تحلیل آماری

کاربرد مدل های کامل ساختاری در پژوهش، نمایش رابطه ی رگرسیون با SEM

  1. خانه
  2. chevron_right
  3. مقالات تحلیل آماری
  4. chevron_right
  5. همبستگی و رگرسیون
  6. chevron_right
  7. کاربرد مدل های کامل ساختاری در پژوهش، نمایش رابطه ی رگرسیون با SEM
نام دسته مطالب: همبستگی و رگرسیون

کاربرد مدل های کامل ساختاری در پژوهش، نمایش رابطه ی رگرسیون با SEM

رابطه SEM (مدلسازی معادلات ساختاری) و رگرسیون

همانطور که می دانید مدل رگرسیون خطی را می توان به این شکل بیان کرد : Yi =  α + βXi + ei
این معادله بیان می کند که مشاهده ی i ام در متغیر Y تابعی است از : دو ثابت α و β که پارامترهای مدل هستند، مقدار مشاهده ی i ام در X و مقداری خطا که باe_i نمایش داده شده است.

مدل معادله ی ساختاری نیز به گونه ی خلاصه بسط چند متغیری مدل رگرسیون خطی چند متغیری با یک متغیر وابسته (Y) به شکل مقابل است : Y = I + BX + e .

در این رابطه Y برداری شامل نمره های مشاهده شده در متغیر وابسته ، X ماتریس متغیرهای مستقل با توزیع پیوسته یا طبقه ای (کدگذاری مجازی)، B بردار اوزان رگرسیون ، e معرف بردار بردار پس ماند ، خطا یا نمره های باقی مانده ی تبیین نشده به وسیله ی مدل رگرسیون و I برداری شامل مقادیر 0 و 1 بوده و معرف عرض از مبدأ Y می باشد .

بدین ترتیب SEM شامل مجموعه ای از معادلات رگرسیون چند متغیری است که در آن همه معادلات به گونه ی همزمان برازش داده می شود.

تحلیل رگرسیون خطی چند متغیری معمولی چندین مشخصه ی آماری ازجمله آزمون کلی برازندگی مدل آزمون برآورد پارامترهای منفرد را اجرا کرده و همچنین ضرایب غیراستاندارد رگرسیون ، خطاهای استاندارد آن ها، ضرایب استاندارد شده ی رگرسیون و همچنین مجذور همبستگی چند متغیری(R^2) را نیز محاسبه می کند.

نرم افزار SEM (همانند نرم افزار لیزرل یا LISREL) همه ی این مشخصه های آماری را نه تنها برای یک معادله ی واحد که در باره ی روش کمترین مجذورات معمولی رگرسیون صادق است، بلکه برای چند معادله ی رگرسیون و با استفاده از روش های گوناگون تولید می کند.

اجرای مقدماتی مدل

بسیاری از برنامه های نرم افزار SEM (از جمله LISREL) ماتریس همبستگی یا کواریانس داده ها را می پذیرند. بدین معنی که شما می توانید این ماتریس ها را با استفاده از نرم افزار دیگری مانندSPSS محاسبه و سپس آن ها را در LISREL یابرنامه ی دیگری از نرم افزار SEM وارد کنید. با این حال روشی که برای تحلیل ترجیح داده می شود، استفاده از داده های ورودی خام است. یعنی پژوهشگر پایگاه داده ها را که در SPSS یا برنامه ی متداول دیگری (مانندEXCEL) وجود دارد به برنامه SEM می فرستد و این برنامه ماتریس کواریانس را به عنوان بخشی از تحلیل محاسبه می کند.
در برونداد رایانه ای علاوه بر برآورد واریانس های تبیین شده و تبیین نشده، دو نوع ضریب استاندارد و غیر استاندادر وجود دارد. خطای استاندادر برآورد همه ی پارامترها در مدل گزارش شده و همه ی برآوردها نیز از لحاظ معنادار بودن به وسیله ی آزمون های z ، بررسی می شوند.

اصول مهم و اساسی اجرای مدل یابی معادلات ساختاری

برخی از اصول مهم مربوط به اجرای SEM از این قرار است

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

  • 1. متغیر مستقل دریک معادله ی رگرسیون خطی شامل هرمتغیری است که(شامل جمله خطا)که متغیر وابسته نباشد.
  • 2. 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.
  • 3. همه متغیرهای مستقل از جمله خطاها دارای واریانس و کواریانس خواهند بود.
  • 4. متغیرهای مستقل دارای جمله های خطا نیستند.
  • 5. متغیرهای وابسته دارای واریانس و کواریانس 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) باید دارای مقیاس معینی باشند. این عمل ممکن است از دوطریق انجام شود:

  • 1. تثبیت یک مسیر از آن متغیر به متغیر دیگر با مقدار معلوم (معمولاً 0 و 1).
  • 2. تثبیت واریانس آن متغیر در یک مقدار معلوم (معمولاً 0 و 1). این عمل را می توان در تحلیل عاملی تأییدی به کار می رود.

