دانلود پرسشنامه استاندارد رفتار شهروندی سازمانی اسمیت و ارگان ۱۹۸۳

دانلود پرسشنامه استاندارد رفتار شهروندی سازمانی اسمیت و ارگان ۱۹۸۳

این پزسشنامه دارای ۱۶ سوال و ۴ مولفه و ۵ گزینه ای  می باشد.

 

دانلود

دانلود پرسشنامه استاندارد مدیریت تحول گرا

دانلود پرسشنامه استاندارد مدیریت تحول گرا

این پرسشنامه دارای ۲۹ سوال وسه مولفه و پنج گزینه ای لیکرت می باشد

 

دانلود

آموزش نرم افزار spss

 

 

نحوه کار با منو ها

گزینه ها ی موجود در نوار منو:

منوی file  :

باز کردن پرونده جدید ، پرونده های ذخیره شده ، ذخیره کردن تغییرات پرونده ای را که روی آن کار می کنیم، را در این قسمت می توان انجام داد.

گزینه new :این گزینه در منوی فایل برای زمانی استفاده می شود که بخواهیم داده های جدیدی را وارد کنیم. در این صورت از گزینه new data  استفاده می کنیم.

گزینه new syntax   زمانی استفاده می شود که بخواهیم دستورات را بصورت نوشتاری تایپ کرده و آن را اجرا کنیم . پس از نوشتن دستور مورد نظر باید پایان دستور را با نقطه مشخص کنیم و به منظور اعمال دستور ، کلید run   استفاده می شود.

البته در نسخه های فعلی نیازی به نوشتن دستورات آماری وجود ندارد و اکثر آزمونهای آماری در برنامه گنجانده شده است.

گزینه open : شامل همان بخش های موجود در گزینه new  است با این تفاوت که فایل های موجود در رایانه ، که قبلا ذخیره شده اند را به نمایش می گذارد.

گزینه save و save as : هر دو گزینه با اندکی تفاوت برا ذخیره کردن داده ها استفاده می شود با این تفاوت که گزینه save as  برای ذخیره کردن همان داده در یک مکان جدید استفاده می شود.

گزینه rename data set : اگر بخواهیم نام پوشه را تغییر دهیم از این گزینه را انتخاب کرده ، پنجره جدیدی با همین عنوان باز می شود که می توان نام جدید را وارد کرد.

منوی Edit : در این منو کاربر می تواند با استفاده از گزینه های undo و redo به اطلاعات قبلی باز گردد و اطلاعات را اصلاح کند.گزینه های دیگری که در این منو کاربر می تواند ساتفاده کند اضافه کردن متغیر ها یا اضافه کردن ستون جدید( Insert variable  ) و اضافه کردن مورد ها  یا پاسخ گو هاست (   ( Insert caseاست.

منوی view  : با فرمانهای این منو می توان پنجره های نرم افزار را تنظیم کرد.با استفاده از گزینه font  می توان نوع قلم را تغییر داد  و قلم مورد نظر را استفاده کرد.با استفاده از گزینه grid Lines   می توان خطوط مربوط به تقسیم بندی را حذف کرد.

منوی data : این منو دارای فرمانهایی برای تعریف ویژگی های  متغیر (   Define Variable Properties   ) ، مرتب سازی متغیر ها (sort   ) ، ادغام پرونده ها یا فایل های مختلف در چند درایور یا کامپیوتر ( merge file  ) ، وزن گذاری پاسخگویان یا موارد( Weight Case) ، شکستن فایل ( Split File )، و شرط گذاری پاسخگویان یا موارد(select Case   ) می باشد.

زمانی که بخواهیم داده های دو فایل جدا گانه را با هم ادغام کنیم و به عبارتی داده های فایل دوم را در انتهای فایل اول بچسبانیم  از دستور merge file استفاده می کنیم.

این دستور دارای دو حالت است:

Add case : زمانی که بخواهیم پاسخگویان را در چند فایل با هم ادغام کنیم.

Add Variable : زمانی که بخواهیم داده های چند فایل را با هم ادغام کنیم.

گزینه select case  : این گزینه برای انتخاب اعمال انجام شده برای گروه خاصی است که دارای ۵ گزینه به شرح زیر است:

۱/ select case  : این دستور زمانی استفاده می شود که نخواهیم شرطی را برای گروه خاصی استفاده  کنیم و می خواهیم تحلیل را برای تمام پاسخگویان انجام دهیم.

۲/ IF condition is satisfied  : با استفاده از این حالت می توان برای داده های مورد گزارش گیری شرط گذاشت.

