برای اجرای تحلیل عاملی در spss18 به صورت زیر عمل می کنیم، البته در تمامی نسخه ها فرآیند تقریباً یکسان می باشد:
Analyze / Dimension Reduction / Factor
پنجره Factor Analysis باز می شود. متغیرهایی را که می خواهید خلاصه کنید، انتخاب و به کادر Variables منتقل نمایید. بر روی تب Descriptives کلیک کنید تا پنجره آن باز شود. گزینه های Univariate Descriptives (برای ارائه آمار توصیفی)، Ininial solution (برای ارائه اشتراکات اولیه، مقادیر ویژه و درصد واریانس های تشریح شده)، Coefficients (برای ارائه ماتریس همبستگی)، Reproduced (برای ارائه برآوردی از ماتریس همبستگی به دست آمده از عامل های استخراج شده توسط تحلیل) و KMO and Bartlett`s test of sphericity (برای اجرای آزمون بارتلت و KMO) را فعال نموده و continue را بزنید.
اکنون بر روی تب Extraction کلیک کنید تا پنجره آن باز شود. گزینه Scree pilot (برای ارائه نمودار اسکری) را فعال نمایید. در کادر Extract مقدار Eigenvalue به صورت پیشفرض بر روی 1 قرار داده شده، که می توانید مقدار آن را تغییر دهید( مقدار ویژه یکی از ضوابط پر کاربرد در تعیین تعداد عامل ها می باشد، بسیاری از محققان از جمله کایسر مقدار ویژه 1 را مبنای تعیین تعداد عامل ها قرار می دهند). اگر می خواهید تعداد عامل ها از قبل مشخص باشد، گزینه Fixed number of factors را فعال کرده و تعداد مورد نظر را وارد نمایید و continue را بزنید.
در ادامه بر روی تب Rotation کلیک کنید. در این پنجره گزینه Varimax را انتخاب نمایید و continue را بزنید. چرخش عاملی فرآیندی است برای تعدیل محور عامل به منظور دستیابی به عامل های ساده و معنی دار. ماتریس عاملی چرخش نیافته عامل ها را به ترتیب اهمیت آن ها استخراج می کند. اثر نهایی چرخش دادن ماتریس عاملی، توزیع مجدد واریانس از عامل های اولی به عامل های بعدی برای دستیابی به الگوی عاملی ساده تر و معنادارتر است. روش واریمکس یک روش پرکاربرد و مناسب در انجام چرخش عاملی می باشد، در این روش ستون ها تا حد امکان ساده سازی می شوند.
بر روی تب Option کلیک کنید و گزینه Suppress absolute values less than را فعال کنید و عدد 0.50 را وارد نمایید و continue را بزنید. انجام این کار باعث می شود در جدول ماتریس چرخش نیافته و چرخش یافته اعدادی که کمتر از 0.50 باشند حذف شوند، این کار تفسیر نتایج را راحت تر می کند.
اکنون بر روی ok کلیک کنید تا نتایج به دست آیند.
جدول Correlation Matrix همبستگی بین متغیرها را نشان می دهد. پیشنهاد می شود متغیرهایی که با سایر متغیرها همبستگی پایینی دارند، حذف شوند.
جدول Total Variance Explained میزان اشتراکات و مقادیر ویژه را نشان می دهد. عواملی که مقدار ویژه آن بزرگتر از 1 باشد به عنوان عامل های نهایی انتخاب می شوند.
جدول Component Matrix بارهای عاملی(میزان همبستگی متغیرها با عوامل) را نشان می دهد. متغیرهایی که بار عاملی بالاتری دارند(بر حسب تجربه بسیاری از محققان بالای 0.50 باشد) در زیر یکی از ستون ها مشخص می شوند که نشانگر متعلق بودن متغیر به آن عامل می باشد. اگر هدف فقط تلخیص متغیرها باشد بهتر است نتایج از این جدول استخراج شود.
جدول Rotated Component Matrix ماتریس عاملی چرخش یافته می باشد. اگر هدف محقق تلخیص متغیرها به منظور دستیابی به متغیرهای جدید برای تحلیل های آماری بعدی باشد، بهتر است از این جدول نتایج استخراج شود.
حسابداری مالیات بر ارزش افزوده در دفاتر پیمانکار و کارفرما