آزمون های برازندگی مدل کلی، مدل‌یابی معادلات ساختاری، تحلیل رگرسیون چند متغیری

 

الف) با توجه به این‌که هدف اصلی معادلات ساختاری تجزیه‌و تحلیل متغیرهای مکنون . مخصوصاً تحلیل ارتباطات علّی بین این متغیرهاست این روش توانایی بیشتری از سایر روش‌های تحلیلی دارد.
ب) روش مدل یابی معادلات ساختاری می‌تواند روابط به‌هم پیوسته و همزمان درونی متغیرهای وابسته و مستقل یک مدل را برآورد کند.
ج) نرم‌افزارهایی مانند لیزرل قادر است پارامترهای مدل‌ها را به طور دقیق و سریع برآورد کرده و برازش مدل‌های ساخته شده را مورد ارزیابی قرار دهد.
کلانتری ،۱۳۸۸، استفاده از مدل یابی معادلات ساختاری را در شرایط زیر توصیه می‌کند:
۱- در برخی مواقع متغیرهای مشاهده شده دارای خطای اندازه‌گیری هستند که باید در تحلیل موضوع مورد مطالعه، اینگونه خطاها مد نظر قرار گیرند.
۲- در برخی از مواقع روابط بین متغیرها پیچیده بوده و جریان علّی به طور همزمان بین متغیرهای مشاهده شده وجود دارد.
در برخی مواقع نیز بعضی از متغیرهای مهم مشاهده نشده‌اند.برای فائق آمدن بر این کاستی‌ها از مدل یابی معادلات ساختاری استفاده می‌شود، زیرا این مدل‌ها قادرند اینگونه خطاها و ملاحظات پیچیده علّی موجود در بین متغیرها را مد نظر قرار دهند(کلانتری، ۱۳۸۸، ۳۴)۱٫
۳-۴-۳ موارد کاربرد روش لیزرل
روش لیزرل ضمن آنکه ضرایب مجهول مجموعه معادلات ساختاری خطی را برآورد می کند برای برازش مدلهایی که شامل متغیرهای مکنون، خطاهای اندازه گیری در هر یک از متغیرهای وابسته و مستقل، علیت دو سویه، هم زمانی و وابستگی متقابل می باشد طرح ریزی گردیده است. اما این روش را می توان به عنوان موارد خاصی برای روش های تحلیل عاملی تاییدی، تحلیل رگرسیون چند متغیری، تحلیل مسیر، مدلهای اقتصادی خاص داده های وابسته به زمان، مدلهای برگشت پذیر و برگشت ناپذیر برای داده های مقطعی/ طولی، مدلهای ساختاری کوواریانس و تحلیل چند نمونه ای (مانند آزمون فرضیه های برابری ماتریس کوواریانس های، برابری ماتریس همبستگی ها، برابری معادلات و ساختارهای عاملی و غیره) نیز به کار برد.
۴-۴-۳ نرم افزار لیزرل
لیزرل یک محصول نرم افزاری است که به منظور برآورد و آزمون مدلهای معادلات ساختاری طراحی و از سوی شرکت بین المللی نرم افزار علمی (Scientific software international) به بازار عرضه شده است. این نرم افزار با بهره گرفتن از همبستگی و کوواریانس اندازه گیری شده، می تواند مقادیر بارهای عاملی، واریانسها و خطاهای متغیرهای مکنون را برآورد یا استنباط کند و از آن می توان برای اجرای تحلیل عاملی اکتشافی، تحلیل عاملی مرتبه دوم، تحلیل عاملی تاییدی و همچنین تحلیل مسیر (مدل یابی علت و معلولی با متغیرهای مکنون) استفاده کرد.
۵-۴-۳ آزمون های برازندگی مدل کلی
با آنکه انواع گوناگون آزمون ها که به گونه کلی شاخص های برازندگی(Fitting indexes) نامیده می شوند پیوسته در حال مقایسه، توسعه و تکامل می باشند اما هنوز درباره حتی یک آزمون بهینه نیز توافق همگانی وجود ندارد. نتیجه آن است که مقاله های مختلف، شاخص های مختلفی را ارائه کرده اند و حتی نگارش های مشهور برنامه های SEM مانند نرم افزارهایlisrel, Amos, EQS نیز تعداد زیادی از شاخص های برازندگی به دست می دهند.(هومن۱۳۸۴ ،۲۳۵) این شاخص ها به شیوه های مختلفی طبقه بندی شده اند که یکی از عمده ترین آنها طبقه بندی به صورت مطلق، نسبی و تعدیل یافته می باشد. برخی از این شاخص ها عبارتند از:
شاخص های GFI وAGFI
شاخص GFI (Goodness of fit index )مقدار نسبی واریانس ها و کوواریانس ها را به گونه مشترک از طریق مدل ارزیابی می کند. دامنه تغییرات GFI بین صفر و یک می باشد. مقدار GFI باید برابر یا بزرگتر از ۹۰/۰باشد.
شاخص برازندگی دیگر (Adjusted Goodness of Fit Index) AGFI یا همان مقدار تعدیل یافته شاخص GFI برای درجه آزادی می باشد. این مشخصه معادل با کاربرد میانگین مجذورات به جای مجموع مجذورات در صورت و مخرج GFI-1) ) است. مقدار این شاخص نیز بین صفر و یک می باشد. شاخص های GFI و AGFI را که جارزکاگ و سوربوم (۱۹۸۹) پیشنهاد کرده اند بستگی به حجم نمونه ندارد.
شاخص RMSEA