شاخص برازندگی تطبیقی

دانلود پایان نامه

فرایند روش‎شناختی پژوهش
فصل سوم
1ـ3 طرح و روش پژوهش
طرح پژوهش حاضر از نوع غیر آزمایشی است که در آن از روش تحقیق همبستگی بهره گرفته شده است. در این پژوهش از روش آماری پیشرفته الگویابی معادله ساختاری با استفاده از نرم‎افزار لیزرل، سود جسته‎ایم. در ادامه به الگویابی معادله ساختاری، با عنوان روی‎آورد آماری پژوهش خواهیم پرداخت.
2ـ3 روی‎آورد آماری پژوهش: الگویابی معادله ساختاری
الگویابی معادله ساختاری، مجموعه‎ای از فنون آماری است که امکان می‎دهد روابط بین یک یا چند متغیر مستقل (پیوسته1یا گسسته2)، و یک یا چند متغیر وابسته (پیوسته یا گسسته) بررسی شوند. متغیرهای مستقل و وابسته می‎توانند متغیرهای اندازه‎گیری‎شده3(مستقیماً مشاهده‎شده) یا متغیرهای نهفته4(مشاهده‎نشده یا مستقیماً مشاهده‎نشده) باشند (اولمان5و بنتلر6، 2003).
الگویابی معادله ساختاری ترکیبی از تحلیل عاملی7و تحلیل مسیر8 است. بدین ترتیب، دارای دو مؤلفه است: الگوی اندازه‎گیری9و الگوی ساختاری10. الگوی اندازه‎گیری روابط بین متغیرهای مشاهده‎شده و سازه یا سازه‎هایی است که آن متغیرها فرض می‎شود که اندازه‎گیری می‎کنند. در مقابل، الگوی ساختاری روابط بین سازه‎ها را توصیف می‎کند. برای آزمونگری الگوی اندازه‎گیری، از تحلیل عاملی تأییدی بهره گرفته می‎شود و عوامل مفروض، متغیرهای نهفته نامیده می‎شوند. معادله‎ها در سنجش ساختاری الگو، روابط مفروض بین متغیرهای نهفته را مشخص می‎سازند (وستون11و گور12، 2005). فرایند الگویابی معادله ساختاری پیرامون دو گام دور می‎زند: اعتباریابی الگوی اندازه‎گیری و برازش الگوی ساختاری (گارسون13، 2008).
بهره‎گیری از الگویابی معادله ساختاری مزیت‎هایی دارد که از آن جمله‎‎اند (1) وقتی روابط بین عوامل مورد بررسی قرار می‎گیرد، روابط خطای اندازه‎گیری14 ندارند؛ زیرا خطا برآورد و برداشته15 می‎شود و فقط واریانس
مشترک1باقی می‎ماند؛ (2) پایایی2 اندازه‎گیری را می‎توان از طریق برآورد کردن و برداشتن خطای اندازه‎گیری در تحلیل تبیین کرد؛ (3) روابط پیچیده را می‎توان مورد بررسی قرار داد. وقتی پدیده‎های مورد علاقه پیچیده و چند بعدی هستند، الگویابی معادله ساختاری تنها تحلیلی است که امکان می‎دهد کلیه روابط به‎طور همزمان و کامل آزمون شوند و در نهایت (4) در علوم اجتماعی اغلب فرضیه‎هایی در سطح سازه مطرح‎اند. با دیگر روش‎های آماری، فرض‎هایی که در سطح سازه‎اند، در سطح متغیر اندازه‎گیری‎شده (یک متغیر مشاهده‎شده با خطای اندازه‎گیری) آزمون می‎شوند. عدم تطابق3 بین سطح فرضیه و سطح تحلیل ـ اگرچه مشکل‎آفرین است و اغلب نادیده گرفته می‎شوند ـ ممکن است به نتیجه‎گیری‎های نادرستی منجر شود. یک مزیت متمایز الگو‎یابی معادله ساختاری، توانایی‎ آن در آزمون فرضیه‎هایی در سطح سازه است (اولمان و بنتلر، 2003).
الگویابی معادله ساختاری همچون دیگر روش‎های آماری دارای مفروضه‎هایی است و اجرای آن مراحلی را دربر می‎گیرد که در ادامه به‎طور خلاصه به آنها اشاره می‎کنیم.
