " كايزر " Kaiser فى سنة 1958 ، وتتقبل طريقة " الفاريماكس " فكرة البناء البسيط مع الاحتفاظ بالتعامد بين العوامل ، ويميل أغلب الباحثون لاستخدام طريقة الفاريماكس لكايزر والتى تؤدى إلى أفضل الحلول التى تستوفى خصائص البناء البسيط .

    وكما نجد عدد من الأساليب التحليلية لحساب العوامل المتعامدة ، يوجد أيضا عدد آخر من الأساليب المعروفة لحساب العوامل الماثلة ، بعضها حلول قائمة على العوامل المباشرة والبعض الآخر يبدأ من الحل المتعامد . ومن الطرق المعروفة فى مجال التدوير المائل : طرق الكوارتيمن Quartimin و الأوبليمين Oblimin " لكارول " Carroll والـ Covarimin " لكايزر " والـ Binornamin " لكايزر وديكمان " Dickman والـ Promax " لهندريكسون ووايت " Hendrickson and White و غيرها . عندما نقوم بتدوير متعامد لمصفوفة عاملية فإننا نصل إلى نتيجة واحدة هي مصفوفة العوامل بعد التدوير وحيث تكون التشبعات على العوامل هى نفسها - أيضا - الارتباطات بين المتغيرات والعوامل . غير أن هذا الأمر يختلف فى حالة التدوير المائل .
    فعندما تصبح العوامل مائلة يتحدد معنى التشبعات بإعتبارها إحداثيات المحاور العاملية Primary Factors بينما توجد لدينا إحداثيات المتجهات المرجعية Refexence vactors والتى تعبر عن الارتباطات بين المتغيرات والعامل ، ومثل هذا التمييز بين المتجهات المرجعية والعوامل الأولية يؤدي إلى خروجنا من التدوير المائل بمصفوفتين ، الأولى : هى مصفوفة النمط العاملي Factorial pattern أو نمط العوامل الأولية وقيم عواملها هى تشبعات المتغيرات على العوامل . والثانية : هى مصفوفة البناء العاملي Factorial Structure وقيم عواملها هى معاملات الارتباط بين المتغيرات والعوامل ( صفوت فرج ، 1991) .
    والواقع أن الميزة الأساسية التى تكمن فى التدوير المائل هى أنه الخطوة اللازمة للتقدم نحو التحليلات العاملية من الرتبة العليا أو الثانية . فطالما لدينا عوامل مائلة ( مترابطة ) فنستطيع أن نحسب مصفوفة معاملات الارتباط بين عواملها ثم نقوم بإجراء تحليل هذه المصفوفة الارتباطية لكى نستخرج عوامل من الرتبة الثانية أو الراقية التى تستخرج من التحليل العاملى للارتباط بين العوامل ، وتفسر هذه المصفوفات بطريقة تفسير العوامل الأولية ذاتها ، فيما عدا - بطبيعة الحال - أن المتغيرات هنا هى العوامل من التحليل العاملي ذى الرتبة الأولى أو الدنيا . وإذا ما كان هناك عديد من العوامل ذات الرتبة الثانية وأديرت تدويرا مائلا ، نتج أيضا مصفوفة ارتباطات بين هذه العوامل ذات الرتبة الثانية ، وهذه المصفوفة الارتباطية الأخيرة يمكن أن تحلل أيضا وتؤدى إلى العوامل ذات الرتبة الثالثة ، ويمكن أن تستمر العملية طالما أمكن إنتاج مصفوفة ارتباطية بالتدوير ، وتتوقف التحليلات ذات الرتبة الراقية حتى يحدث أن يستخرج عامل واحد فقط أو عوامل غير مرتبطة ( أحمد عبد الخالق ، 1994) .
    إما عن المقارنة بين النوعين بين العوامل ( ذات الرتبة الأولى والثانية ) فيذكر " جورستش " ( نقلا عن أحمد عبد الخالق ، 1994 : 122) أنه ليس ثمة شئ " مقدس " بالنسبة لكليهما ، وتكمن الأفضلية النسبية لكل منهما فى النظرية موضع النظر . ويذكر " صفوت فرج " (1991) ، أن الفروق التى قد تكون ضئيلة بين نتائج التدويرين المتعامد والمائل ليست هى موضوع اهتمام الباحثين بقدر ما يتجه اهتمامهم نحو إضفاء منطق الترابط أو التعامد بين العوامل ، ويعتقد عدد كبير من الباحثين أن التدوير المائل يعد أكثر كفاءة فى إبراز معالم البناء البسيط .


    محمد إبراهيم محمد محمد
    كلية التربية - جامعة المنيا

  6. #6

    افتراضي رد: طرق التحليل العاملي

    جزاك الله خيراً ........ نريد المزيد عن الانحدار الخطي البسيط (مسائل أو تمارين)

  7. #7

    افتراضي رد: دروس في التحليل العاملي

    بارك الله فيكم نريد المزيد مع شرح مفصل

  8. #8
    باحث جديد
    تاريخ التسجيل
    May 2009
    الدولة
    الوطن العربي
    المشاركات
    15

    افتراضي رد: دروس في التحليل العاملي

    جزاك الله خيرا ، وأجزل لك المثوبة والأجر

  9. #9

    افتراضي رد: دروس في التحليل العاملي

    شكرا جزيلا

  10. #10

    افتراضي رد: دروس في التحليل العاملي

    جزاك الله خير وجعله في ميزان حسناتك، مع خالص تحياتي

صفحة 1 من 2 12 الأخيرةالأخيرة

المواضيع المتشابهه

  1. التحليل العاملي في spss
    بواسطة nass120 في المنتدى التحليل الاحصائي
    مشاركات: 7
    آخر مشاركة: 08-06-10, 01:38 AM
  2. التحليل العاملي
    بواسطة أم زيد في المنتدى التحليل الاحصائي
    مشاركات: 10
    آخر مشاركة: 05-31-10, 04:09 PM
  3. التحليل العاملي التوكيدي
    بواسطة باحث الالفين في المنتدى التحليل الاحصائي
    مشاركات: 0
    آخر مشاركة: 12-25-09, 09:32 PM
  4. التحليل العاملي varimax
    بواسطة kalled20042005 في المنتدى التحليل الاحصائي
    مشاركات: 2
    آخر مشاركة: 11-14-07, 05:06 PM
  5. التحليل العاملي
    بواسطة أستاذ فرات في المنتدى التحليل الاحصائي
    مشاركات: 1
    آخر مشاركة: 12-18-06, 07:13 PM

ضوابط المشاركة

  • لا تستطيع إضافة مواضيع جديدة
  • لا تستطيع الرد على المواضيع
  • لا تستطيع إرفاق ملفات
  • لا تستطيع تعديل مشاركاتك
  •  

جميع الحقوق محفوظة لموقع منشاوي للدرسات والابحاث