مراحل مدل سازی معادلات ساختاری با استفاده از نرم افزار لیزرل

مراحل مدل سازی معادلات ساختاری با استفاده از نرم افزار لیزرل:

 

فرایند تجزیه وتحلیل ساختارهای کوواریانسی شامل یک سری گام هایی است که به محقق توصیه می شود که حتماً به صورت متوالی این گامها را انجام دهد. این گامها عبارتاند از:

الف– مرحله بیان مدل:

مدل معادلات ساختاری با بیان مدلی که می خواهد تخمین زده شود؛ شروع میشود. در ساده ترین سطح مدل، یک عبارت آماری درباره روابط میان متغیرها است. این مدلها درزمینه رویکردهای مختلف تحلیلی، اشکال مختلفی به خود میگیرند. برای مثال یک مدل درزمینه همبستگی عموماً روابط غیر جهتداری را )دوطرفه( بین دو متغیر نشان می دهد.

درحالیکه رگرسیون چندگانه و تحلیل واریانس مدلهایی را با روابط جهت دار بین متغیرها نشان می دهد. این مرحله یکی از مهمترین مراحل موجود در مدل معادلات ساختاری است؛ زیرا هیچگونه تحلیلی صورت نمی گیرد مگر اینکه محقق ابتدا مدل خود را بیان کند. گامهای موجود در این مرحله به شرح زیر است:

 

1. ساخت یک مدل ساختاری فرضی:

بیان یک مدل درواقع ترسیم نمودار یک تئوری به یکسری معادلات ساختاری )ریاضی( است؛ بنابراین بهتر است ابتدا نمودار مسیر را ترسیم کنیم و متغیرهای درونزا و برونزا  و روابط علّی بین این متغیرها را نشان دهیم.

 

2. انتخاب شاخص های مشاهده شده برای متغیرهای مکنون:

بعد از مشخص کردن متغیرهای مکنون درونزا و برونزا در این گام لازم است تا برای متغیرهای مکنون شاخص ها(متغیرهای مشاهده شده( مناسبی انتخاب و به آنها وصل شود بهتر است از چندین شاخص به جای یک شاخص برای اندازه گیری متغیر مکنون استفاده شود که این کار بر اساس تعریف مفهومی و تعریف عملیاتی صورت می گیرد.

 

3. ارزیابی حالت تعیین مدل :

قبل از مرحله تخمین و بعد از مرحله بیان حتماً میبایستی حالت تعین مدل مورد ارزیابی قرار گیرد. تعیین یک

مدل مستلزم مطالعه شرایطی برای به دست آوردن یک راه حل منحصربه فرد برای پارامترهای بیان شده در یک مدل است.

 

ب– مرحله دوم تخمین مدل:

هنگامی که یک مدل بیان شد و حالت تعیین آن مورد ارزیابی قرار گرفت کار بعدی به دست آوردن تخمین های پارامترهای آزاد از روی مجموعهای از داده های مشاهده شده است. این مرحله شامل یکسری فرایندهای تکراری است که در هر تکرار یک ماتریس کوواریانس ضمنی  ساخته میشود و با ماتریس کوواریانس اولیه دارای باقیمانده می شود و این تکرارها تا جایی ادامه مییابد که این ماتریس باقیمانده به حداقل ممکن برسد؛ یعنی:

Data=Model + Residual

گامهای موجود در این مرحله به شرح زیر است:

 

1. جمع آوری داده ها

در این مرحله انتخاب اندازه نمونه مهم است؛ زیرا بسیاری از روشهای تخمین موجود در مدل معادلات ساختاری و شاخصهای ارزیابی، متناسب با مدل، نسبت به اندازه نمونه حساس است. بنتلر پیشنهاد نموده که همواره نسبت10 تا 1 بین اندازه نمونه و تعداد پارامترهای آزاد که میبایستی تخمین زده شود وجود داشته باشد. تا برآورد مدل با کمترین میزان خطا صورت پذیرد.

 

2. ساخت ماتریس واریانس – کوواریانس متغیرهای اندازه گیری شده

بعد از بیان مدل و جمع آوری داده ها تخمین مدل با مجموعهای از روابط شناخته شده بین متغیرهای اندازه گیری شده شروع می شود. این روابط در ماتریسی به نام ماتریس کوواریانس – واریانس یا ماتریس همبستگی مرتب می شود.

