شما با یک اره بزرگ به راحتی می توانید هر چوبی با هر ضخامتی را ببرید، اما به هیچ وجه نمی توانید از این اره همواره برای کارهای دیگر مانند کوبیدن یا سفت کردن چیزی استفاده کنید. در واقع اره چون هر چوبی را می برد، برای کار بریدن مناسب است و به نوعی در کار بریدن همگرایی یا اشتراک عمل دارد، اما برای سایر کارها اصولاً نامناسب است و واگرا عمل می کند، یعنی ماهیت وسیله اره اینگونه است که برای کوبیدن یا سفت کردن چیزی ساخته نشده و ما را از انجام این کار دور می کند. حال پرسشنامه هم مانند هر ابزار دیگری باید برای سنجش یک مفهوم یا متغیر، مناسب (همگرا) و برای سنجش متغیرهای دیگر، نامناسب (واگرا) باشد. بنابراین پرسشنامه ای معتبر است که بتوان با آن، تمام جنبه های یک مفهوم و متغیر را بصورت کامل سنجید و همگرا باشد، اما قادر نباشد به طور دقیق سایر متغیرها را بررسی کند و در این خصوص واگرا عمل کند. لذا در این مقاله قصد داریم که مفهوم مهم تحلیل روایی همگرا و واگرا را به عنوان زیرمجموعه روایی و پایایی پرسشنامه توضیح دهیم.
همگرا یعنی گرایش به یک نقطه یا داشتن نقطه مشترک و نزدیک بهم بودن است و برعکس واگرا، یعنی دور شدن از یکدیگر و نبود نقطه اشتراک. وقتی دو ماشین به سمت هم می آیند، در ابتدا عملکردی همگرا دارند، زیرا در حال نزدیک شدن بهم هستند و حتی در یک نقطه از کنار هم می گذرند و نقطه اشتراکی پیدا می کنند، اما بعد از آن عملکردشان واگرا خواهد شد و به مرور زمان از هم دور می شوند. پس براساس این مثال می توان نتیجه گرفت که همگرایی و واگرایی برحسب زمان مفاهیمی نسبی هستند.
همانطور که در مقدمه مقاله اشاره کردیم، پرسشنامه ای معتبر است که بتواند به طور دقیق و جامع یک مفهوم را به درستی بسنجد. لذا روایی همگرا یعنی سوالات پرسشنامه در کل یک مفهوم واحد را به خوبی اندازه گیری نمایند.
به طور مثال پرسشنامه ۱۶ سوالی هوش هیجانی بار-ان دارای ۴ بعد (ارزیابی هیجانات شخصی، ارزیابی هیجانات دیگران، کاربرد هیجان و تنظیمات هیجان) است که هر بعد با ۴ سوال مشخص شده است:
سوالات ارزیابی هیجانات شخصی شامل موارد زیر هستند:
۱- من بیشتر اوقات احساسات ویژه ای دارم و دلیل خوبی برای این احساسم دارم.
۲- من درک خوبی از عواطف شخصی خود دارم.
۳- من واقعاً احساس خود را خوب درک می کنم.
۴- من همیشه می دانم که آیا احساس خوشحالی دارم یا نه.
همانطور که می بینید هر چهار سوال دقیقاً (ارزیابی هیجانات شخصی) را می سنجند و این یعنی روایی همگرا. در واقع هر ۴ سوال در خصوص ارزیابی هیجانات شخصی همگرایی دارند و دارای نقطه مشترک می باشند.
پس روایی همگرا یعنی پرسشنامه توانسته است یک مفهوم را به درستی و با دقت اندازه گیری کند.
اما روایی واگرا (روایی افتراقی یا روایی تشخیصی) درست نقطه مقابل روایی همگرا است. یعنی سوالات یک پرسشنامه با سوالات پرسشنامه های دیگر یا سوالات یک بعد با سوالات بعد دیگر، ارتباط یا همبستگی یا نقطه اشتراکی نداشته باشد و کاملاً واگرا از هم عمل کنند و به عبارتی هیچ ارتباطی بین سوالات یک متغیر با سوالات متغیر دیگر یا سوالات یک بعد با بعد دیگر وجود نداشته باشد.
به مثال بالا برمی گردیم، همانطور که گفتیم ۴ سوال اول پرسشنامه هوش هیجانی بار-ان مربوط به ارزیابی هیجانات شخصی است و ۴ سوال بعدی مربوط به ارزیابی هیجانات دیگران است که به قرار زیر می باشند:
۵- من همواره از روی رفتار دوستانم، احساسات آنها را درک می کنم.
