ניתוח גורמים הוא שיטת הפחתה סטטיסטית שמטרתה להסביר את המתאמים האפשריים בין משתנים מסוימים. לשם כך, תוך התחשבות בהשפעת גורמים אחרים, שאינם נצפים.
לכן, מה שניתוח זה עושה הוא להפחית. לפיכך, אנו לוקחים מספר רב של משתנים ובאמצעות טכניקה זו אנו מצליחים לצמצם אותם לגודל שניתן לנהל. לשם כך משתמשים בסדרה של שילובים לינאריים של אלה שנצפו עם אחרים שאינם נראים לעין.
שני המודלים: חקרני ומאשר
יש לנו שתי דרכים לבצע טכניקה סטטיסטית זו, יש לדעת הבדלים ברורים בין השניים.
- ניתוח גורמים חקרניים: במקרה זה, המטרה היא להכיר את המבנים הסמויים (שאינם נראים) על מנת לבדוק אם הם יכולים להיות תקפים. לפיכך, אנו עוסקים במידע מסוג חקרני המשמש ליצירת מודל מאוחר יותר, אך איננו יודעים זאת מראש.
- ניתוח גורמים מאששים: במקרה זה אנו עומדים בפני תהליך אישור סטטיסטי. אנו מתחילים ממודל תיאורטי שנוצר עם הספרות הקיימת על התופעה שנחקרה. בהמשך אנו מנוגדים לו לדעת את מידת תקפותו.
כיצד לבצע ניתוח גורמים
בואו נראה, בצורה פשוטה, כיצד ניתן לבצע ניתוח גורמים חקרני, שהוא אחד הנפוצים ביותר במדעי החברה. יש לציין כי ניתן לבחור את הנקודות המוזכרות להלן בתוכניות סטטיסטיות כגון SPSS בעת ביצוע הניתוח.
- ניתוח אמינות: בדרך כלל משתמשים באלפא של קרונבאך, המאפשר לדעת את העקביות הפנימית של המודל. ערכים העולים על 0.70 נחשבים מקובלים.
- סטטיסטיקה תיאורית: אלה מספקים לנו מידע בסיסי על הנתונים שניתחו. הממוצע, השונות, או המקסימום והמינימום.
- ניתוח מטריצות מתאם: חישובים אלה מבוצעים על ידי SPSS. כאן עלינו לשים לב האם הקובע קרוב לאפס. מצד שני, המתאמים המחושבים חייבים להיות שונים מאפס.
- מדד הלימות מדגם KMO: מאפשר לנו לעמוד בניגוד למקדמי המתאם. מצד אחד הנצפים, ומצד שני החלקים. זה לוקח ערכים בין 0 ל -1 ונחשב מקובל אם הוא גדול מ 0.5.
- מבחן הכדוריות של ברטלט: במקרה זה, זה מנוגד לכך שמטריצת המתאם היא מטריצת זהות, ובמקרה זה לא ניתן היה לבצע את הניתוח. ריבוע הצ'י המשוער מחושב, ואם הוא פחות מהריבוע התיאורטי, ניתן לעשות את הניתוח העובדתי.
- ניתוח משותף: שוב זה אינדיקטור לרלוונטיות. כדי להיות תקף, עליו לקחת ערכים הגדולים מ- 0.5.
- מטריקס רכיבים מסובב: הוא משמש לחילוץ הערכים העצמיים הגדולים מערך, בדרך כלל 1. באופן זה מתקבלים הגורמים המופחתים המייצגים את המשתנים. גרפי השקיעה והמטריקס עצמו משמשים לבחירת המספר.
- השונות הכוללת הוסברה: לבסוף, ניתוח זה אומר לנו מה השונות הכוללת שמוסברת על ידי המודל המוצע. לפיכך, ככל שערך זה גבוה יותר, כך המודל טוב יותר להסביר את מערך הנתונים הכולל.
דוגמאות לניתוח גורמים
לניתוח גורמים יש יישומים רבים בתחומי מדע שונים.
בואו נראה כמה דוגמאות:
- בשיווק משתמשים בה באופן נרחב כשאנחנו רוצים לדעת את הרצון לקנות. לדוגמא, אנו מנתחים משתנים סוציו-אקונומיים, רגשיים או אישיים שונים. ברגע שיש לנו אותם, אנו מצמצמים את מספרם באמצעות ניתוח גורמים ונוכל לפרש אותם טוב יותר.
- בחשבונאות אנו יכולים לדעת אילו פריטים משפיעים בצורה הברורה ביותר על השגת רווחי העסק. לפיכך, נדע היכן עלינו להשפיע יותר.
- בחינוך אנו יכולים לדעת את הנטייה של תלמיד לנושא. על ידי ביצוע סקרים מסוימים על דרך לימודו, אנו יכולים להשיג בסיס נתונים בו ניתן ליישם ניתוח גורמים.