اصول مهم و اساسی اجرای مدل یابی معادلات ساختاری

اصول مهم و اساسی اجرای مدل یابی معادلات ساختاری

اصول مهم و اساسی اجرای مدل یابی معادلات ساختاری

برخی از اصول و مفاهیم مربوط به اجرای SEM از این قرار است:

الف) پارامترهای هر مدل ساختاری خطی شامل ضرایب رگرسیون،واریانس و کوواریانس های متغیرهای مستقل است که عبارتند از:

۱. متغیر مستقل در یک معادله رگرسیون،هر متغیری است (شامل جمله خطا یا پسماند) که متغیر وابسته نباشد.

۲. در نمودار مسیر،متغیری مستقل است که هیچ پیکانی به سوی آن نشانه نرفته،و متغیری وابسته است که پیکانی به سوی آن نشانه رفته باشد.

۳. همه متغیرهای مستقل،از جمله پسماندها (خطاها) دارای واریانس و کوواریانس خواهند بود.

۴. متغیرهای مستقل دارای جمله های خطا (پسماند) نیستند.

۵. متغیرهای وابسته دارای واریانس و کوواریانس هایی با سایر متغیرها به عنوان پارامترهای مدل ساختاری نیستند.

ب) همه متغیرهای اندازه گیری نشده (شامل متغیرهای مکنون یا عامل ها،جمله های خطا یا اختلال( مزاحم)) باید دارای مقیاس معینی باشند. این عمل ممکن است از دو طریق انجام شود:

۱. تثبیت یک مسیر از آن متغیر به متغیر دیگر با مقداری معلوم (معمولاً ۱/۰). این متداول ترین روش است و باید در مدل های معادله ساختاری به کار رود،یا

۲. تثبیت واریانس آن متغیر در یک مقدار معلوم (معمولاً ۱/۰). این عمل را می توان در تحلیل عاملی تاییدی به کاربرد.

ج) هر زمان یک متغیر مکنون از یک متغیر مستقل به یک متغیر وابسته تغییر یابد (مانند وقتی که مدل مورد آزمون را تغییر می دهید یا اصلاح می کنید)،یک پسماند اضافه می شود؛با این مفروضه که آن متغیر را نمی‌توان به گونه کامل پیش‌بینی کرد.

د) تعداد پارامترهای که لازم است برآورد شود (یعنی ضرایب رگرسیون،واریانس ها و کوواریانس های متغیرهای مستقل) نمی‌تواند از تعداد واریانس ها و کوواریانس ها در متغیرهای مشاهده شده یا اندازه‌گیری شده (یعنی متغیرهای داده های خام) تجاوز کند. اگر تعداد پارامترهایی که باید برآورد شود از تعداد واریانس ها و کوواریانس ها در متغیرهای مشاهده شده تجاوز کند،این مطلب چنان که قبلاً نیز گفته شد،مسئله ای به نام همانندی ایجاد می کند که بسیار جدی است و می‌تواند نتایج را ناروا سازد.

پیاده‌سازی مدل‌سازی معادلات ساختاری (SEM) در لیزرل شامل چندین اصل و گام مهم برای اطمینان از نتایج دقیق، معنادار و معتبر است.

در اینجا چند اصل اساسی وجود دارد که هنگام کار با LISREL برای SEM باید در نظر داشته باشید:

درک مفهومی:
درک مفهومی روشنی از سوال تحقیق خود، متغیرهای درگیر و روابط فرضی داشته باشید. SEM یک رویکرد تئوری محور است.

مشخصات مدل:
ساختار مدل خود را به وضوح تعریف کنید، از جمله متغیرهای پنهان، شاخص های مشاهده شده، و مسیرهایی که روابط فرضی را نشان می دهند.
نمودار مسیری را رسم کنید که به صورت بصری روابط مدل را نشان دهد.

