• • دستیابی به الگوی روابط بین متغیرها و سازه‌های مؤثر بر یک پدیده، زمینه تبیین چرایی رخدادن پدیده مورد مطالعه را مهیا می‌سازد. در این میان تجزیه همبستگی‌های بین متغیرها در قالب اثرات مستقیم، اثرات غیر مستقیم، اثرات تحلیل نشده و اثرات کاذب در شناخت الگوی روابط آن ها حائز اهمیت بوده و درک مناسبتری از مدل تاثیر و تاثرات فیمابین مؤلفه‌‌های مورد مطالعه ایجاد می‌کند. تحلیل مسیر و مدل یابی معادلات ساختاری نقش نسبی متغیرها را در یک شبکه علی و همبستگی روشن نموده و ساختار علی زیربنایی آن ها را آشکار می‌سازد. از همین روی برای تبیین کامل مدل ساختاری از روابط علی بین مؤلفه‌‌ها و سازه‌های فردی، سازمانی و محیطی از تحلیل مسیر و مدل یابی معادلات ساختاری بهره گرفته می‌شود.

در ادامه به اختصار هریک از ابزارهای تجزیه و تحلیل داده ها تشریح می‌گردد.

۳-۸-۱- تحلیل عاملی

تحلیل‌عاملی^[۴۴] یکی از فنون آماری است که استفاده از آن در حوزه علوم اجتماعی و روانشناسی در دهه های اخیر در دنیا و در سال‌های اخیر در کشور رواج زیادی یافته است. به‌کارگیری این تکنیک آماری، در اکثر تحقیق‌هایی که در آن‌ ها از آزمون و پرسشنامه استفاده می‌شود، ضروری است (کلاین، ۱۳۸۰،ص: ۵). کاربرد این فن در آمار به حدی است که کرلینجر (کرلینجر، جلد دوم، ۱۳۷۴، ص:۲۹۸) از تحلیل‌عاملی تحت عنوان «ملکه روش‌شناسی‌ها» یاد می‌کند. تحلیل عاملی به دو بخش کلی تقسیم می‌شود: تحلیل عاملی اکتشافی و تاییدی.

تحلیل‌عاملی اکتشافی به منظور کاهش تعداد داده ها یا کشف ساختار آن ها به کار می‌رود.

• • کاهش داده ها: حذف متغیرهای اضافی و زائد (متغیرهایی که شدیداًً به هم همبسته هستند) از فایل داده ها و جایگزینی کل داده ها با تعداد کمتری متغیر غیرهمبسته.

• کشف ساختار: بررسی روابط (متغیرهای مکنون) مهم بین متغیرها است.

در حالی که تحلیل عاملی تاییدی برای تقریب و تأیید مدلی به کار می‌رود که حاصل قیاس تئوریک باشد. به عبارتی در تحلیل عاملی تاییدی، روابط بین متغیرها و سازه‌های مکنون بر مبنای تئوری و فرضیات معین، ترسیم شده‌اند.

تحلیل‌عاملی عموماً به منظور تعریف تعداد کمی از عواملی مورد استفاده قرار می‌گیرد که بیشترین سهم واریانس از متغیرهای مشهود را توصیف می‌کنند. برای دستیابی ‌به این هدف از ماتریس همبستگی بین متغیرهای مشهود^[۴۵] استفاده شده و با تشخیص مجموعه‌ای از متغیرها که با هم دارای همبستگی زیاد و نسبت به بقیه ناهمبسته هستند، آن ها را به یک یا چند عامل مکنون^[۴۶]‌ نسبت می‌دهد. در واقع در تحلیل‌عاملی این‌گونه فرض می‌شود که تغییرات یا واریانس متغیرهای موردنظر، در اثر عواملی مکنون ایجاد می‌شود و در نتیجه با تعداد کمی عامل می‌توان واریانس مشاهده شده تعداد زیادی متغیر را تبیین نمود و از این نتایج در تحلیل‌های بعدی استفاده نمود.

مسائل مهم در تحلیل عاملی شیوه های استخراج عوامل، تعیین تعداد عامل، بررسی کفایت نمونه‌گیری و چرخش عوامل^[۴۷] می‌باشند.

