پایه های مدل یابی معادلات ساختاری

مدل یابی معادله ساختاری یک تکنیک تحلیل چند متغیری بسیار کلی و نیرومند از خانواده رگرسیون چند متغیری و به بیان دقیق تر بسط مدل خط کلی است که به پژوهشگر امکان می دهد مجموعه ای از معادلات رگرسیون را به گونه هم زمان مورد آزمون قرار دهد. مدل یابی معادله ساختاری یک رویکرد آماری جامع برای آزمون فرضیه هایی درباره روابط بین متغیر های مشاهده شده و مکنون است ، که گاه تحلیل ساختاری کوواریانس ، مدل یابی علّی و گاه نیز LISREL نامیده شده است.

اما اصطلاح غالب در این روز ها ، مدل یابی معادله ساختاری یه به گونه خلاصه SEM است. نرم افزار SEM به عنوان یکی از پیشرفتهای روان شناختی نوید بخش در علوم اجتماعی و علوم رفتاری ( بنتلر ، 1980 ) می تواند مدل های سنتی را مورد آزمون قرار دهد و در عین حال امکان بررسی روابط و مدلهای پیچیده تری مانند تحلیل عاملی ( تأییدی ) و تحلیل سریهای زمانی را نیز فراهم و کاربرد داده های همبستگی ، آزمایشی و غیر آزمایشی را برای تعیین میزان موجه بودن مدلهای نظری در یک جامعه به خصوص امکان پذیر سازد.

به سبب آنکه بسیاری از مسائل تاریخی ، منطقی و فلسفی تا کنون ( و برای همیشه ) حل نشده باقی مانده است ، آزمون پیوندهای علّی بین متغیر ها و اندیشه توانا بودن آماری برای تحقق یک مدل علّی نیز تا حد زیادی با اصطلاح مدل ساختاری جانشین شده است. این مطلب متضمن توصیف روابط کمابیش ثابت بین شرایط یا واقعیتهای اجتماعی مرتبط با یکدیگر است که می توان آن را آشکار کرد و از طریق روشهای آماری مورد آزمایش قرار داد.

SEM زبانی مختص به خود دارد. البته همه روشهای آماری به گونه کلی دارای این ویژگی هستند ، اما به نظر می رسد که ابداع کنندگان و کاربران SEM زبان اختصاصی خود را به سطحی نو ارتقا داده اند. اینکه چرا پژوهشگر برای کار با SEM ناگزیر است آن را با زبان خود برنامه اجرا و از برخی مفروضه های پیچیده آماری استفاده کند ، به این دلیل است که این نرم افزار دارای مزایای جالب ذیل است :

مدل سازی معادلات ساختاری (SEM) یک تکنیک آماری است که به محققان اجازه می دهد تا روابط پیچیده بین متغیرها را با ترکیب عناصر تحلیل عاملی و تحلیل رگرسیون تجزیه و تحلیل کنند. این به طور گسترده در زمینه های مختلف، از جمله روانشناسی، جامعه شناسی، اقتصاد و موارد دیگر برای درک و مدل سازی روابط علی پیچیده بین متغیرها استفاده می شود.

در اینجا اصول اولیه مدل سازی معادلات ساختاری آورده شده است:

اجزای SEM:
متغیرهای مشاهده شده (شاخص): اینها متغیرهای اندازه گیری شده در مطالعه شما هستند که به آنها متغیرهای مشاهده شده یا متغیرهای آشکار نیز می گویند. آنها نشان دهنده متغیرهایی هستند که شما مستقیماً اندازه گیری یا مشاهده می کنید.
متغیرهای پنهان (عوامل): اینها سازه های زیربنایی هستند که مستقیماً قابل مشاهده نیستند، اما از متغیرهای مشاهده شده متعددی استنباط می شوند که تمایل به وقوع همزمان دارند. آنها مفاهیم اساسی را نشان می دهند که نمی توان مستقیماً اندازه گیری کرد.

نمودار مسیر:
SEM اغلب به صورت گرافیکی با استفاده از نمودار مسیر نمایش داده می شود. در این نمودار، متغیرهای مشاهده شده به صورت مستطیل و متغیرهای پنهان به صورت دایره نمایش داده می شوند. فلش های بین این اشکال نشان دهنده روابط بین متغیرها هستند که مسیر نامیده می شوند.