ج) هرزمان 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 خطا اضافه می شود، با این فرض که آن متغیر را نمی توان به صورت کامل پیش بینی کرد.

د) تعداد پارامترهایی که لازم است پیش بینی شود (یعنی ضرایب رگرسیون، واریانسها و کواریانس های متغیرهای مستقل) نمی توانند از تعداد واریانس ها و کواریانس ها در متغیرهای مشاهده شده یا اندازه گیری شده (متغیرهای داده های خام)تجاوز کند. اگر تعداد پارامترهایی که باید برآورد شود از تعداد واریانس ها و کواریانس ها در متغیرهای مشاهده شده تجاوز کند ، مسئله ای به نام همانندی را ایجاد می کند که بسیار جدی بوده و می تواند نتایج را ناروا سازد.

مسائل و مشکلات مدل یابی معادله ی ساختاری

مدل یابی معادلات ساختاری به رغم توان بالقوه آن در موقعیت های پژوهشی علوم اجتماعی، روشی بسیار پیچیده و دشوار است.مهم ترین ویژگی های این روش انعطاف پذیری فوق العاده آن از لحاظ کاربرد به عنوان یک چهارچوب نظری وسیع، مشارکت متغیرهای مکنون، کاربرد اندازه های چندگانه، امکان دادن به خطا، انطباق مفروضه های توزیعی و قابلیت کار با انواع داده ها است که آن را از لحاظ مفهومی یک روش شناسی سنگین و دشوار می سازد.ویژگی دیگری که بحث قابل توجهی را مطرح می کند، قابلیت کاربرد این روش ها هم به عنوان کنش اکتشافی و هم به عنوان کنش تأییدی میباشد.

به گونه ی ایده آل تغییر و اصلاح مدل ها و سپس بازآزمایی آن ها در نمونه های جدید برای رفع دشواریها یک استراتژی سازنده و یاری دهنده است ، اما متأسفانه محاسبه مجذور کای مستلزم گروه های نمونه با حجم زیاد است.

الزام حجم نمونه در شرایط تغییر مدل ها و آزمون نمونه های جدید حتی دشوارتر خواهد بود و بنابراین تجدید و تکرار وبازآزمایی به ندرت انجام می شود. این مطلب گردآوری داده های فراوان برای هدایت تئوری را با دشواری روبه رو ساخته و موجب محدودیت در تعمیم پذیری و روایی نتایج می شود.

مسئله ی دیگر در کاربرد مدل های معادله ساختاری ، دشواری ارزشیابی برازندگی در یک فرضیه ی پژوهشی معکوس است. در مدل یابی معادله ی ساختاری اگر فرضیه صفر رد شود، فرضیه پژوهشی نیز رد می شود. مسئله این است که توان رد فرضیه ی پژوهشی نامشخص است. توان کم به این معنااست که مدل مورد نظر در حالی که نادرست است امکان دارد تأیید شود و همچنین دلالت ضمنی توان زیاد آن است که مدل مورد نظر موقعی رد می شود که احتمال نادرستی آن اندک باشد. بنابراین مهم است که نه فقط مجذور کای (که به آسانی تحت تأثیر نمونه های بزرگ قرار می گیرد) ، بلکه دیگر اطلاعات نیزدر رابطه با برازندگی بررسی شود.

دیگر ایرادی که می تواند بر کاربرد مدل یابی ساختاری وارد شود این است که از لحاظ وقت پژوهشگر ، وقت رایانه و مواردی که در گردآوری اندازه های چندگانه ی متغیرها از روی نمونه های بزرگ به کار می رود، گران تمام می شود. پژوهشگر می تواند هزینه ها را با استفاده از راه هایی مانند شروع تحقیق با یک تئوری واقعی ، تأیید همانندی و مشخص بودن مدل مورد نظر قبل از تلاش برای تحلیل آن ، وارسی ناهماهنگی بین داده ها قبل از تحلیل (از روی نمونه های با حجم کافی) و آشنایی کافی با برنامه هایی که برای آزمون مدل به کار می رود ، کاهش دهد.

