آنالیز فاکتور چیست؟

آنالیز فاکتور چیست؟

اسلاید 1: Factor AnalysisSupervisor : Professor Jamal ShahrabiPresented by : Shaghayegh Parhizi

اسلاید 2: آناليز فاکتور چيست ؟آناليز فاکتور نام عمومي است که به دسته اي از روش هاي آماري چند متغيره اطلاق مي شود که هدف اوليه آنها، تعريف ساختار نهفته در ماتريس داده ها است. آناليز فاکتور را به عنوان اولين تکنيک چند متغيره معرفي كرده اند، چرا که مي تواند نقش بي نظيري در بکارگيري ساير تکنيک هاي چند متغيره ايفا کند.

اسلاید 3: با این تکنیک می توان تعداد زیادی متغیر را در یک یا چند فاکتور یا بعد توضیح داد.متغیرهای وابسته به هم در یک گروه قرار می گیرند. این متغیرها با دیگر متغیرها یا وابستگی ندارند یا وابستگی کمی دارند.مشکل تعداد زیاد متغیرها و وابستگی درونی داده ها را می توان با FA حل کرد.آناليز فاکتور چيست ؟

اسلاید 4: Principal Component Analysisهدف در اين تکنيک تنها کاهش حجم داده هاست .در اين تکنيک با تعريف چند Component ، متغيرها را بر اساس Correlation بين متغيرها در Componentها دسته بندي مي کند بگونه اي که بيشترين درصد واريانس داده ها را در Componentها قرار بگيرند .اساس اين تکنيک وجود همبستگي بالا بين متغيرهاست .

اسلاید 5: شباهت بین FA و PCAمقياس اندازه گيري در هر دو بايد Interval يا Ratio باشد .( کمي باشد )اندازه نمونه بزرگ براي برآورد پايدار بين 10 تا 20 مشاهده براي هر متغير بايد باشد .هدف هر دو روش بالا كاهش حجم داده هاست .به علت شباهت در تكنيك هاي آماري گاهي اين دو روش را با هم اشتباه مي گيرند .FA و PCA دو تكنيك آماري بسيار كاربردي و قوي هستند .نمونه گيري بايد تصادفي باشد .براي هر متغير حداقل بايد 5 مشاهده وجود داشته باشد و در کل حداقل 100 مشاهده وجود داشته باشد .

اسلاید 6: شباهت بین FA و PCAنتايج حاصل از اين دو تکنيک زمانيکه وابستگي زياد باشد بسيار شبيه هم مي باشد . ارتباط خطي بين متغيرها ي مشاهده شده وجود دارد .متغيرها بايد داراي توزيع نرمال باشند .متغيرها دو به دو داراي توزيع نرمال دو متغيره هستند .

اسلاید 7: تفاوت های بین FA و PCAدر EFA علاوه بر هدف كاهش داده ها ما به دنبال پيدا كردن ساختار داده ها مي باشيم . در PCA فقط به دنبال کاهش حجم داده است و به دنبال پيدا کردن ساختار نيستيم .

اسلاید 8: فرایندهای تصمیم آنالیز فاکتوراهداف آنالیز فاکتورطراحی یک آنالیز فاکتورفرضیات در آنالیز فاکتورمشتق ساختن فاکتورها و ارزیابی برازش کلیچرخش فاکتورهااعتبار سنجی آنالیز فاکتورکاربردهای دیگر نتایج آنالیز فاکتور

اسلاید 9: اهدف آنالیز فاکتوربه طور کلی دو هدف عمده در آنالیز فاکتور مدنظر است. تعیین ساختار از طریق خلاصه سازی داده هاکاهش حجم داده ها

اسلاید 10: طراحی یک آنالیز فاکتورمحاسبه داده های ورودی به منظور ارضای اهداف اختصاصی گروه کردن متغیرها یا پاسخ دهنده هاطرح تحقیق در مورد تعداد متغیرها ، خصوصیات اندازه گیری آن ها و نوع متغیرهای مجازمقتضیات اندازه نمونه، هم در نوع مطلق و هم به عنوان تابعی از تعداد متغیرهای موجود در آنالیز

اسلاید 11: فرضیات آنالیز فاکتورمقیاس ها باید کمی باشد.نمونه گیری تصادفی باشد.ارتباط بین متغیرها خطی است.متغیرها دارای توزیع نرمال می باشند.متغیرها دو به دو دارای تابع توزیع نرمال دو متغیره هستند.