اجزای مدل:
SEM شامل تعیین چندین مؤلفه است:
مدل اندازه گیری: روابط بین متغیرهای پنهان و متغیرهای مشاهده شده مربوطه آنها را مشخص می کند. این شامل بارهای عاملی است که قدرت رابطه بین متغیرهای مشاهده شده و متغیرهای پنهان را نشان می دهد.
مدل ساختاری: این مدل روابط بین متغیرهای پنهان را مشخص می کند. این شامل روابط رگرسیون مانند بین متغیرهای پنهان است که نشان می دهد چگونه بر یکدیگر تأثیر می گذارند.

تخمین مدل:
برآورد حداکثر احتمال (MLE): رایج ترین روش برای تخمین پارامترهای یک SEM. هدف آن یافتن مقادیر پارامتری است که احتمال مشاهده داده های مدل را به حداکثر می رساند.
روش‌های برآورد جایگزین: در مواردی که مفروضات MLE برآورده نمی‌شوند، می‌توان از روش‌های جایگزین مانند تخمین بیزی یا روش‌های قوی استفاده کرد.

برازش:
پس از تخمین مدل، ارزیابی میزان تناسب مدل با داده ها بسیار مهم است. شاخص‌های برازش متداول شامل آزمون مجذور کای، ریشه میانگین مربعات خطای تقریب (RMSEA)، شاخص تناسب مقایسه‌ای (CFI) و شاخص تاکر-لوئیس (TLI) است.

اصلاح مدل:
اگر مدل به خوبی با داده ها مطابقت نداشته باشد، می توان تغییراتی را انجام داد. این می تواند شامل اضافه کردن یا حذف مسیرها، اجازه دادن به خطاهای مرتبط بین متغیرهای مشاهده شده، یا آزاد کردن پارامترهایی باشد که در ابتدا محدود شده بودند.

تفسیر مدل:
SEM تخمین هایی را برای پارامترهای مختلف، مانند بارهای عاملی، ضرایب رگرسیون و همبستگی ها ارائه می دهد. از این تخمین ها می توان برای درک روابط بین متغیرها و نتیجه گیری در مورد چارچوب نظری زیربنایی استفاده کرد.

نرم افزار:
بسته های نرم افزاری مختلفی برای انجام SEM وجود دارد، مانند AMOS، Mplus، LISREL، lavaan (برای R)، و غیره. این ابزارها رابط های کاربرپسندی را برای تعیین، تخمین و تفسیر مدل های SEM فراهم می کنند.

مدل‌سازی معادلات ساختاری ابزاری قدرتمند برای تحلیل روابط پیچیده بین متغیرها و آزمون فرضیه‌های ساختارهای نظری زیربنایی است. با این حال، برای استفاده مؤثر و تفسیر نتایج، نیاز به درک خوبی از مفاهیم آماری و حوزه تحقیق دارد.

مزایای مدل یابی معادلات ساختاری

مفروضه های زیر بنایی این تحلیلهای آماری آشکار و آزمون پذیر است و به پژوهشگر امکان کنترل کامل و به گونه بالقوه درک بیشتر تحلیلها را می دهد.
نرم افزار ارتباطی گرافیکی ، خلاقیت را تقویت و تصحیح سریع مدل را تسهیل می سازد ( مشخصه ای که منحصر به نرم افزار SEM است. )
برنامه های SEM ، آزمونهای کلی برازندگی با مدل و برآورد پارامتر های انفرادی را به گونه هم زمان فراهم می سازد.
به منظور پالایش خطاها ، می توان مدلهای اندازه گیری و تحلیل عاملی را به کار برد. این کار موجب می شود روابط برآورد شده بین متغیر های مکنون کمتر به وسیله خطای اندازه گیری آلوده شود.
بر خلاف روش های قدیمی تر ، برآورد خطای اندازه گیری و پس ماند های همبسته را ممکن می سازد.
چهارچوب واحدی به دست می دهد که بر پایه آن می توان مدلهای خطی بی شماری را با به کار بردن نرم افزار انعطاف پذیر و پر قدرت آن ، با داده ها برازش داد.
توانایی برازش مدلهای غیر استاندارد شامل کار با داده های طولی ، پایگاه داده ها با ساختار های خطا های خود همبسته ( تحلیل سریهای زمانی ) و پایگاه داده ها با متغیر های دارای توزیع غیر نر مال و داده های ناقص را داراست. این ویژگی جالب ترین کیفیت آن است.
به منظور مطالعه هر دو نوع خصوصیت اندازه گیری و ساختاری مدلهای نظری ، ویژگی های تحلیل عاملی و رگرسیون چند گانه را با هم ترکیب می کند.

پایه های مدل یابی معادلات ساختاری