زمینه تاریخی مدل Lisrel

زمینه تاریخی مدل Lisrel

زمینه تاریخی مدل Lisrel

زمینه تاریخی مدل Lisrel: واحدهای درسی در آمار کاربردی در بیشتر دانشگاه ها به ندرت از تحلیل کمترین مجذورات معمولی داده‌های حاصل از آزمایش‌های کنترل شده،مقایسه های گروهی،یا مطالعات همبستگی و پیش بینی ساده تجاوز میکند. اینگونه روش ها بر روی هم،تحلیل رگرسیون را به وجود می‌آورد و توابع ریاضی خطی مورد اتکای آنها نیز به عنوان مدل های دکوراسیون تلقی می شود. این روش تحلیل برای مسائل مربوط به برازش خطوط خمیده در علم فیزیک که در آن رابطه تجربی بین یک متغیر وابسته مشاهده شده و یک متغیر مستقل دستکاری شده باید برآورد شود،کاملا مناسب است. البته برای مغازه پژوهشی زیستی که در آنها ارگانیزم ها چگونه تصادفی به شرایط کاربندی گمارده می‌شوند و تفاوت بین پاسخ های متوسط گروههای کاربندی برآورد می‌شود نیز به خوبی کار ساز است.

یکی از جنبه های اساسی این کاربردها آن است که در آنها فرض می شود فقط متغیر وابسته یا پاسخ مشاهده شده در معرض خطای اندازه گیری یا دیگر پراش های کنترل نشده قرار دارد؛یعنی در این تصویر فقط یک متغیر تصادفی وجود دارد. فرض می شود متغیر مستقل یا سطح کاربندی به وسیله آزمایشگر در محدوده‌ای از مقادیر مشخص از قبل تعیین شده تثبیت گردیده است. تنها استثنا برای این فرمول بندی مسئله پیش بینی تجربی است.

در اینجا پژوهشگر مقادیر معینی از یک یا چند متغیر پیش بین را مشاهده می‌کند و ما این است که میانگین و واریانس توزیع متغیر ملاک را در میان پاسخ‌دهندگان با مقادیر معینی از پیش بینی کننده ها برآورد کند. چون این پیش‌بینی وابسته به مقادیر معلوم است امکان دارد به عنوان کمیتهای ثابتی در مدل رگرسیون در نظر گرفته شود. یک نمونه برای این مطلب پیش بینی قد یک کودک در مرحله بلوغ از روی اندازه قد فعلی و اندازه قد های معلوم پدر و مادر اوست. با آنکه اندازه گیری همه متغیرها توأم با خطاست،اما فقط قد کودک در زمان بلوغ به عنوان متغیر تصادفی در نظر گرفته می شود.

جایی که روش های رگرسیون معمولی بسنده نباشد و به واقع نتایج گمراه کننده ای به دست دهد،مطالعات تنها متکی به مشاهده‌ای است که در آن ها همه متغیرها در معرض خطای اندازه گیری یا پراش کنترل نشده قرار دارند،در حالی که مقصود آنها برآورد روابطی است که پراش بین متغیرهای مورد نظر را توجیه کند. این یک مسئله اساسی در تحلیل داده ها برای زمینه هایی است که در آنها اجرای آزمایش ناممکن یا غیر عملی است و هدف آنها هرگز پیش بینی تجربی محض نیست. این مطلب تقریباً در همه پژوهش‌ها در زمینه‌هایی مانند جامعه شناسی،اقتصاد،اکولوژی حتی برخی از شاخه‌های علوم فیزیکی مانند زمین شناسی و هواشناسی نیز عمومیت دارد. در این زمینه ها مسئله اساسی تحلیل داده ها،برآورد روابط ساختاری بین متغیرهای مشاهده شده کمی است. وقتی مدل ریاضی معرفی روابط یک مدل خطی باشد،درباره رابطه ساختاری خطی بحث می‌شود،و جنبه‌های مختلف فرمول‌بندی برازش آزمون این روابط نیز به عنوان مدل یابی معادلات ساختاری تلقی می‌گردد.

