تحليل المكونات الرئيسة PCA واختزال المؤشرات

هذه قراءة تطبيقية في اختيار الإجراء الإحصائي وتوثيق افتراضاته وليست عرضًا لنتائج دراسة ميدانية، وينبغي أن تبقى مسؤولية تفسير البيانات وتقرير حدود التعميم لدى الباحث ومشرفه

المسألة البحثية ومتى تبرز الحاجة إليها

يحّول PCA مجموعة متغيرات مترابطة إلى مكونات متعامدة تعظم التباين المفسر تباعًا، وهو اختزال رياضي لا يعادل افتراض عوامل نفسية كامنة مسبقًا

الإجراء التطبيقي وضبط جودته

تراجع وحدات المتغيرات وقرار توحيد القياس، وتختار المكونات من خلال أهداف التحليل ونسب التباين وأدوات التحقق، وتُفسر الأوزان مع الانتباه إلى اتجاهها الاصطلاحي

مثال جامعي يوضح القرار

إذا جُمعت مؤشرات عديدة عن البنية الرقمية للكليات، فقد يختزلها مكون رئيس يصف الوفرة التقنية، لكن المحتوى المؤسسي للمكون يحتاج قراءة نوعية للمؤشرات الأصلية

ما لا يجوز استنتاجه من النتائج

لا يصح اختيار عدد المكونات من التباين وحده ثم التعامل معها كأبعاد نظرية مثبتة، ولا تُستخدم قيمة تحميل مرتفعة دليلًا على صدق مقياس نفسي في غياب نموذج قياس مناسب

ولا يكتمل تقرير التحليل حتى تبين العلاقة بين السؤال والاختبار والافتراضات والتقديرات والقيود كما يقتضي التصميم المحدد.

معيار إضافي للتحقق من سلامة القرار

قد يسيطر متغير ذو وحدة كبيرة على المكونات عند عدم توحيد المقاييس، لذا ينبغي تقرير استخدام مصفوفة التغاير أو الارتباط بحسب الغرض، ثم بيان تحميلات المتغيرات ونسبة التباين التراكمية وسبب اختيار المكونات، وتجنب تسميتها عوامل كامنة مثبتة ما لم يوجد نموذج قياس مستقل يدعم ذلك

المراجع العلمية والنظامية

1. المعهد الوطني الأمريكي للمعايير والتقنية، الدليل الإلكتروني للطرق الإحصائية
2. مشروع jamovi، دليل التحليلات الرسمية