1ـ2ـ3 الگویابی معادله ساختاری: مفروضه‎ها، گام‎ها و شاخص‎های برازندگی
مفروضه‎های الگویابی معادله ساختاری عبارت‎اند از: (1) نرمال بودن4 توزیع متغیرها، (2) وجود رابطه خطی بین متغیرها، (3) متغیرهای مشاهده‎شده چندگانه، (4) الگوی زبرمانند5، (5) عدم هم‎خطی چندگانه بین متغیرهای نهفته برون‎زا و درون‎زا، و در نهایت (6) فاصله‎ای بودن مقیاس اندازه‎گیری (گارسون، نقل از زین‎آبادی، 1388).
مفروضه اول بر اساس ارزش مطلق شاخص‎های چولگی6و کشیدگی7 مورد بررسی قرار گرفته است. کلیه متغیرها دارای ارزش مطلق چولگی کمتر از 3 و ارزش مطلق کشیدگی کمتر از 10 هستند (کلاین8، 2011). در مورد مفروضه دوم، ماتریس همبستگی بین متغیرها نشان می‎دهد که بیشتر متغیرها رابطه خطی دارند. مفروضه سوم، بر مبنای حضور بیش از سه نشانگر برای متغیرهای برون‎زا و درون‎زا رعایت شده است. در مورد مفروضه چهارم باید گفت که الگوهایی زبرمانند هستند که بیش از یک جواب دارند ( اما یکی از آنها بهترین است) و از طریق آن جواب‎ها، برآورد هر پارامتر ممکن می‎شود. برنامه‎های نرم‎افزاری الگو‎یابی معادلات ساختاری، بررسی‎های همانندی الگو را به عنوان بخشی از فرایند برازش‎دهی الگو انجام می‎دهند و معمولاً در باره شرایط زیرمانندی1هشدارهای منطقی و مستدل به دست می‎دهد (هومن، 1384). بر اساس برونداد برنامه لیزرل، هیچ هشداری مبنی بر زیرمانندی داده نشد. در باب مفروضه پنجم کلاین (2005، نقل از وستون و گور، 2005) اشاره می‎کند که همبستگی‎های دو متغیری بیش از 85/0 r = مبیّن مسئله هم‎خطی چندگانه است. همبستگی بین متغیرهای پژوهش نشان داد که این مفروضه رعایت شده و در نهایت، مفروضه ششم بر اساس ماهیت داده‎ها رعایت شده است.
مسئله داده‎های از دست‎رفته2و حجم نمونه هم به عنوان مفروضه‎های الگویابی معادله ساختاری مطرح گردیده‎اند (هومن، 1384). کلاین (2011) بر این عقیده است که کمتر از 5 درصد داده از دست‎رفته برای هر متغیر در نمونه بزرگ، قابل توجه نیست.
در باب حجم نمونه در روش الگویابی معادله ساختاری دیدگاه‎های متفاوتی مطرح شده است. جیمز استیونس3 برای تحلبل رگرسیون چندگانه با روش معمولی کمترین مجذورات استاندارد4، 15 نفر برای هر متغیر اندازه‎گیری‎شده پیشنهاد می‎کند و چون الگویابی معادله ساختاری از برخی جهات ارتباط تنگاتنگی با رگرسیون چندگانه دارد، 15نفر به ازای هر متغیر اندازه‎گیری‎شده غیر معقول نیست (بخش آمار و محاسبه علمی5 دانشگاه تگزاس، 2001). بومسما6(1983، نقل از تاباچنیک7 و فیدل8، 2001) اندازه نمونه حدود 200 نفر را برای الگوهای کوچک تا متوسط و 500 نفر را برای الگوهای بزرگ کافی می‎داند. برخی دیگر (مثلاً یورسکوگ9و سوربوم10، 1984، نقل از هومن، 1385) 100 نفر برای یک مطالعه کوچک (شاید با چهار یا پنج متغیر) تا 30 آزمودنی برای هر متغیر را مطرح ساخته‎اند. در پژوهش حاضر، 613 نفر ( 314 دختر و 299 پسر) شرکت داشتند.