هر چند مدل یابی معادلات ساختاری فقط در ۳۰ سال اخیر (تا حدی به دلیل معرفی برنامه Lisrel ) شکل برجسته ای برای تحلیل داده‌های یافته است اما چنانکه در فصل سوم نیز گفتیم،مفهوم آن را برای نخستین بار نزدیک به ۷۰ سال پیش زیست شناس معروف سوول رایت در دانشگاه شیکاگو معرفی کرد. او نشان داد که روابط خطی بین متغیرهای مشاهده شده را می‌توان به شکل نمودار های مسیر و ضرایب مسیر همراهان نمایش داد. رایت توانست رایت توانست از طریق ترسیم ردیابی علی و مسیرهای همراهان در نمودار رابطه ساختاری خطی بین متغیرها را بر پایه قواعد بسیار ساده به دست آورد. رایت این روش را در ابتدا برای محاسبه همبستگی مورد انتظار بین ویژگی های مشاهده شده اشخاص مورد نظر درباره فرضیه وراثت ماندل وراثت ماندل و بعد از آن برای انواع کلی تر روابط میان اشخاص مورد استفاده قرار داد.

بررسی روشهای ریاضی و آماری مورد نیاز برای مطالعه روایی سازه ها به اندازه گیری نفوذ آنها،به توسعه روشی به نام تحلیل عاملی منجر شد. شکل جدید آن تا حد بسیار زیادی مدیون کارهای ترومان کلی ( ۱۹۳۵ ) و ال.ال. ترسون (۱۹۳۵) است که تحلیل تکاملی اسپیرمن را به تحلیل کاملاً عمومی چند عاملی تبدیل کردند. کارل جارز گاگ نیز اخیراً تحلیل عاملی تاییدی را به شکل اکتشافی آن افزوده است. این دو شکل برای مقاصد مختلفی به کار می‌رود. تحلیل عاملی اکتشافی یک روش رسمی اکتشاف است و فرد را قادر می سازد که روابط بین متغیرهای را که هرگز در داده های اصلی یا حتی در همبستگی های بین متغیرها آشکار نیست مشاهده کند. تحلیل عاملی تاییدی فرد را قادر می‌سازد تا این مطلب را که آیا روابط مورد انتظار بر پایه پیش زمینه نظری به واقع در داده ها ظاهر می شود یا نه آزمون کند. دریک لاولی و کارل جارز کاگ برای برازش مدل های عاملی به داده ها و آزمون تعداد عامل هایی که می‌تواند کشف شود و به گونه معتبری در داده ها برآورد گردد،بر اساس برآورد بیشینه احتمال (درست نمایی)،یک روش آماری به دست داده اند.

زمینه تاریخی مدل Lisrel

مدل Lisrel ،به واقع برنامه‌های رایانه‌ای است که در اصل به منظور برآورد مدل کله معادلات ساختاری از سوی کارل جارز کاگ (۱۹۷۳) در اوایل دهه ۱۹۷۰ طرح شده است. نگارش جاری آن یک برنامه آماری پیشرفته برای تحلیل چند متغیری با متغیرهای مکنون یا مشاهده نشده،دستگاه های معادلات ساختاری اقتصاد سنجی و تنوعی از روشهای تحلیل عاملی و مدل های ساختاری کوواریانس است. توسعه های اخیر آن نیز شامل روشهای نسبتا نیرومندی برای تحلیل با متغیرهای غیر متریک از جمله مدل‌های مکنون یا نشانگرهای طبقه ای مرتب است. رابطه خطی ساختاری و ساختار عاملی در بسیاری از زمینه ها در یک مدل جامع و فراگیر سازگار با مطالعات مشاهده پذیر با هم ترکیب می شود. این مدل دارای امکانات ذیل است:

•تعیین سازه‌های مکنون چندگانه ای که نشانگر آن ها متغیرهای مشاهده پذیر تبیین کننده (یا برونزا) است.

•تعیین روابط برگشت پذیر و برگشت ناپذیر بین سازه ها.

•تعیین سازه‌های مکنون چندگانه ای که نشانگر آنها متغیرهای پاسخ مشاهده پذیر (یا درونزا) است.

لیزرل برنامه است که برای بر آورد ضرایب در مجموعه ای از معادلات ساختاری و برای کاربرد آن یک پیچیدگی مناسب آماری نسبی ضرورت برخی از قابلیت های آن عبارت است از :

∆مدل های اندازه گیری و تحلیل عاملی تاییدی

∆مدل های علی برای متغیرهای مستقیماً مشاهده شده

∆مدلهای معادلات ساختاری برای متغیرهای مکنون

∆تحلیل متغیرهای طبقه ای مرتب و دیگر متغیر های غیر نرمال

∆تحلیل نمونه های چندگانه

∆محدودیت های خطی و غیرخطی

∆اندازه های برازندگی

∆نمودار های مسیر

∆راه اندازی مقدماتی و برآورد های ابتدایی با prelis ∆رگرسیون های پروبیت چندمتغیری چند جمله‌ای با prelis

جهت مشاهده مطالب دیگر لیزرل کلیک کنید

Instagram : unitahlil

زمینه تاریخی مدل Lisrel