۳/ random sample of cases : در این حالت یک نمونه از کل داده ها را انتخاب می کنیم تا اعمال فقط بر روی آنها انجام شود.

۴/ base on time or case range : در این حالت می توانیم با دادن شماره پاسخگویان طیف خاصی از آنها  را انتخاب کنیم .

۵/ use filter variable : این حالت به تنهایی قابل استفاده نیست و فقط زمانی استفاده می شود که بخواهیم . پاسخگویان را به دو دسته تقسیم کنیم  ، پاسخگویان دارای ملاک و پاسخگویانی که ملاک را ندارند.

تحلیل عاملی در پایان نامه

 تحلیل عاملی در پایان نامه

 مرحله 1: تولید ماتریس همبستگی برای تمامی متغیرهای نمونه آماری:

 ماتریس همبستگی ماتریسی مربعی از ضرایب همبستگی متغیرها با یکدیگر است.

برای اینکار باید مشخص شود که آیا هدف، محاسبه همبستگی بین متغیرهاست یا بین پاسخگویان.به عنوان مثال ممکن است داده هایی از 70 نفر را در مورد 10 سوال مربوط به ازدواج گردآوری شده باشد این امکان وجود دارد که همبستگی بین هریک از 10 متغیر و یا بین هرکدام از پاسخگویان محاسبه شود.

 اگر هدف مطالعه، تلخیص متغیرها باشد ،در اینصورت باید همبستگی بین متغیرها محاسبه شود این روش به تحلیل عاملی نوع R  معروف است.اگر تخلیل عاملی برای ماتریس همبستگی بین پاسخگویان به کار برده شود،در اینصورت روش فوق را روش تحلیل عاملی ،نوع Q میگویند.

تحلیل عاملی نوع  Q به دلیل مشکل بودن کمتر،مورد توجه قرار گرفته و بیشتر از روش تحلیل خوشه ای برای طبقه بندی پاسخگویان استفاده میشود.

به عنوان مثال اگر پاسخگویان بوسیله شماره مشخص شوند نتایج تحلیل عاملی از نوع Q ممکن است نشان دهد که افراد شماره های 2،5،10و14 شباهت بیشتری به هم دارند و چون این افراد بار بیشتری بر یک عامل دارند(یعنی همبستگی بین آنها زیاد است) بنابراین افراد فوق میتوانند در یک گروه قرار گیرند.

یکی از روشهای انتخاب متغیرهای مناسب برای تحلیل عاملی استفاده از ماتریس همبستگی است.از آنجا که اساس روش تحلیل عاملی بر همبستگی بین متغیرها اما از نوع غیرعلی استوار است بنابراین در استفاده از این روش باید ماتریس همبستگی بین متغیرها نیز محاسبه گردد .توصیه میشود متغیرهایی که با هیچ متغیری همبستگی لازم را نداشته باشند از تحلیل حذف گردند .

البته آماره های دیگری نیز وجود دارند که محقق از طریق آنها نیز قادر به تعیین و تشخیص مناسب بودن داده ها برای تحلیل آماری میباشد. از جمله این روشها روش KMO میباشد.

 روش KMO:

مقدار آن همواره بین 0و 1 در نوسان است در صورتی که KMO کمتر از 0.5 باشد داده ها برای تحلیل عاملی مناسب نخواهد بود و اگر مقدار آن بین 0. 5  تا 0.69 باشد داده ها متوسط بوده و اگر مقدار این شاخص،بزرگتر از 0.7 باشد همبستگی های موجود در بین داده ها برای تحلیل عاملی مناسب خواهند بود.

 روش بارتلت:

یکی دیگر از روشهای تشخیص مناسب بودن داده ها میباشد آزمون بارتلت ،این فرضیه را که ماتریس همبستگی مشاهده شده متعلق به جامعه ای با متغیرهای نابسته است ، می آزماید. برای اینکه یک مدل عاملی ،مفید و دارای معنا باشد لازم است متغیرها همبسته باشند.پس فرضیه آزمون بارتلت به اینصورت است:

H0 : داده ها ناهمبسته اند.

H1 :داده ها همبسته اند.

پس مطلوب آن است که فرض صفر رد شود. آگر فرض صفر رد نشود مطلوبیت تحلیل عاملی زیر سوال میرود.و باید درباره انجام آن تجدید نظر کرد.

به همین دلیل است که قبل از تحلیل عاملی بایستی به تشکیل ماتریس همبستگی بین متغیرها اقدام کرد.

 مرحله 2- انتخاب مدل تحلیل :

 مدلهای مختلفی برای تحلیل عاملی وجود دارد که مهمترین آنها دو روش "تحلیل مولفه های اصلی "و "تحلیل عاملی مشترک" است.