۶- من ناظر خوبی بر عواطف دیگران هستم.
۷- من نسبت به احساسات و عواطف دیگران، حساس هستم.
۸- من درک خوبی از احساسات افرادی که در اطرافم هستند، دارم.
همانطور که می بینید، سوالات ۵ تا ۸ دقیقاً معطوف به ارزیابی هیجانات دیگران هستند و در این خصوص روایی همگرا در آنها بالا است، اما سوالات ۵ تا ۸ با سوالات ۱ تا ۴ که مربوط به ارزیابی هیجانات شخصی هستند، مرتبط نیستند و کاملاً واگرا عمل می کنند.
بنابراین پرسشنامه هوش هیجانی بار-ان هم دارای روایی همگرا است، چون سوالات مربوط به هر بعد با هم ارتباط دارند و هم دارای روایی واگراست، چون سوالات هر بعد با سوالات بعد دیگر فاقد ارتباط و نقطه اشتراک است.
در کل می توان اینگونه گفت که روایی واگرا یعنی پرسشنامه توانسته است مفاهیم دیگر را با مفهوم اصلی خودش تمییز دهد و به عبارتی، مفهوم خود را از سایر مفاهیم جدا کند.
درست است که در تحلیل روایی همگرا و واگرا، این دو روایی دو مبحث متفاوت و مخالف یکدیگر هستند، اما رابطه بسیار مهمی باهم دارند.
این رابطه بر این اساس است که اگر پرسشنامه ای روایی همگرا بالایی داشته باشد و به عبارتی بتواند متغیر خود را به خوبی اندازه گیری کند، به تبع به دلیل تمرکز بالا بر متغیر خود دیگر قادر نخواهد بود، سایر مفاهیم و متغیرها را به درستی بسنجد و همین امر زمینه ساز تائید روایی واگرا خواهد بود.
در حقیقت می توان اینگونه نتیجه گیری کرد که اگر روایی همگرا تائید شود، روایی واگرا هم به احتمال فراوان مورد تائید قرار خواهد گرفت و این یک رابطه مهم بین روایی همگرا و واگرا خواهد بود و می توان نتیجه گرفت که در تحلیل روایی همگرا و واگرا، این دو مکمل یکدیگر می باشند و نبود یکی می تواند اعتبار دیگری را هم دستخوش تغییر کند.
اهمیت روایی همگرا و واگرا ادامه مبحث تعریف روایی همگرا و واگرا خواهد بود. بنابراین اگر تعریف این روایی ها را به خوبی متوجه شده باشید، خواه ناخواه متوجه اهمیت آنها در زمینه تحلیل روایی همگرا و واگرا هم خواهید شد:
اهمیت روایی همگرا:
پرسشنامه ای که دارای روایی همگرا است، این اطمینان را می دهد که این ابزار یا پرسشنامه به خوبی توانسته است متغیر یا مفهوم مورد نظر خود را بسنجد و تمامی سوالات و آیتم های این پرسشنامه در خصوص آن مفهوم اتفاق نظر دارند و دارای نقاط اشتراک می باشند. بنابراین وقتی پرسشنامه ای تمامی جنبه های یک متغیر را بسنجد و سوالات آن هم از نظر مفهومی به هم نزدیک باشند، می تواند قابل اعتماد و اطمینان باشد و این خود اهمیت بسیار مهمی برای روایی همگرا خواهد بود.
اهمیت روایی واگرا:
پرسشنامه ای که روایی واگرا دارد، این اطنمینان را به محقق و آزمودنی می دهد که این پرسشنامه متغیرهای دیگر را نمی سنجد و یا اینکه هر بعد پرسشنامه مستقل از هم عمل می کنند و هریک مفهوم مورد نظر خود را دارند. بنابراین پرسشنامه با روایی واگرا بالا، به طور دقیق و مناسبی می تواند مفاهیم مختلف را از هم جدا و تمییز کند و همین امر خطاهای تفسیری را برای آزمودنی به شدت کاهش می دهد.
