نرم افزار نرمال کردن داده ها در اکسل|Data Normalize Master

یکی از مهم‌ترین نوع تحلیل عاملی، تحلیل عاملی تأییدی است. مهم‌ترین هدف تحلیل عاملی تأییدی، تعیین میزان توان مدل از قبل تعریف‌شده با مجموعه‌ای از داده‌های مشاهده‌شده است. به عبارتی، تحلیل عاملی تأییدی درصدد تعیین این مسئله است که آیا تعداد عامل‌ها و بارهای متغیرهایی که روی این عامل‌ها اندازه‌گیری شده‌اند، با آنچه بر اساس تئوری و مـدل نظری انتظار می‌رفت، انطباق دارد به عبارتی، این نوع تحلیل عاملی، به آزمون میزان انطباق بین ســـازه نظری و سازه تجربی تحقیق می‌پردازد. در این روش، ابتدا متغیرها و شاخص‌های مربوطه بر اساس تئوری اولیه انتخاب می‌شوند و سـپسس از تحلیل عاملی تأییدی اسـتفاده می‌شود تا ببینیم که آیا این متغیرها و شاخص‌ها، آن طوری که پیش‌بینی می‌شد، روی عامل‌های پیش‌بینی‌شده بار (لود) شده‌اند یا اینکه ترکیب آن‌ها عوض‌شده و روی عامل‌های دیگری بارشده‌اند.

در این نوع تحلیل عاملی، پیش‌فرض اساسی محقق این است که هر عامل با زیرمجموعه خاصی از شاخص‌ها ارتباط دارد. حداقل شرط لازم برای تحلیل عاملی تأییدی این است که محقق قبل از هر چیزی، تعداد عامل‌های مدل را فرض کند، اما درعین‌حال معمولاً این محقق انتظارات خود را مبنی بر اینکه کدام متغیرها بر روی کدام عامل‌ها بار خواهند شــد، دخیل می‌کند. برای مثال، محقق سـعی می‌کند تا تعیین کند که آیا متغیرهایی که برای ساخت و نمایش یک متغیر پنهان به کار می‌روند، واقعاً متعلق به هم هستند یا خیر؟

سـنجش اعتبار یک مقیاس یا شاخص، از طریق نمایش این موضوع که گویه های همساز بر روی یک عامل بار می‌شوند؛ بنابراین به کمک این روش می‌توان گویه های ناهمساز مقیاس را که بر روی چندین عامل بار بسیار بالا یا پایین دارند، از مقیاس حذف کرد. چون این متغیرها را نمی‌توان به یک عامل مشخص انتساب داد.

برای هر ســازه دو شــاخص میانگین واریانس استخراج‌شده (Average Variance Extracted) و پایایی مرکب (Composite Reliability) به ترتیب برای اندازه‌گیری روایی (اعتبار) و پایایی (اعتماد) سازه‌ها محاسـبه می‌شود. شاخص AVE نشـان می‌دهد که چه درصدی از واریانس سازه موردمطالعه تحت تأثیر سنجه‌های آن سازه بوده است. از شاخص AVE برای سنجش روایی استفاده می‌شود و از آن تحت عنوان روایی همگرا نیز یاد می‌شود. محققان مقدار 0.5 به بالا را برای مناســب بودن این شــاخص تعیین نموده‌اند (Fornell and Larcker, 1981).

برای تعیین پایایی سازه‌ها در این آموزش از روش پایایی مرکب (CR) استفاده شد. درصورتی‌که مقدار CR برای سازه‌ها بزرگ‌تر از 0.7 باشد، پایایی قابل قبولی را نشان می‌دهند و هرچه این مقدار برای یک سازه به یک نزدیک‌تر باشد، پایایی آن سازه بیشتر است.

که در این رابطه لاندا بار عاملی استانداردشده برای هر سنجه و سیگما واریانس خطای هر سنجه است.

مانند تصویر زیر جدول ضرایب استاندارد کپی کرده و در سلول F2 نرم‌افزار Paste کنید.

درنهایت بر روی دکمه «شروع محاسبات» کلیک کنید تا شاخص های روایی و پایایی مانند تصویر زیر محاسبه شود.

خروجی نرم‌افزار برای مثال حل شده نشان می‌دهد که:
مقدار شـاخص AVE برای هر سـه متغیر «X,Y,Z» بیشـتر از 0.5 است بنابراین روایی همگرا هر سه متغیر مورد تأیید قرار می‌گیرد.
مقدار شـاخص AVE برای هر سـه متغیر «X,Y,Z» بیشتر از MSV است بنابراین روایی واگرا هر سه متغیر مورد تأیید قرار می‌گیرد.
مقدار شاخص CR برای هر سه متغیر «X,Y,Z» بیشتر از 0.7 است بنابراین پایایی مرکب هر سه متغیر مورد تأیید قرار می‌گیرد.