تکنیکهای تخمین پارامترها در مدلسازی معادلات ساختاری
ازآنجاییکه مدلسازی معادلات ساختاری تأکید بر روابط علی خطی متغیرهای مکنون با یکدیگر و قبلتر از آن رابطه متغیرهای مکنون با متغیرهای مشاهدهپذیر دارد. یعنی مدلسازی معادلات ساختاري بر پايه فرضیههایی درباره وجود روابط علي در بين متغيرها، مدلهای علي را با دستگاه معادلات خطي آزمون میکند . بدين ترتيب، SEM روابط ساختاري بين شرايط ساختاري معين و مفروض را ميآزمايد و برآورد روابط علي ميان متغيرهاي مکنون (مشاهده نشده) و نيز روابط بين متغيرهاي اندازهگيري شده (مشاهدهشده) را امکانپذیر میسازد .
در تحلیل مدلسازی معادلات ساختاری از تکنیک های زیر جهت برآورد پارامترها استفاده میکند:
- متغیرهای ابزاری(IV)
- کمترین مجذورات دومرحلهای(TSLS)
- کمترین مجذورات بدون وزن(ULS)
- کمترین مجذورات تأمین یافته(GLS)
- حداکثر درستنمایی(ML)
- کمترین مجذورات وزندار کلی(WLS)
- کمترین مجذورات وزندار قطری(DWLS)
- گزینه برجسته(OR)
هر یک از روش های بالا در تخمین پارامتر های مدل دارای پیش فرض هایی است که تنها در صورت برقراری آن ها می توان از آن روش مربوطه استفاده کرد. پیش فرض هایی مربوط به حجم نمونه یا نرمال بودن توزیع داده ها و ……….
روش پیشفرض نرمافزار لیزرل و ایموس در مدل سازی معادلات ساختاری، روش حداکثر درستنمایی یا بیشینه احتمال است. این روش مطابق با نظر دکتر هیر 2006 که در دورههای آکادمی تحلیل آماری ایران از آن بسیار صحبت شده است ، قلب تپنده و موتور مدلسازی معادلات ساختاری کواریانس محور است.
در این روش مجموعهای از پارامترها تخمین زده میشود که این پارامترها و تخمین آنها بر مبنای روابط حاصل از شانس نیست. یک فرایند ازسرگیری دارد که در آن مجموعهای از پارامترها تخمین زده میشود. بر پایهی مقادیر اولیهی برآورد شده، تابع برازندگی محاسبه میشود. این تابع ضریبی است که برازندگی پارامترها را با دادههای پژوهش توصیف مینماید.
در این روش، دومین تخمین بر مبنای تخمین اولیه محاسبه میشود تا بتوان به تابعی با برازندگی کوچکتر دستیافت. این فرایند تا جایی ادامه مییابد تا به کوچکترین تابع برازندگی دستیابیم.
محسن مرادی
مطالب سایت و کانال بدون ذکر سایت منبع استفاده نشود