تحلیل عاملی روش کیو (Q)
روش تحلیل عاملی، اصلیترین روش آماری برای تحلیل ماتریس دادههای کیو در روش شناسی کیو (روش تحقیق Q) است. مبنای این روش نیز همبستگی بین افراد است. از اینرو، از عبارت «تحلیل عاملی کیو» (Q Factor Analysis) استفاده میشود تا تاکید شود که در فرایند تحلیل عاملی، افراد به جای متغیرها دستهبندی میشوند. با وجود این، به لحاظ آماری هیچ اختلافی بین تحلیل عاملی کیو و تحلیل عاملی اصلی وجود ندارد(خوشگویانفرد، 1386: 67).
استیفنسون (1935)، روششناسی کیو را بهعنوان معکوس تحلیل عاملی متداول قرار داد. زیرا همبستگی افراد را بهجای آزمون ها تعیین میکند. در حالی که در روش متداول قبلی به تعداد زیادی از افراد، تعداد کمی آزمودنی داده میشد، در روش فعلی به تعداد کمی از افراد، تعداد زیادی موارد آزمودنی داده میشود. آنگاه همبستگی بین نیمرخهای افراد، دیدگاههای مشابه یا بخشهای ذهنیت موجود را نشان میدهد (Brown, 1993: 91-138).
تحلیل عاملی از طریق همبستگی افراد اطلاعاتی درباره تشابهات و تفاوتهای دیدگاهها درباره یک موضوع خاص را ارائه میدهد. استیفنسون استدلال کرد که چون هر فردی موارد دلخواه و غیردلخواه مخصوص به خود را دارد، نیمرخ افراد همبسته نخواهد شد. با وجود این، اگر گروههای مهم همبستگی وجود داشته باشد میتوان آنها را بهعنوان دیدگاههای مشترک (یا سلایق، ترجیحات، دلایل معین، گونه شناسی و غیره) بیان و افراد را با توجه به این دیدگاهها تقسیمبندی کرد. از این رو، گونههای منتج از تحلیل کیو، گروههای فکری مؤثر را نشان میدهند. تفکیک انجام شده، فراتر از تمایزات منطقی، تمایزات عملی را نیز نشان میدهد (Brown, 2002: 285-304).
تحلیل عاملی در بهترین حالت، مجموعهای از متغیرها را به چند دسته تقسیم میکند که از آن به کاهش ابعاد مجموعه دادهها تعبیر میشود. اساس این دستهبندی یا به تعبیر فنی استخراج عوامل، ماتریس همبستگی بین این متغیرهاست.
فرایند تحلیل عاملی کیو (Q factor analysis) مانند تحلیل عاملی اکتشافی شامل دو مرحله است: استخراج (یافتن) عاملها بهعنوان نخستین مرحله و سپس چرخش آنها بهگونهای که قابل تفسیر باشند. گفتنی است مرجله دوم در صورتی ضرورت پیدا میکند که عاملهای حاصل از مرحله اول به راحتی قابل تفسیر نباشند، یعنی نتوان آنها را بهعنوان ذهنیتهای مشخص تعریف کرد. روش مولفههای اصلی از رایجترین شیوههای استخراج عاملها برای انجام اولین مرحله تحلیل عاملی کیو است (خوشگویانفرد، 1386: 72-67).
از طریق بهکارگیری مولفههای اصلی، مجموعهای از متغیرهای همبسته مرتبشده به مجموعهای از متغیرهای غیرهمبسته (مولفهها) انتقال مییابند … مولفهها با بهکارگیری همبستگیهای مولفه ـ متغیر که بارهای عاملی نامیده میشوند تفسیر میگردند (Stevens, 1996: 376). تحلیل مولفههای اصلی، واریانس مشترک میان متغیرها (مشارکت کنندگان) در ارتباط با هریک از گونههای به دست آمده را همانند واریانس یگانهای که توسط هر مشارکتکننده در تعریف گونههای بهدست آمده داده شده است دربرمی گیرد.
پس از تعیین عامل ها و بارهای عاملی، پژوهشگر با دو پرسش روبه روست: کدام یک از عامل ها و کدام یک از بارهای عاملی معنی دار هستند. پرسش نخست به تعداد عامل های مهم مربوط است که می توان هریک را به عنوان یک ذهنیت در نظر گرفت. از بعد نظری میتوان به تعداد افراد، عامل استخراج کرد ولی در عمل به دلیل وجود ذهنیت های مشابه در بین مشارکت کنندگان به تعداد عامل خیلی کمتری خواهیم رسید.
معیارهای مهم برای انجام تحلیل عاملی کیو
1- تفسیرپذیر بودن عامل؛
2- عاملی که دست کم 5 فرد روی آن دارای بار عاملی بزرگی باشند؛
3- جایگاه فرد در مطالعه کیو؛
4- عواملی که درصد بزرگی از واریانس کل را تبیین میکنند؛
5- عاملی که بارهای عاملی بزرگی (بیش از 0.7) به آن تعلق دارند.
پرسش دوم، یعنی تبیین بارهای عاملی معنیدار هنگامی مطرح میشود که یک مشارکتکننده روی چند عامل دارای بار عاملی باشد. برای این مساله یک راه حل آماری وجود دارد. اگر قدر مطلق بار عاملی از (sqrt (n))/ 1.96 یا (sqrt (n))/ 2.58 بزرگتر باشد، آنگاه آن بار عاملی به ترتیب با اطمینان 95 و 99 درصد معنیدار است؛ گفتنی است مقدار n برابر با تعداد کارتهای مطالعه کیو است (خوشگویانفرد، 1386: 75-73).
