آشنایی با نرم افزارLisrel
تیم تحلیلی یونی تحلیل در نظر دارد، مباحث پرکاربرد در نرم افزار lisrel را به زبانی ساده و قبل فهم برای متقاضیان گرامی آموزش دهد. تمامی مطالب قرار داده شده در سایت جهت آموزش این نرم افزار به زبان ساده است.
در ادامه توضیحات به گزینه برجسته (RO) میپردازیم .
ليزرل: نرم افزاري براي مدل سازي معادلات ساختاري
به نکاتی مهم و توضیحی در خصوص نرم افزار لیزرل اشاره می شود:
در LISREL، “RO” مخفف “Outstanding Option” است که یک گزینه تخمینی است که می تواند در زمینه تحلیل عاملی تاییدی (CFA) یا مدل سازی معادلات ساختاری (SEM) استفاده شود. گزینه “RO” در LISREL برای درخواست از نرم افزار برای نمایش پارامترهای اختیاری که به طور خاص در مدل تعریف نشده اند استفاده می شود و به شما این امکان را می دهد که ببینید آیا می توان این پارامترها را بر اساس داده ها تخمین زد یا خیر.
تخمین پارامتر:
هنگامی که گزینه “RO” را در LISREL مشخص می کنید، نرم افزار مقادیر پارامترهای خاصی را که به صراحت در مدل شما تعریف نشده اند، اما بر اساس داده ها مجاز به تخمین زدن هستند، تخمین زده و نمایش می دهد.
پارامترهای اختیاری:
این پارامترهای اختیاری معمولاً با بارهای عاملی، واریانس های خطای اندازه گیری و کوواریانس بین متغیرها یا شاخص های نهفته مرتبط هستند.
LISREL به طور خودکار این پارامترهای اختیاری را اگر در نحو مدل محدود نشده باشند، تخمین می زند.
ارزیابی تناسب مدل:
LISREL پس از تخمین پارامترهای اختیاری، شاخص های برازش را بر اساس مدل برآورد شده نمایش می دهد. این شاخصهای برازش به شما کمک میکنند تا ارزیابی کنید که مدل با پارامترهای اختیاری چقدر با دادههای مشاهده شده مطابقت دارد.
تفسیر:
پارامترهای اختیاری تخمین زده شده، بینش بیشتری را در مورد روابط بین متغیرهایی که به صراحت در مدل مشخص نشده اند، ارائه می دهند.
مقادیر تخمینی این پارامترها را تفسیر کنید و مفاهیم نظری آنها را در نظر بگیرید.
اصلاح مدل:
اگر شاخص های برازش نشان می دهد که مدل با پارامترهای اختیاری به خوبی با داده ها تناسب ندارد، می توانید تغییراتی را بر اساس استدلال نظری یا شاخص های اصلاح برای بهبود برازش مدل در نظر بگیرید.
“گزینه برجسته” در LISREL می تواند برای بررسی اینکه آیا پارامترهای اضافی را می توان بر اساس داده ها تخمین زد و برای به دست آوردن درک عمیق تر از روابط بین متغیرها مفید باشد. با این حال، مهم است که از این گزینه به طور عاقلانه استفاده کنید و نتایج را در چارچوب سؤال تحقیق و چارچوب نظری خود تفسیر کنید.
در هر یک از روش های برآورد GLS ، ML و WLS لازم است ماتریس کوواریانس S معین مثبت باشد. برای موقعیت هایی که در آن ها S کاملاً معین مثبت نیست، مانند مدل های اقتصاد سنجی دارای همانندی ها،با وجود هم خطی بودن چندگانه بین پیش بینی کننده ها در مسائل رگرسیون ، LISREL دارای گزینهای است که در اصطلاح برآورد برجسته نامیده میشود. در برآورد برجسته،مقدار ثابتی در عناصر قطری S ضرب و به S اضافه میشود. این مقدار ثابت به وسیله برنامه تعیین می شود،که پیش گزیده آن ۰٫۰۰۱ است. اما کاربر نیز میتواند به دلخواه خود هر مقدار را با استفاده از واژه کلیدی RC پیشنهاد کند. گزینه برجسته را میتوان با روشهای ULS ,GLS ,ML , WLS و DWLS نیز به کار برد ، اما کاربرد آن اثری بر IV و TSLS ندارد.
به ویژه زمانی که هم خطی بودن چندگانه بالا باشد،رگرسیون برجسته به عنوان یکی از فنون تصحیح کننده توصیه میشود. (لین و منتا ، ۱۹۸۲)
Instagram : unitahlil
گزینه برجسته (RO) در لیزرل