آگاهی از مفروضات:
مفروضات SEM و مفروضات خاص LISREL مانند خطی بودن، نرمال بودن چند متغیره و استقلال مشاهدات را درک کنید.

آماده سازی داده ها:
اطمینان حاصل کنید که داده‌های شما به درستی آماده شده‌اند، از جمله رسیدگی به داده‌های از دست رفته، نقاط پرت، و بررسی چند خطی بودن.
داده ها باید به گونه ای ساختار یافته باشند که به شما امکان محاسبه کوواریانس یا ماتریس های همبستگی را بدهد.

مدل اندازه گیری:
با تخمین مدل اندازه گیری شروع کنید، که شامل مشخص کردن روابط بین متغیرهای پنهان و شاخص های مشاهده شده آنها (بارهای عاملی) است.
واریانس های خطا را برای شاخص های مشاهده شده مشخص کنید، خطای اندازه گیری را ثبت کنید.

مدل سازه ای:
مدل ساختاری را با مشخص کردن روابط بین متغیرهای پنهان و/یا شاخص های مشاهده شده بسازید.
مسیرهای بین متغیرهای پنهان و مسیرهایی از متغیرهای برون زا به متغیرهای درون زا را مشخص کنید.

روش برآورد:
یک روش تخمین مناسب را بر اساس ویژگی های داده خود انتخاب کنید. تخمین حداکثر احتمال (MLE) معمولا استفاده می شود، اما جایگزین هایی مانند ULS، WLS، یا روش های قوی ممکن است در موارد خاص مناسب تر باشند.

شناسایی مدل:
اطمینان حاصل کنید که مدل شما شناسایی شده است، به این معنی که پارامترها را می توان به طور منحصر به فرد از داده ها تخمین زد. مدل‌های شناسایی نشده می‌توانند منجر به نتایج غیرقابل اعتماد شوند.

ارزیابی تناسب مدل:
برازش مدل را با استفاده از شاخص های برازش مانند کای اسکوئر، CFI، RMSEA و SRMR ارزیابی کنید. این شاخص‌ها ارزیابی می‌کنند که مدل چقدر با داده‌ها مطابقت دارد.

اصلاح مدل:
اگر برازش مدل رضایت بخش نیست، تغییراتی را بر اساس استدلال نظری و شاخص های اصلاح ارائه شده توسط LISREL در نظر بگیرید.
فقط با ایجاد تغییراتی که از نظر تئوری توجیه شده اند، از برازش بیش از حد خودداری کنید.

تفسیر نتایج:
تخمین پارامترها، ضرایب مسیر، و روابط متغیرهای پنهان را در زمینه سوال و نظریه تحقیق خود تفسیر کنید.
جهت، بزرگی و اهمیت روابط را درک کنید.

تست و تکرار مدل:
اگر مدل اولیه شما به خوبی مطابقت دارد، اعتبارسنجی متقابل یا آزمایش مدل بر روی داده های جدید را در نظر بگیرید تا از استحکام آن اطمینان حاصل کنید.
تکرار مدل در نمونه های مختلف تعمیم پذیری یافته های شما را افزایش می دهد.

گزارش و ارتباطات:
مشخصات مدل، روش های برآورد، شاخص های برازش و تفسیر خود را به وضوح در گزارش تحقیق خود مستند کنید.
نمودار مسیر خود را تجسم کنید و توضیحات واضحی از نتایج ارائه دهید.

به یاد داشته باشید که پیاده سازی SEM در LISREL به ترکیبی از دانش آماری، درک نظری و مهارت نرم افزار نیاز دارد. یادگیری مداوم، تمرین و جستجوی راهنمایی از متخصصان می تواند به شما در تسلط بر این اصول کمک کند و به طور موثر SEM را در تحقیقات خود به کار ببرید.

جهت مشاهده مطالب دیگر لیزرل کلیک کنید

Instagram : unitahlil

اصول مهم و اساسی اجرای مدل یابی معادلات ساختاری