برای اندازه گیری روایی همگرا به ترتیب ۵ مرحله وجود دارد که به تفکیک هریک را توضیح خواهیم داد:
۱- ماتریس همبستگی درونی
با استفاده از ماتریس همبستگی درونی بین سوالات پرسشنامه می توان درجه روایی همگرا را اندازه گیری نمود. برای این امر ابتدا لازم است که نرمال بودن سوالات پرسشنامه را با استفاده از شاخص های چولگی و کشیدگی و یا آزمون کولموگروف-اسمیرنوف یا آزمون شاپیروویلک مورد بررسی قرار داد و در صورتی که توزیع متغیرها یا همان سوالات پرسشنامه نرمال باشند از ضریب همبستگی پیرسون و در غیر این صورت از ضریب همبستگی اسپیرمن استفاده کرد. برای این کار ماتریس همبستگی که ارتباط تمامی سوالات پرسشنامه به صورت دو به دویی است، شکل می گیرد و اگر سطح معناداری برای هر رابطه کمتر از ۰٫۰۵ باشد، آن رابطه معنادار است و ارتباط معنی داری بین سوالات وجود دارد و در غیر اینصورت آن سوال از پرسشنامه حذف می گردد.
۲- تحلیل عاملی (Factor Analysis)
همانطور که از نام تحلیل عاملی (FA) پیداست، هر عامل یا گویه و یا سوال را مورد تحلیل قرار می دهد که آیا این عامل مفهوم اصلی را تائید می کند یا خیر؟ تحلیل عاملی روشی آماری جهت بررسی ساختار مربوط به یک مفهوم یا سازه است و به این سوال جواب می دهد که آیا این سازه یا مفهوم یا سوال دارای روایی همگرا است یا خیر؟ تحلیل عاملی برمبنای مدل فرضی برگرفته از ادبیات نظری مطرح می شود و در نهایت برمبنای داده های پرسشنامه مورد بررسی و قیاس با مدل فرضی قرار می گیرد و سوالاتی که با مفهوم اصلی همگرا نیستند، حذف می شوند. برای این کار بارعاملی یا نقشی که هر سوال در مفهوم کلی یا پرسشنامه دارد، سنجش شده و اگر این ضریب یا بارعاملی بیشتر از ۰٫۴ باشد، یعنی آن سوال بیشتر از ۴۰ درصد توانسته است آن متغیر را پوشش دهد و اگر این ضریب کمتر از ۰٫۴ باشد، آن سوال از پرسشنامه حذف می گردد.
۳- میانگین واریانس استخراجی (Average Variance Extracted)
میانگین واریانس استخراجی (AVE) شاخصی است برای سنجش و اندازه گیری میزان واریانس یک سازه که به توسط شاخص ها و سوالات خود آن تبیین می گردند. در حقیقت می توان گفت که میانگین واریانس استخراجی نشان می دهد که تا چه اندازه سوالات یک سازه یا پرسشنامه در اندازه گیری آن سازه یا پرسشنامه مشارکت و یا ارتباط دارند. در حقیقت وقتی تعداد سوالات یک سازه بیشتر شود، مقدار (AVE) هم بیشتر خواهد شد. اگر این میانگین بیشتر از ۰٫۵ باشد، روایی همگرا بالا خواهد بود و به عبارتی بیش از ۵۰ درصد از واریانس شاخص های آن سازه توسط خود سازه تبیین شده اند.
۴- پایایی ترکیبی (Composite Reliability)
پایایی ترکیبی (CR) که نشان می دهد تا چه اندازه سوالات یک سازه یا پرسشنامه قابل اعتماد هستند و قادرند آن مفهوم پرسشنامه را بسنجند، مرحله چهارم از روایی همگرا محسوب می شود. در این مرحله باید دو شرط رعایت شود ۱) مقدار پایایی ترکیبی باید بیشتر از ۰٫۷ باشد (۰٫۷<CR) و ۲) مقدار پایایی ترکیبی بیشتر از میانگین واریانس استخراجی باشد (AVE<CR)
۵- شاخص های برازش تحلیل عاملی تائیدی (Confrimatory Factor Analysis)
حال که چهار مرحله روایی همگرا انجام شده است، لازم است که تحلیل عاملی تائیدی (CFA) مورد تائید یا برازش قرار گیرد. برازش یعنی برازندگی و برازندگی یعنی اینکه سازه ای که روایی همگرایی آن را مورد بررسی قرار دادیم، آیا برازنده کل جامعه است و نتایج آن که براساس نمونه استخراج شده است را می توان به کل جامعه برازش یا تعمیم داد؟ برای این کار لازم است که آخرین مرحله روایی همگرا صورت گیرد.
شاخص های برازش تحلیل عاملی تائیدی به دو دسته شاخص های مطلق و نسبی تقسیم می شوند:
۵-۱: شاخص های مطلق:
۵-۱-۱: خی دو (X^2): این شاخص مطلق نشان می دهد که داده ها تا چه اندازه با مدل پیشنهادی همسو و همخوان است. سنجش تنهای این شاخص کار درستی نیست و باید در کنار دیگر شاخص ها مورد بررسی قرار گیرد. تائید این شاخص زمانی خواهد بود که سطح معناداری بیشتر از ۰٫۰۵ باشد.
