وبلاگ تخصصی دکتر رضا طالعی فر

ماتریسهمبستگی: از نوع تحلیل عاملی با هدف تبیین تغییرات متغیرها در عامل هاي محدودتر یا تعیین خصیصه اي زیر بنایی یک مجموعه از داده ها انجام می شود. از ماتریس همبستگی استنباط می شود که نشان می دهد چند گروه از متغیرها داریم و انتظار می رود که همبستگی بین متغیرها را بتوان با چند عامل به خوبی بررسی کرد. مقدار ویژه ماتریس همبستگی نیز براي محاسبه درصد تغییرات نمونه جهت شناسایی مجموعه عواملی که بیشترین تغییرات واریانس را نمایش می دهند، بکار می روند.

دوران(چرخش)بارهايعاملی: اگر بارهاي عاملی از محورهاي مختصات فاصله داشته باشند، به منظور اینکه هر نقطه به یک محور نزدیک شود، از دوران (چرخش) محورهاي مختصات استفاده می شود. پس از این چرخش بار عوامل به دلیل نزدیکتر شدن نقاط به محورهاي مختصات افزایش یافته و در تفسیر عوامل نیز ابهامی ایجاد نمی نماید.

چرخش وریماکس: در این روش بارها طوري دوران داده می شود که واریانس مربع بارها در هر ستون ماکزیمم شود.

جدول واریانس کل استخراج شده (Total Variance Explained): این جدول تعداد عوامل استخراج شده از داده ها (متغیرهاي اولیه) را نشان می دهد. عواملی در این بخش مؤثر شناخته شده اند که مقدار مشخصه آنها (ستون مجموع) بزرگتر از یک باشد. ستون آخر این جدول نشان می دهد که تمامی عوامل (از عامل اول تا عامل فعلی) با یکدیگر چند درصد از تغییر پذیري متغیرهاي اصلی را نشان می دهد.

جدول اشتراکات (Communalities): در این بخش میزان همبستگی بین واریانس متغیر مورد نظر با واریانس سایر متغیرها مورد بررسی قرار می گیرد. ستون اول نتایج این جدول (Initial)، اشتراکات استخراج شده از داده هاي ابتدایی هستند که بالا بودن آن حداکثر ( 1 ) استفاده از تحلیل عاملی را مناسب بیان می نماید. 

جدولماتریس چرخش یافته (Rotated Component Matrix):

اغلب ممکن است یک متغیر در بیش از یک عامل بار بالا داشته باشد و این امر تفسیر تعریف و طبقه بندي متغیرها در عوامل را دشوار می سازد. براي این منظور با استفاده از چرخش محورهاي مختصات، بدون آنکه بر نتایج اثرگذار باشد، می توان از تفسیر مناسب و مطلوب برخوردار شد. زیرا به سبب چرخش محور مختصات هر متغیر بیشترین نزدیکی را تنها با یک عامل خواهد داشت.