منبع : مدل یابی معادلات ساختاری با کاربرد نرم افزار LIRSEL. نوشته دکتر حیدر علی هومن .

آمادگی قبول سفارش تحلیل مدلسازی معادلات ساختاری برای پایان نامه

برای سفارش انجام تحلیل مدل سازی معادلات ساختاری با نرم افزار های لیزرل و اسمارت پی ال اس به ما واتساپ بزنید و پرسشنامه و فرضیات خود را ارسال نمایید.

ضمنا آدرس سایتهای ویژه معادلات ساختاری “اطمینان شرق” به قرار زیر است:

www.smartpls.ir

www.lisrel.ir

, , , , , , , ,
رگرسیون گام به گام
رگرسیون گام به گام، و فنون انتخاب متغیر در آن

سایر مطالب مرتبط با موضوع فوق:

توجه شود که بخش سوال و جواب ها و کامنتها بعد از این بخش قرار دارد.

مفهوم رگرسیون

مفهوم رگرسيون به زبان ساده

comment68 دیدگاه
رگرسيون چيست؟ رگرسيون يعني بازگشت. يعني پيش بيني و بيان تغييرات يک متغير بر اساس اطلاعات متغير ديگر. مثال: رابطه بين قد و وزن انسانها را در نظر بگيريد. همه مي دانيم که اين رابطه يک رابطه مستقيم رياضي و…
معنی داری مدل رگرسیون

آزمون معنی داری رگرسیون و ضرایب آن با نرم افزار SPSS

comment18 دیدگاه
1- بررسی معنی دار بودن مدل رگرسیون برای آزمون این که آیا رابطه ی رگرسیونی ارائه شده بین متغیر پاسخ (وابسته) و متغیرهای پیشگو (مستقل) معنی دار است یا خیر با تعریف مدل رگرسیون به صورت، فرضیه ی”  ”  را در…
معنی داری مدل رگرسیون

آثار همخطی چند گانه در یک مدل رگرسیون

comment3 دیدگاه
1- مقدمه تفسیر و استفاده از یک مدل رگرسیون چندگانه اغلب به برآوردهای تک تک ضرایب رگرسیونی بستگی دارد. پاره ای از کاربردهای مدل رگرسیون عبارتند از: 1) شناسایی اثرات نسبی متغیرهای وابسته، 2) پیشگویی و یا برآورد کردن و…

روش های گزینش متغیرها و مدل سازی در رگرسيون

comment1 دیدگاه
هنگامی که در بررسی یک مدل رگرسیونی، متغیر مستقل و رابطه بین آن ها با متغیر وابسته از قبل تعین شده است، پس از تعین معادله رگرسیونی مناسب، ضرایب متغیرها مورد آزمون قرار گرفته و اعتبار مانده نیز سنجیده می…
نرم افزار لیزرل

تحلیل آماری با نرم افزار لیزرل

comment1 دیدگاه
1- ليزرل: نرم افزاري براي مدل سازي معادلات ساختاري به نکاتی مهم و توضیحی در خصوص نرم افزار لیزرل اشاره می شود: ليزل Lisrel مخفف linear structural relation است. نرم افزار تحليل آماري ليزرل LISREL جهت محاسبات تحليل عامل و…

سوال و جواب پیرامون این مبحث از طریق ارسال دیدگاه:
– نیاز به عضویت در سایت ندارد
– از طریق ایمیل خود، از پاسخ ما مطلع می گردید
– اگر کامنتها زیاد است، ابتدا برای جستجو و یافتن سوال مد نظر خود از (f + Ctrl) استفاده نمایید.

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این فیلد را پر کنید
این فیلد را پر کنید
لطفاً یک نشانی ایمیل معتبر بنویسید.

هشت + نوزده =

فهرست

سلام دانشجوی عزیز؛

1- بهترین راه ارتباط با ما (سفارش انجام تحلیل آماری یا مشاوره یا سوال) واتساپ می باشد. زیرا لازم است قبل از هر پاسخی، فایلهای ارسالی شما بررسی شوند. فایلهایی مثل پرسشنامه، داده ها، مدل و فرضیات و امثال آن. یا اینکه به متخصص مربوطه ارجاع گردید.

تحلیل آماری اطمینان شرق

Open chat
1
سلام. چنانچه قصد سفارش تحلیل دارید، می توانید از طریق واتس آپ {09198180991} با ما ارتباط بگیرید.
روی آیکن واتس آپ کلیک کنید:
Powered by