مدل تحلیل مولفه های اصلی زمانی به کار میرود که هدف محقق تلخیص متغیرها و دستیابی به تعداد محدودی عامل برای اهداف پیش بینی باشد.

مدل تحلیل عاملی مشترک ،زمانی بکار میرود که هدف، شناسایی عاملها یا ابعادی باشد که به سادگی قابل شناسایی نیستند.

سه نوع واریانس با توجه به هدفی که ما در تحلیل عاملی داریم قابل تعریف است:

1- واریانس مشترک: آن بخش از واریانس است که با سایر متغیرهای لحاظ شده در تحلیل سهیم میباشد.

 2- واریانس خاص: واریانسی است که تنها به متغیرXi مربوط است .

 3- واریانس خطا: ناشی از بی اعتباری در داده های جمع آوری شده و یا شانس و تصادف در اندازه گیری پدیده هاست.

 زمانیکه از تحلیل مولفه های اصلی استفاده میشود واریانس کل مد نظر است و سهم واریانس خطا و واریانس خاص کم است.در تحلیل مولفه های اصلی ،مقادیر قطرهای ماتریس همبستگی 1 است.

برعکس در تحلیل عاملی مشترک،مقادیر مشترکات در قطر ماتریس قرار میگیرد و عاملها تنها بر اساس واریانس مشترک استنتاج میگردند.

 مرحله 3- روش استخراج عامل ها:

برای استخراج عامل ها دو روش وجود دارد:

1- عامل های متعامد

2-عامل های متمایل

در روش متعامد ،عاملها به شیوه ای استخراج میشوند که محورهای عاملی در حالت 90 درجه قرار گیرند و این بدین معناست که هر عامل ، مستقل از سایر عامل ها میباشد بنابراین همبستگی بین عاملها بطور قراردادی صفر تعیین میگردد.

مدل عاملی متمایل،پیچیده تر است در این روش همبستگی بین عاملها صفر نیست و عاملها دارای همبستگی میباشند.

مدل عاملی متعامد از نظر ریاضی، ساده میباشد اما مدل متمایل قابل تعدیل بوده و بیشتر واقع گراست.

اگر هدف تحقیق ،تلخیص تعداد متغیرهای اصلی بدون توجه به اینکه نتایج عاملهای استخراج شده تا چه حد معنی دار خواهد بود انجام گیرد در اینصورت روش متعامد روش مناسبی خواهد بود.

زمانیکه 3 مرحله قبل تصمیم گیری شد ،زمینه برای استخراج عاملهای اولیه چرخش نیافته فراهم میشود.با بررسی ماتریس چرخش نیافته،محقق میتواند به جستجوی روشهای تلخیص داده ها و تعیین تعداد عاملهای استخراجی بپردازد.اما تعیین نهایی تعداد عاملها پس از دستیابی به ماتریس عاملی چرخش یافته امکان پذیر میباشد.

با توجه به هدفی که محقق دارد ،در این مرحله ممکن است محقق با تفسیر عاملها به کار خود پایان دهد و یا ممکن است مقادیر عاملی را برای استفاده در تحلیل های دیگر مانند رگرسیون ،محاسبه کند.

  مرحله 4 – چرخش عاملها:

 یکی از مفاهیم مهم در تحلیل عاملی ، چرخش عاملهاست. بسیاری از آماردانان و محققان معتقدند که در بسیاری از موارد ،عاملهای چرخش نیافته کافی نیستند زیرا چرخش عاملها از ورود برخی از متغیرها در عاملهای مختلف جلوگیری میکند و ساختار عاملی مناسب و قابل تفسیرتری ارائه میدهد.بنابراین دلیل اصلی چرخش عاملها دستیابی به ماتریس عاملی ساده و از نظر تئوریکی معنادار و قابل تفسیرتر است.

عاملها به دور مبدا ،چرخش داده میشوند تا موقعیت جدیدی کسب کنند.

دو نوع چرخش وجود دارد:

1- چرخش متعامد

2- چرخش متمایل

 در چرخش متعامد،زاویه محورهای عمودی و افقی در حالت 90 درجه باقی میماند.اما اگر در چرخش عاملها ، زاویه بین محورها در حالت 90 درجه باقی نماند این نوع چرخش ، چرخش متمایل است.

از آنجا که در روش چرخش متمایل ضرورتی ندارد که محورهای عاملها به صورت قائم باقی بمانند بنابراین این روش از انعطاف بیشتری برخوردار است.همچنین این روش واقعیتر به نظر میرسد.