 

 

ج – ارزیابی تناسب  یا برازش مدل:

واریانس–کوواریانس  یک مدل وقتی گفته می شود که با یکسری داده های مشاهده شده تناسب دارد که ماتریس ضمنی )پیشبینی شده بر اساس مدل( با ماتریس اولیه نزدیک به صفر باشد.

 

گام موجود در این مرحله به شرح زیر است:

1. بررسی معیار کلی تناسب مدل و قابلیت آزمون پذیری مدل و ارزیابی موضوع که آیا اصلاحات

موردنیاز است یا خیر؟

 هنگامی که یک مدلی تخمین زده می شود برنامه نرم افزاری یکسری آمارهایی از قبیل خطای استاندارد، t.valueو غیره را درباره ارزیابی تناسب مدل با داده ها منتشر میکند. اگر مدل قابل آزمون باشد ولی با داده ها به طور مناسب تناسب نداشته باشد شاخصهای اصلاحی که یک وسیله معتبر برای ارزیابی تغییرات موردنیاز در بیان مدل هستند به کار گرفته می شوند؛ تا مدل متناسب با داده ها شوند. مهم ترین شاخص تناسب مدل آزمون X² است ولی به خاطر اینکه آزمون X² تحت شرایط خاصی عمل میکند بیشتر اوقات از شاخصهای دیگری که برخی از آنان عبارتاند از: GFI ، AGFI ، RMSEA و … استفاده می شود. حالت های بهینه برای این آزمونها به شرح زیر است:

1. مقدار P )سطح معنی داری( آزمون X² اگر بیش از  5 صدم باشد مدل ما قابل قبول است؛ زیرا این آزمون مدل را نشان میدهد؛ » واریانس و کوواریانس « داده و ماتریس » واریانس و کوواریانس « اختلاف بین ماتریس بنابراین اگر مقدار P بالاتر از5 صدم باشد بدین معناست که بر اساس مدل به دست آمده میتوان ماتریسی ساخت که با ماتریس اولیه تفاوت چندانی نداشته باشد و این نشانه پذیرش مدل معادله ساختاری است
2. آزمون GFI باید 80 درصد و CFI باید 90 درصد و بیشتر باشد
3. آزمون RMSEA هرچه کمتر باشد بهتر است، زیرا این آزمون جذر میانگین مربعات اختلاف بین اجزای مدل را نشان » واریانس و کوواریانس « داده ها و اجزای نظیر آن در ماتریس » واریانس و کوواریانس « ماتریس می دهد. اگر این آماره زیر5 صدم باشد مدل به دست آمده ایده آل و اگر زیر 8 صدم باشد مدل قابل قبول و اگر زیر 10 صدم باشد مدل ضعیف و اگر بالاتر از 10 صدم باشد مدل را غیرقابل قبول می دانند.

 

ه – تفسیر مدل:

اگر آزمون های تناسب نشان دهند که مدل به طور کافی متناسب با داده ها است در این مرحله ما بر روی عوامل مشخص شده مدل متناسب تمرکز می نماییم. در این مرحله، معناداری پارامترهای مدل مورد ارزیابی قرار می گیرد. آزمون ها و مقایسه تخمین پارامترها و همچنین نمایش آنها مستلزم تخمین های استانداردشده است. به همین دلیل در این مرحله تخمین های غیراستاندارد را که عمدتاً به مقیاس خود وابسته هستند را به تخمین های استاندارد شده ای که وابسته به مقیاس خود نیستند، تبدیل میکنیم

 

و – ابلاغ یا نوشتن گزارش تحقیقاتی:

در این مرحله نتایج مدل معادلات ساختاری به شکل نمودار مسیر ارائه می گردد. نمودار مسیر یک نمایش گرافیکی از مدل معادلات ساختاری است. سه جزء اصلی این نمودار شامل مستطیل ها، بیضی ها و پیکان ها هستند.

تهیه گزارش نتایج تحقیق به روشی است که سایر محققین بتوانند از منطق رویه ها و تجزیه وتحلیل های تحقیق و تفسیرهای آن استفاده کنند.

 

منبع:
– هومن، حیدر علی ، شناخت روش علمی در علوم رفتاری، تهران: سازمان مطالعه و تدوین کتب علوم
انسانی دانشگاهها،  1384، سمت