۵-۱-۲: ریشه میانگین مربعات خطای تقریبی (RMSEA): این شاخص گویای این مطلب است که به طور میانگین تا چه اندازه خطا در مدل وجود دارد، برای این امر باید این ریشه کمتر از ۰٫۰۵ باشد و هرچه این مدار کمتر باشد، خطا در مدل کمتر و برازش مدل مناسب خواهد بود.
۵-۱-۳: شاخص برازش مدل (NFI): شاخص برازش مدل نشان می دهد که مدل پیشنهادی تا چه اندازه قادر است واریانس داده ها را تبیین نماید و هرچه این مقدار بیشتر از ۰٫۹ باشد، مدل از برازش مطلوبی برخوردار خواهد بود.
روایی واگرا که زیرمجموعه تحلیل روایی همگرا و واگرا است، روش های اندازه گیری آن به شرح ذیل می باشند:
۱- تحلیل عاملی تائیدی (CFA)
این روش آماری یکی از بهترین روش ها برای اندازه گیری روایی واگرا است. به طوری که اگر بارهای عاملی همه شاخص ها در یک سازه معنادار باشند، می توان اینگونه نتیجه گیری نمود که آن سازه یک واحد مشخص را اندازه گیری می کند و این یعنی بین هر واحد با واحد دیگر همبستگی وجود ندارد و بنابراین روایی واگرا تائید می گردد.
۲- شاخص میانگین مجذور همبستگی (Heterotrait-Monotrait Average Squared Correlation)
این شاخص که به اختصار با (HTMT) آن را مشخص می کنند، میانگین مجذور همبستگی بین هر سازه را با سازه های دیگر محاسبه می کند. اگر این شاخص برای هر سازه کمتر از ۰٫۸۵ باشد، می توان گفت که روایی واگرا برای هر سازه مورد تائید است.
۳- شاخص امتیاز روایی واگرا (Discriminant Validity Score)
این شاخص هم که با مخفف (DVs) آن را مشخص می کنند، در حقیقت میانگین تفاوت بین ضرایب همبستگی هر شاخص سازه با سایر شاخص های سازه های دیگر است که اگر این شاخص برای هر جفت سازه مقداری مثبت به دست آید، می توان نتیجه گرفت که روایی واگرا تائید است.
۴- آزمون فورنل-لارکر (Fornell-Larcker Criterion)
آزمون فورنل-لارکر که نسبت به سایر آزمون های بالا پرکاربردتر است، بر مبنای مقایسه ریشه دوم میانگین واریانس تبیین شده (AVE) هر سازه با همبستگی آن سازه با سایر سازه های مدل می باشد. اگر (AVE) هر سازه بیشتر از همبستگی آن با هریک از سازه ها باشد، نشان می دهد که روایی واگرا وجود دارد و دو سازه مستقل از هم عمل می کنند و برعکس، به طوری که کوچک بودن (AVE) از همبستگی آن با هریک از سازه ها گویای نبود روایی واگرا است.
لازم به یادآوری است که هر کدام از چهار روش بالا به تنهایی برای سنجش روایی واگرا کافی می باشند. حال اگر مدل ساده و حجم داده ها کم باشد، بهتر است از روش فورنل -لارکر استفاده کرد و در صورت پیچیدگی مدل و بالا بودن حجم داده ها می توان از سایر روش ها بهره برد.
اگر می خواهید به صورت کامل و حرفه ای یاد بگیرید که چگونه می توان تحلیل روایی همگرا و واگرا را برای پرسشنامه خود به صورت جداگانه به تفکیک تمامی مراحل بالا سنجید و همچنین تفسیر درستی از نتایج داشته باشید و اینکه خروجی های گزارش و تحلیل روایی همگرا و واگرا خود را به صورت فایل ورد و اکسل براساس تمامی فرمول ها داشته باشید، حتماً روی عکس زیر کلیک کنید.
ما به شما کمک می کنیم که پژوهش تان راحت تر و با علم بیشتری پیش برود. مجموعه آرمان پژوهان با ۱۳ سال سابقه فعالیت آماری و پژوهشی به هزاران پژوهشگر کمک کرده تا این مسیر ارزشمند را به درستی طی نمایند.
تمامی حقوق برای سایت آرمان پژوهان محفوظ است.