آنچه که مسلم است هدف همه روشهای چرخش عاملی، ساده سازی سطرها یا ستونها یا هر دوی آنها در ماتریس عاملی برای تسهیل در تفسیر میباشد.

هدف از ساده سازی سطرها ،نزدیک کردن داده های هر سطر در حد امکان به صفر میباشد.و هدف از ساده سازی ستونها نیز نزدیک کردن مقادیر آن در حد امکان به صفر میباشد. سه روش عمده متعامد برای تحقق این اهداف فرموله شده است.

3-6-1. روشهای چرخش عاملها:

1-     کوارتیماکس

2-     وارتیماکس

3-     اکوایماکس

 روش کوارتیماکس در ایجاد یک ساختار عاملی ساده تر موفق نمیباشد مشکل این روش در آن است که سعی میکند در فرایند چرخش ، یک عامل عمومی به دست آورد در حالیکه هدف اصلی چرخش ماتریس عاملی ،دست یابی به یک عامل عمومی وسیع نمیباشد.

در مقابل روش واریماکس به دنبال مختصر کردن و ساده سازی ستونهای ماتریس عاملی است .هرچند که محاسبات جبری برای روش کوارتیماکس ساده تر از روش واریماکس میباشد اما واریماکس جداسازی عاملها را به طور شفاف تر و واضح تر نشان میدهد.

به هر حال روش واریماکس استفاده وسیعتری در بین محققان دارد.

3-6-2. معیارهای استخراج تعداد عاملها:

به طور کلی به تعداد متغیرهایی که به تحلیل وارد میشود میتوان عامل استخراج کرد اما عاملهای آخری سهم بسیار کمتری در تبیین موضوع خواهند داشت.

اگرچه مبنای کمی دقیقی برای تصمیم گیری در مورد تعداد عاملهای استخراجی ارائه نشده است اما ضوابطی وجود دارد که از آنها در تصمیم گیری برای تعیین تعداد عاملهای استخراجی استفاده میشود.که این معیارها به شرح زیر هستند:

 1- معیار مقدار ویژه: این معیار ساده ترین روش برای تعیین تعداد عاملهاست.در تحلیل مولفه های اصلی تنها  عاملهایی که مقدار ویژه آنها بیشتر از یک باشد به عنوان عاملهای معنی دار در نظر گرفته میشود و کلیه عاملهایی که مقدار ویژه آنها کمتر از یک است از تحلیل کنار گذاشته میشوند.

بسیاری از محققان از جمله کیسر ،مقدار ویژه 1 را مبنای تعیین تعداد عاملها قرار میدهند اما زمانی که تحلیل عاملی مشترک به عنوان مدل تحلیل انتخاب میگردد معیار مقدار ویژه 1 باید قدری تعدیل شود.

رهیافت مقدار ویژه زمانی که تعداد متغیرها بین 20 تا 50 باشد قابل اعتماد به نظر میرسد.اگر تعداد متغیرها کمتر از 20 باشد ممکن است به دلیل کوچک بودن مقدار ویژه حتی یک عامل هم استخراج نشود.اگر تعداد متغیرها بالای 50 باشد در اینصورت عوامل زیادی استخراج میشود که غیر معمول است.

 2- معیار مقدار پیش بین:

در این روش محقق از قبل تعداد عاملها را مشخص میکند.

 3- معیار درصد واریانس:

معیار درصد واریانس تبیین شده توسط عاملها نیز ضابطه دیگری برای تعیین تعداد عاملهاست.در این روش درصد تجمعی واریانس مبنای تصمیمگیری است.فرایند استخراج عوامل تا زمانی ادامه می یابد که این عامل ها بتوانند حداقل 95 درصد واریانس داده ها را تبیین کنند.

3-6-3. معیار تعیین سطح معنی داری بارهای عاملی:

 برای تفسیر عاملها باید مشخص شود که کدامیک از بارهای عاملی باید به عنوان مقادیر معنی دار لحاظ گردند برای اتخاذ این تصمیم به اینصورت عمل میکنیم:

هرچه میزان بار عاملی بیشتر باشد سطح معنی داری آنها در تفسیر ماتریس عاملی افزایش می یابد.استفاده از این معیار زمانی مناسب است که تعداد نمونه ها بیش از 50 مورد باشد.