چرخش عامل ها در روش تحلیل عاملی کیو (تحلیل عاملی Q)
تمام عامل هاي استخراج شده مورد علاقه محقق نيست. هدف تحليل عاملي، تبيين پديده هاي مورد نظر با تعداد كمتري از متغيرهاي اوليه است. از اینرو، گام اول تعيين تعداد عاملهايي كه در تحليل نگهداشته ميشوند: عامل هايي كه اعتبار صوري يا نظري دارند. ولی قبل از فرآيند چرخش نمي توان به معني هر عامل به خوبي پي برد. بنابراين معمولا از ملاك هاي رياضي مانند ملاك كايزر يا آزمون اسكري كتل براي نگه داشتن عامل ها استفاده ميشود.
بر اساس ملاك كايزر فقط عاملهايي نگه داشته ميشوند كه مجموع مجذور بارهاي عاملي آنها (مقدار ويژه) يك يا بيشتر باشد. اين ملاك براي تحليل عاملي آلفا مناسب است و براي ساير روشهاي تحليل عاملي كران پاييني فراهم ميآورد. در روش اسكريكتل نمودار مقدار ويژه براي هر عامل ترسيم ميشود. در نقطه اي كه شكل منحني براي مقادير ويژه بهصورت افقي درآيد، آن نقطه اسكري ناميده شده و عامل هايي كه سمت چپ آن قرار دارد عامل هاي واقعي و آنهايي كه در سمت راست آن قرار دارند عامل هاي خطا قلمداد ميشود.
پس از انتخاب عامل ها، چرخش آنها ضرورت دارد. هدف از چرخش عاملها رسيدن به يك ساختار عاملي ساده است. در تحليل عاملي، ساختار هاي عاملي متعددي براي يك ماتريس همبستگي وجود دارد. اولين عامل غالبا يك عامل كلي است كه تمام يا اكثر متغيرها روي اين عامل بار عاملي بالايي دارند. عاملهاي بعدي که معمولا دو قطبي هستند و بارهاي عاملي مثبت و منفي داشته و قابل تفسير نميباشند با چرخش ساختار عاملي روشنتر ميشوند.
چرخش عامل ها به دو صورت متعامد (ناهمبسته) و مايل (همبسته) صورت ميگيرد. در چرخش متعامد عاملهاي بهدست آمده با هم همبستگي ندارند، در حالي كه در چرخش مايل عاملها با هم همبستگي دارند. روشهاي متعددي براي چرخش متعامد و مايل وجود دارد. از جمله چرخشهاي متعامد كه غالبا مورد استفاده قرار ميگيرد چرخش واریماکس است که پراکندگی بارگذاری در داخل عوامل (گروههای مشارکت کننده) را حداکثر میسازد. نتیجه این کار ایجاد دستههای قابل تفسیر بیشتر در بین گروههاست. از روشهاي چرخش مايل روش اوبليمين را ميتوان نام برد.
عوامل برای حداکثرسازی بار عاملی بر روی یک عامل، چرخانده میشوند. چرخش واریماکس که از شیوههای معمول چرخش عاملها به شمار میرود پراکندگی بارگذاری در داخل عوامل (گروههای مشارکت کننده) را حداکثر میسازد و گروههای کوچکتری از مشارکتکنندگان را در درون هر گروه تشکیل میدهد. نتیجه این کار ایجاد دستههای قابل تفسیر بیشتر در بین گروههاست (Field, 2005). این نوع چرخش در ترکیب با تحلیل مولفه اصلی، نتایجی بهارمغان میآورد که تنها بر راهحلهای ریاضی برای حداکثرسازی اندازههای واریانس تبیین شده توسط گونههای استخراج شده مبتنی است (Baptise, 2010: 72-73).
تفسیر عاملی در روش شناسی کیو (Q)
پس از پایان تحلیل عاملی، یعنی استخراج و چرخش عامل ها و به دست آمدن بارهای عاملی معنی دار و عامل های مهم، نوبت به تفسیر دقیق عامل ها، یعنی تعیین معنی و تعریف آنها می رسد (خوشگویانفرد، 1368: 77). برای تفسیر گونهها، دسته های کیویی (Qی) افراد که به واسطه بارهای عاملی یک گونه را تعریف می کنند، ترکیب می شوند و این کار برای هر یک از گونه ها تکرار می شود.
در يك ساختار عاملي آرماني هر يك از منغير ها بار عاملي بالا (بزرگتر از 0.5) روي يكي از عاملها و بار عاملي پايين (كمتر از 0.2) روي ساير عامل ها دارد. علاوه بر اين، عامل هايي كه بار عاملي بالا دارند، و اعتبار صوري آنها نيز مطلوب است، خصيصه پنهانی را اندازه گيري مي كنند. چنين ساختار عاملي در واقع به ندرت اتفاق مي افتد. غالبا يك متغير روي چند عامل بار عاملي دارد و دو يا چند متغير روي عامل نامناسبي بار عاملي دارد. محقق بايد درك كافي از داده هايش داشته باشد و محاسبات تحليل عاملي به تنهايي نمي تواند نتايج روشنی فراهم آورد.
اگر تمایل به استفاده از خدمات تخصصی گروه پژوهشی دانش آسا برای تحلیل داده های پرسشنامه ها، تحلیل داده های کیفی با روش شناسی کیو (Q) ، درخواست برگزاری کلاس آموزش تخصصی گروهی و خصوصی آموزش روش تحقیق کیفی و کمی دارید، کافی است سفارش خود را ثبت نمایید یا با شماره موسسه در ساعات اداری تماس بگیرید و یا با ایمیل info.daneshasa@gmail.com در ارتباط باشید.