اسلاید 12: مشتق ساختن فاکتورها و ارزیابی برازش کلیروش استخراج فاکتورها تعداد فاکتورهای انتخاب شده برای نمایش ساختار نهفته در داده ها

اسلاید 13: معیار برای تعداد فاکتورهامسیر نهفتهمعیار اولیهمعیار درصد واریانسمعیار آزمون screeHeterogeneity پاسخ دهندگان

اسلاید 14: چرخش فاکتورهاهدف از چرخش فاکتورها دو بخش است. دستکاری آماری نتایج برای اینکه فاکتور بیشتر قابل تفسیر باشند.اتخاذ تصمیم نهائی در مورد تعداد فاکتورهای زیربنائی داده ها.روش های چرخش متعامد به صورت کلی شامل سه روش است:VarimaxQuartimaxEquimax

اسلاید 15: چرخش فاکتورQuartimaxهدف نهایی از چرخش Quartimax ، ساده سازی سطرهای ماتریس فاکتور می باشد. به این صورت که Quartimax بر روی چرخش فاکتور ابتدائی تمرکز می کند تا اینکه بارگذاری یک متغیر بر روی فاکتور بالا شود و تا حد امکان بر روی فاکتورهای دیگر کم شود.Varimaxبر خلاف Quartimax ، معیار Varimax بر روی ساده سازی ستون های ماتریس فاکتور تمرکز دارد. به این صورت که ، روش Varimax ، جمع واریانس های بارگذاری های مورد نیاز ماتریس فاکتور را بیشینه می کند.

اسلاید 16: چرخش فاکتورEquimaxاین رویکرد عملاً به گونه ای بینابین دو روش قبل عمل می کند. این روش به جای تمرکز بر روی ساده سازی سطرها و یا ساده سازی ستون ها تلاش دارد که بخشی از هر کدام را انجام دهد.

اسلاید 17: EFA-Rotation

اسلاید 18: EFA- Rotation

اسلاید 19: EFA- After Rotation

اسلاید 20: انتخاب روش چرخشهیچ قانون کلی به منظور راهنمایی محقق در زمینه انتخاب یک تکنیک چرخش قائم یا اریب وجود ندارد. در بسیاری موارد، محقق به سادگی از تکنیک های چرخشی ارائه شده توسط برنامه کامپیوتری بهره می گیرد. بسیاری از برنامه های چرخش پیش فرض Varimax را در نظر میگیرند، اما روش های چرخش مهم به صورت گسترده در دسترس می باشد. اما هیچ دلیل تحلیلی مکمل برای ترجیح یک روش چرخش بر دیگری وجود ندارد. انتخاب یک روش چرخش اریب یا قائم باید براساس نیازهای ویژه مسئله تحقیقی صورت گیرد.

اسلاید 21: اعتبار سنجی آنالیز فاکتورمستقيم ترين روش اعتبار سنجي نتايج، حركت كردن به سمت منظر تائيدي و ارزيابي دفاع از نتايج، هم با يك نمونه گسترده در مجموعه داده هاي اوليه يا با يك نمونه مجزا مي باشد. مقايسه دو يا چند مدل فاكتور همواره گيج كننده مي باشد. به هر حال، چند گزينه براي يك مقايسه موضوعي وجود دارد. لزوم آناليز فاكتور تائيدي ( CFA ) از طريق مدلسازي معادلات ساختاري يك گزينه را مهيا ساخته است، اما به طور كلي پيچيده تر است و نياز به بسته هاي نرم افزاري نظير LISREL يا EOS دارد.

اسلاید 22: روش های قابل استفاده در آنالیز فاکتورآناليز فاکتور اكتشافي(Exploratory Factor Analysis)2. آناليز فاکتور تاييدي(Confirmatory Factor Analysis)

اسلاید 23: آنالیز فاکتور اکتشافیدر اين رويکرد به دنبال پيدا کردن ساختار نهان داده ها و کاهش حجم داده ها هستيم . در اين رويکرد هيچ پيش زمينه اي در مورد ساختار بين متغير ها ( فاکتورها ) نداريم و به دنبال کشف و تست ساختار هستيم .

اسلاید 24: آنالیز فاکتور تاییدیيک تکنيک آماري است که براي بازبيني و تست يک ساختار مورد نظر در مورد داده ها از يک مجموعه متغيرهاي مشاهده شده است . CFAبه محقق اين امکان را مي دهد که فرضيات خود را در مورد رابطه بين متغيرهاي مشاهده شده و ساختار نهان داده ها تست کند .

اسلاید 25: شباهت های آنالیز فاکتور تاییدی و اکتشافیCFAوEFA دو روش آماريست که براي اندازه گيري اعتبار مقياس به کار مي رود .هر دو مدل بر اساس مدل آماري خطي بنا شده استهر دو تکنيک فرضيه نرمال بودند را براي متغيرها دارند .در هر دو تکنيک متغيرها دسته بندي مي شوند .

اسلاید 26: تفاوت های آنالیز فاکتور تاییدی و اکتشافیCFA :بايد يک مدل اوليه داشته باشيمتعداد فاکتورها مشخص باشدمشخص باشد که هر متغير در کدام فاکتور قرار مي گيرد .EFA :ساختار داده ها را به وسيله اين تکنيک تعيين مي کنيم .بيشترين درصد واريانس داده ها را در فاکتورها قرارمي دهد .

اسلاید 27: CASE STUDY: MAINTENANCE STERATEGY SELECTION

اسلاید 28: resualts of FA before rotation

اسلاید 29: results of FA after rotation

اسلاید 30: comparison diagram of number of Factors and Eigen values

اسلاید 31: Factor nameTherefore, we have named factor 1 as cost. We further label other 3 factors, which its results culminates in naming factor 2 as value added, factor 3 as execution capability and finally factor 4 as safety.