هدف مرحله استخراج عامل‌ها^[۴۸]، به دست‌آوردن سازه‌های زیربنایی است که موجب تغییرات متغیرهای مورد مشاهده شده‌اند (سرمد و همکاران، ۱۳۸۰). روش‌های تحلیل مؤلفه‌های اصلی^[۴۹]، حداقل مربعات ناموزون^[۵۰]، حداقل مربعات تعمیم‌یافته^[۵۱]، بیشینه درست‌نمایی^[۵۲]، مؤلفه‌های اصلی^[۵۳]، آلفا^[۵۴] و روش عامل‌یابی مبتنی بر تصویر^[۵۵] شیوه های مختلف استخراج عوامل در تحلیل عاملی اکتشافی محسوب می‌گردند.

در این میان روش مؤلفه‌های اصلی، سهم واریانس تبیین‌شده به وسیله عوامل را به حداکثر می‌رساند. اما نقطه ضعف این شیوه در آن است که تمام واریانس متغیرهای مشهود را تبیین می‌کند. از آن‌جا که هر ماتریس معین شامل مقداری خطا، هرچند اندک است، این مسئله یک نقطه ضعف برای این روش قلمداد می‌شود..(کلاین، ۱۳۸۰، ص: ۶۰)

باید دانست که در ماتریس‌های بزرگ، تفاوت‌های بین این روش‌ها معمولاً کم است اما به نظر می‌رسد که روش تحلیل مؤلفه‌های اصلی انتخاب معقولی باشد.(کلاین،۱۳۸۰، ص: ۹۹)

قبل از اقدام به تفسیر عامل‌ها باید آن‌ ها را چرخش داد. (کلاین، ۱۳۸۰، ص: ۷۷-۷۶). چرخش عاملی تلاش در راستای تبیین مناسب‌تر واریانس متغیرهای مشهود توسط عوامل مکنون می‌باشد. روش‌های چرخش عوامل به دو دسته کلی تقسیم می‌شوند: چرخش متعامد^[۵۶] یا ناهمبسته و چرخش متمایل^[۵۷] یا همبسته. روش‌های چرخش متعامد زمانی مورد استفاده قرار می‌گیرند که عامل‌ها با یکدیگر همبستگی ندارند اما زمانی که همبستگی بین عامل‌ها وجود داشته باشد،‌ روش‌های نامتعامد یا متمایل کاربرد می‌یابند. روش‌های واریماکس^[۵۸]، ابلیمین مستقیم^[۵۹]، کوارتیماکس^[۶۰]، ایکوماکس^[۶۱] و پروماکس^[۶۲] شیوه های چرخش عوامل محسوب می‌گردند. ‌بر اساس قانون ایجاز، که اغلب اصل لویدمورگان^[۶۳] با اصل اوکام^[۶۴] نامیده می‌شود، همیشه باید از تبیین‌هایی که با واقعیت تطبیق دارند، ساده‌ترین را انتخاب نمود. این اصل به کرات در علوم طبیعی به کار رفته است. منطق این اصل بر آن است که از میان تعداد نامحدودی چرخش، ساده‌ترین راه‌حل انتخاب شود تا از این طریق به ساختار ساده دست یابیم.(کلاین، ۱۳۸۰، ص: ۷۸-۸۶). اساساً ملاک ساختار ساده این است که در ماتریس عاملی، هر یک از عامل‌ها صرفاً تعداد اندکی بار بالا داشته باشند.(کلاین، ۱۳۸۰، ص: ۸۷).

گر چه در بعضی از موارد با عامل‌های متعامد نمی‌توان به ساختار ساده دست یافت، توافق همگان بر این است که واریماکس کارآمدترین شیوه در این دسته است. کلاین اعتقاد دارد که واریماکس روشی عالی برای رسیدن به ساختار ساده متعامد است. ( کلاین،‌۱۳۸۰، ص:۹۱-۹۰).

در حوزه روش‌های متمایل نیز هاکستین(Hakstian, 1971) نشان‌داد که روش ابلیمین مستقیم و ماکس پلان مؤثرترین روش برای دستیابی به ساختار ساده است اما ‌از بین این دو، ابلیمین مستقیم معتبرتر می‌باشد.