بارهای عاملی که بزرگتر از +-0.3 باشند معنی دار

بارهای عاملی که بزرگتر از +-0.4 باشند دارای سطح معنی داری بالا و

بارهای عاملی که بزرگتر از +-0.5 باشند بسیار معنی دارتلقی میشوند

 

 با توجه به مطالعه گسترده ادبیات موضوع تحقیق و مصاحبه های صورت گرفته با کارشناسان امور بانکی ،چارچوب مفهومی اولیه تحقیق طراحی گردید و براساس آن پرسشنامه ای به صورت طیف پنج گزینه ای لیکرت به منظور جمع آوری داده های تحقیق تدوین شد. آنگاه ضمن آزمون آزمایشی پرسشنامه بین40 نفر از افراد جامعه، انجام پاره ای اصلاحات و همچنین سنجش روایی وپایایی آن، نسبت به توزیع پرسشنامه بین افراد نمونه تحقیق اقدام گردید.

 

3-7.نحوهنمایشوپذیرشتحلیل عاملی

       تحلیل عاملی از روش های مختلفی انجام می شود که در این تحقیق با توجه به اینکه شناخت مولفه های تاثیرگذار مورد نیاز است از روش تجزیه به مولفه های اصلی این کار صورت میگیرد. ماتریس مولفه های اصلی به شکل های مختلفی دوران  پیدا می کند که از بین این اشکال دوران وریماکس برای شناسائی موثرترین مولفه ها مناسب ترین روش است. انتخاب تعداد عوامل نیز علاوه بر مقدار واریانس تبیین شده توسط آنها به روش های مختلفی صورت میگیرد. در این تحقیق مولفه هایی انتخاب می شوند که دارای مقدار ویژه بزرگتر از 1 باشند. این روش اصلی ترین روش انتخاب تعداد مولفه ها است. پذیرش یک تحلیل عاملی مشروط بر تایید برخی از مشخصه ها است. شاخص هایی جهت کفایت تحلیل عاملی معرفی شده اند که تعدادی از آنها عبارتند از:

1.مقدار دترمینان ماتریس همبستگی صفر نباشد.

2.شاخص KMO ترجیحا بالای 0.5 باشد

3.نتیجه آزمون کرویت بارتلت از لحاظ آماری معنادار باشد.

تحلیل عاملی انجام شده در صورت داشتن شروط فوق قابل قبول است(1999 . Janson , Wichern).

روایی و پایایی پرسشنامه

ابزاری که برای جمع‌آوری داده‌ها مورد استفاده قرار می‌گیرند در مرحله نخست باید از روایی برخوردار باشند و در مرحله دوم باید پایایی داشته باشند.

روایی ‌(اعتبار) به ارتباط منطقی، بین پرسش‌های آزمون و مطلب مورد سنجش اشاره دارد. وقتی گفته می‌شود آزمون، روایی دارد به این معنا است که پرسش‌های آزمون به طور دقیق آن چه را که مورد نظر می‌باشد، می‌سنجد. اعتبار، جنبه های مختلف دارد و ارتباط بین پرسش و آزمودنی با توجه به کلیه جنبه های آن حاصل می‌شود. در صورتی که این ارتباط وجود نداشته باشد اعتبار به وجود نمی‌آید. در یک پژوهش برای بررسی روایی پرسشنامه از روش روایی محتوایی، ملاکی، و اعتبار سازه استفاده می‌شود. روایی محتوایی بیشترین کاربرد را در تعیین روایی یک مقیاس دارد. اعتبار محتوای یک ابزار اندازه‌گیری به سؤال‌های تشکیل دهنده آن بستگی دارد. برای تعیین اعتبار محتوایی، پرسشنامه به تعدادی از صاحب‌نظران داده می‌شود و از آن‌ها در مورد سؤالات و ارزیابی فرضیه‌ها نظرخواهی می‌گردد تا روایی پرسشنامه را تأیید نمایند.

پایایی (قابلیت اعتماد) یکی از ویژگی‌های فنی ابزار اندازه‌گیری است که نشان دهنده این است که ابزار اندازه‌گیری تا چه اندازه نتایج یکسانی در شرایط مشابه به دست می‌دهند. روش موازی، دو نیمه کردن، کودر-ریچاردسون و آلفای کرونباخ ‌از جمله روش‌های سنجش پایایی هستند که روش آلفای کرونباخ کاربرد بیشتری دارد.

برای محاسبه ضریب آلفای کرونباخ، ابتدا باید واریانس نمرات هر سؤال پرسشنامه(σ_y) و واریانس کل آزمون (σ_x)را محاسبه کرد و سپس با استفاده از فرمول زیر مقدار ضریب آن را محاسبه نمود. چنانچه این مقدار بیش از 70% محاسبه گردد، پایایی پرسشنامه مطلوب ارزیابی می‌شود.(K تعداد پرسش ها)

 

 

تحلیل عاملی

برای اجرای تحلیل عاملی در spss 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.