ابزارهای آماری و کاربرد آنها – تحلیل عاملی

تحلیل عاملی یک تکنیک کاهش داده است. با توجه به تعداد زیادی ویژگی، تحلیل عاملی با گروه بندی ویژگی ها بر اساس همبستگی بین ویژگی ها، چند بعد زیربنایی را شناسایی می کند . به عنوان مثال، قیمت یک محصول، هزینه خدمات پس از فروش، و هزینه تعمیر و نگهداری را می توان به عنوان بخشی از یک بعد شناسایی کرد: هزینه کل.

نمایش نموداری

ویژگی هایی مانند بی خوابی، حالت تهوع و تمایل به خودکشی را می توان در مجموع با یک اصطلاح توصیف کرد: افسردگی. در اینجا سه ​​متغیر/ویژگی با یک عامل منفرد نشان داده شده اند.

پیاده سازی تحلیل عاملی

تحلیل عاملی معمولاً زمانی معنادارتر است که با روش های بعدی مانند خوشه بندی دنبال شود. در زیر به برخی از کاربردهای این روش اشاره می شود:

• شناسایی عوامل زمینه ای: متغیرهای همگن را در مجموعه های جدید (یعنی عوامل) دسته بندی می کند. 

   

• متغیرهای غربالگری: تحلیل عاملی یک متغیر را به عنوان نمایشی از چندین متغیر مشابه دیگر مرتبط می کند که بیشتر برای تحلیل رگرسیون مفید است. 

   

• تجزیه و تحلیل خوشه ای: کمک می کند تا اشیاء را در دسته بندی های مشروط به امتیازات عامل آنها جفت کنیم. 

فاکتورسازی در تحقیقات بازاریابی

در حالی که تجزیه و تحلیل عاملی در چندین زمینه مانند روان سنجی، روانشناسی، علوم فیزیکی و غیره استفاده می شود، ما بر روی موضوع مرتبط در این ماژول تمرکز خواهیم کرد: تحقیقات بازاریابی. روش استفاده از تحلیل عاملی در یک مطالعه تحقیقاتی بازاریابی معمولی به شرح زیر است:

• تمام ویژگی هایی را که مصرف کنندگان ممکن است در هنگام خرید یک محصول یا دسته در نظر بگیرند، در نظر بگیرید. 

   

• جمع آوری پاسخ از مصرف کنندگان از طریق تکنیک های جمع آوری داده های کمی مانند نظرسنجی بر اساس این ویژگی ها. 

   

• داده‌های جمع‌آوری‌شده را در یک برنامه آماری تغذیه کنید تا به عوامل کمتری دست پیدا کنید که نشان‌دهنده همه ویژگی‌های مهم فهرست‌شده در بالا هستند. SPSS رایج ترین نرم افزاری است که برای تحلیل عاملی استفاده می شود. 

   

• از این عوامل بیشتر برای ساختن نقشه‌های ادراکی، موقعیت‌یابی محصول، رگرسیون، خوشه‌بندی و غیره بر اساس هدف مطالعه استفاده کنید. 

نمونه های صنعتی که نیاز به استفاده از این ابزار دارند

• مصرف کنندگان یک محصول را بر اساس 20 ویژگی مختلف رتبه بندی می کنند. ابعاد اساسی زیربنای این 20 ویژگی چیست؟ 

   

• مشتریان اهمیت ویژگی های مختلف را برای یک سرویس ارزیابی می کنند. آیا می توانیم ابعاد زیربنایی خدمات را شناسایی کنیم؟ 

مفروضات تحلیل عاملی

برای اینکه این روش معتبر باشد، برخی مفروضات باید درست باشد:

• بدون نقاط پرت در مجموعه داده: این بدان معناست که هیچ داده شدیدی نباید در مجموعه داده وجود داشته باشد. به عنوان مثال، مقادیر زیر را در نظر بگیرید: 1، 5، 8،-4، 23، و 1246783. دومی یک مقدار پرت است که داده های باقی مانده را تحت تأثیر قرار می دهد. 

   

• اندازه نمونه مناسب: این به سادگی نشان می‌دهد که باید متغیرهای بیشتری وجود داشته باشد که آن‌ها را فاکتور می‌کند. این شهودی است زیرا 3 متغیر نمی توانند 4 عامل را تولید کنند. همچنین هر متغیر باید مقادیر داده ای بیشتری نسبت به تعداد فاکتورها داشته باشد. 

   

• مجموعه داده ها نباید دارای چند خطی کامل باشند 
  

  Var1	Var2	Var3
  1	2	3
  2	4	6
  3	6	9
  4	8	12

  هر متغیر باید منحصر به فرد باشد. Var2 و Var3 را می توان با تقسیم آنها بر اعداد 2 و 3 به Var1 کاهش داد. از آنجایی که آنها اساساً مجموعه داده های مشابهی هستند، نمی توان از آنها برای تشکیل عوامل استفاده کرد.