از نظر کلاین (2011) شش گام بنیادی الگویابی معادله ساختاری، که در حقیقت در برگیرنده شیوه سرگیری11 هستند، عبارت‎اند از: (1) تدوین12 الگو، (2) ارزشیابی همانندی13 الگو، (3) انتخاب اندازه‎ها (عملیاتی‎سازی سازه‎ها) و جمع‎آوری، آماده‎سازی، و غربال داده‎ها، (4) برآورد14 الگو، (5) تدوین مجدد15 الگو و در نهایت (6) گزارش نتایج. در این پژوهش کلیه گام‎ها درنظرگرفته شدند.
برای ارزشیابی برازندگی الگو، شاخص‎های گوناگونی وجود دارد. هوپر1، کاگلن2و مالن3(2008) در مقاله‎ای با عنوان الگویابی معادله ساختاری: دستورالعمل‎هایی برای تعیین برازندگی الگو، این شاخص‎ها را در سه مقوله قرار می‎دهند: شاخص‎های برازندگی مطلق4(برای مثال، مجذور خی، ریشه دوم واریانس خطای تقریب5)، شاخص‎های برازندگی نسبی6(برای مثال، شاخص برازندگی تطبیقی7، شاخص برازندگی هنجار شده8) و شاخص‎های برازندگی اقتصادی9(برای مثال، شاخص برازندگی هنجار شده اقتصادی10).
در ادامه به پاره‎ای از این شاخص‎ها که توصیه شده است در پژوهش‎ها گزارش شوند، خواهیم پرداخت.
1. مجذور خی(): ارزش مجذور خی یک شاخص سنتی برای ارزشیابی برازش کلی الگو است که مقدار تفاوت بین ماتریس کوواریانس نمونه و برازش‎شده را می‎سنجد. یک الگوی به‎خوبی برازش‎یافته نتیجه غیر معنادار را در سطح 05/0 فراهم می‎آورد. از آنجا که آماره مجذور خی اساساً یک آزمون معناداری آماری است، به حجم نمونه حساس است؛ به این معنا که وقتی حجم نمونه زیاد باشد، تقریباً همیشه الگو را رد می‎کند. از سوی دیگر، در جایی که نمونه‎های کوچک مورد استفاده قرار می‎گیرند، آماره مجذور خی فاقد توان است و به این خاطر، الگوهای واجد برازش مناسب و الگوهای دارای برازش ضعیف را متمایز نمی‎سازد. به دلیل محدودیت‎های مجذور خی، پژوهشگران شاخص‎های دیگری را برای سنجش برازش الگو جستجو کرده‎اند. یکی از شاخص‎های که تأثیر حجم نمونه را به حداقل می‎رساند، مجذور خی نسبی/ هنجارشده11(مجذور خی بر درجه آزادی) است. اگرچه هیچ اجماعی در مورد نسبت قابل قبول برای این شاخص وجود ندارد، دامنه توصیه‎ها از مقدار حداکثری 5 (ویتون2 و دیگران،1977، نقل از هوپر و دیگران، 2008) تا مقدار حداقلی 2 (تاباچنیک و فیدل، 2007، نقل از هوپر و دیگران، 2008) کشیده شده است.
2. ریشه دوم واریانس خطای تقریب (RMSEA): ریشه دوم واریانس خطای تقریب، دومین آماره برازندگی است که در برنامه لیزرل گزارش می‎شود. برای نقطه برش این شاخص توصیه‎های متفاوتی مطرح شده است. برخی اندازه 05/0 تا 1/0 را مبیّن برازش خوب و بالای 1/0 را حاکی از برازش ضعیف دانسته‎اند و پاره‎ای دیگر اندازه 08/0 تا 1/0 را نشان‎دهنده برازش متوسط و کمتر از 08/0 را به عنوان برازش خوب درـ نظرگرفته‎اند (مک کالوم13و دیگران، 1996، نقل از هوپر و دیگران، 2008). هوپر و دیگران (2008) اشاره
می‎کنند که یکی از بزرگ‎ترین مزیت‎های ریشه دوم واریانس خطای تقریب، توانایی‎اش در محاسبه فاصله اطمینان است. این فاصله همراه با ریشه دوم واریانس خطای تقریب گزارش می‎شود و در الگوهای به‎خوبی
برازش‎یافته، محدوده پایین2 به صفر نزدیک است؛ در حالی که محدوده بالا3 باید کمتر از 08/0 باشد.

این نوشته در علمی _ آموزشی ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.