در داده پردازی از مدل معادلات ساختاری[۱۰۶] (SEM) استفاده شده است. برای انجام تجزیه و تحلیل داده ها از نرم افزار LISREL 8.54 استفاده شده است.
پایان نامه - مقاله - پروژه
روابط بین متغیر ها در مدل معادلات ساختاری به دو حوزه کلی تقسیم می شود:
۱) روابط بین متغیر های پنهان با متغیرهای آشکار
۲) روابط بین متغیر های پنهان با متغیر های پنهان.
دسته اول تحت عنوان مدل اندازه گیری[۱۰۷] و دسته دوم تحت عنوان مدل ساختاری[۱۰۸] نامیده می شوند. شکل کلی مدل معادلات ساختاری به صورت زیر است که در آن:

Г (گاما) نشان‌دهنده تأثیر مستقیم متغیرهای  بر متغیرهای
β (بتا) نشان‌دهنده تأثیر متغیرهای  بر سایر متغیرهای
(زتا) نماد خطاهای معادلات در رابطه ساختاری بین  و
نماد همبستگی بین  ها
نماد همبستگی بین  ها می باشد.
SEM رویکرد آماری جامعی برای آزمون فرضیه‌هایی درباره روابط بین متغیرهای مشاهده شده[۱۰۹] و متغیرهای مکنون [۱۱۰] می‌باشد. از طریق این رویکرد می‌توان قابل قبول بودن مدل‌های نظری را در جامعه‌های خاص با بهره گرفتن از داده‌های همبستگی، غیرآزمایشی، و آزمایشی آزمود. یکی از قوی‌ترین و مناسب‌ترین روش‌های تجزیه‌ و تحلیل در تحقیقات علوم رفتاری و اجتماعی تجزیه‌وتحلیل چند متغیره است، زیرا ماهیت این‌گونه موضوعات چند متغیره بوده و نمی‌توان آن‌ ها را با شیوه دو متغیری (که هر بار تنها یک متغیر مستقل با یک متغیر وابسته در نظر گرفته می‌شود حل نمود.
تجزیه ‌وتحلیل چند متغیره به یک‌سری روش‌های تجزیه‌ وتحلیل اطلاق می‌شود که ویژگی اصلی آن‌ ها، تجزیه‌وتحلیل همزمان K متغیر مستقل و n متغیر وابسته است. تجزیه‌وتحلیل ساختارهای کواریانس یا مدل‌سازی علّی یا مدل معادلات ساختاری، یکی از اصلی‌ترین روش‌های تجزیه‌وتحلیل ساختارهای داده‌ای پیچیده است و به معنی تجزیه ‌و تحلیل متغیرهای مختلفی است که در یک ساختار مبتنی بر تئوری، تأثیرات همزمان متغیرها را برهم نشان می‌دهد. این روش ، ترکیب ریاضی و آماری پیچیده‌ای از تحلیل عاملی، رگرسیون چند متغیره، و تحلیل مسیر است که در یک سیستم پیچیده گردهم آمده تا پدیده‌های پیچیده را مورد تجزیه‌وتحلیل قرار دهد (هومن، ۱۳۸۴). مدل معادلات ساختاری به دو فاز کلی تحلیل عاملی تائیدی و تحلیل مسیر تقسیم می شود. در قسمت اندازه گیری ارتباط نشانگر ها یا همان سوالات پرسشنامه با سازه ها مورد بررسی قرار می گیرد و در قسمت ساختاری ارتباط عامل های مورد بررسی با یکدیگر جهت آزمون فرضیات مورد توجه هستند.
در ابتدا تحلیل عاملی صرفاً یک روش آماری اکتشافی بود، اما اخیراً این امکان به وجود آمده که بتوان با بهره گرفتن از تحلیل عاملی آزمون فرض انجام داد (پل کلاین، ۱۳۸۰). تحلیل عاملی یکی از روش‌های آماری است که برای بررسی ارتباط بین متغیرهای مکنون و متغیرهای مشاهده شده به کار می‌رود و بیانگر مدل اندازه‌گیری است و تحلیل عامل تأییدی CFA معمولاً به مرتبه اول و مرتبه دوم تقسیم می‌شود (هومن، ۱۳۸۴).
در مدل ساختاری نیز روابط بین صفت های مکنون در خور توجه است. در واقع در مدل ساختاری روابط موجود بین صفت های مکنون که بر اساس نظریه استخراج شده اند با توجه به داده های گردآوری شده از نمونه تبیین می شوند؟
۳-۱۳-۱ تحلیل عاملی
بسیاری از روش‌های آماری روابط بین متغیرهای مستقل و وابسته را بررسی می‌کنند ، اما تحلیل عاملی[۱۱۱] با آن‌ ها تفاوت دارد. این روش برای مطالعه الگوی روابط میان تعداد زیادی متغیر وابسته بکار می‌رود و هدف آن کشف چیزی درباره ماهیت متغیرهای مستقلی است که بر آنها تاثیر می‌گذارد، حتی اگر این متغیرها هرگز به گونه مستقیم اندازه‌گیری نشده باشند. بنابراین هدف تحلیل عاملی ، کشف ساده‌ترین الگو از میان الگوهای مربوط به روابط آن متغیرها می‌باشد. این روش به دنبال درک این مطلب است که آیا متغیرهای مشاهده شده را می‌توان بر پایه تعداد کمتری متغیر (عامل) به گونه وسیع و اساسی تبیین کرد (هومن و عسگری؛ ١٣۸۴، ص۱۴۴). تحلیل عاملی به دو صورت اکتشافی[۱۱۲] و تاییدی[۱۱۳] انجام می‌شود. هدف از تحلیل عاملی اکتشافی، بررسی یک حوزه برای کشف ابعاد یا سازه‌های اصلی آن حوزه است به همین علت بود که اسپیرمن (١۹٠۴) تحلیل عاملی را در حوزه توانایی‌های انسان بوجود آورد. بعبارت دیگر تحلیل عاملی اکتشافی زمانی بکار می‌رود که پژوهشگر شواهد کافی قبلی و پیش تجربی برای تشکیل فرضیه درباره تعداد عامل‌های زیربنایی داده‌ها نداشته باشد. در صورتیکه تحلیل عاملی تاییدی یک مدل آزمون تئوری است. تحلیل عاملی تاییدی بوسیله یورس گوک (١۹۷٣) ابداع شد. این روش بر اساس مطالعات قبلی یا بر طبق نظریه مورد بحث، برای متغیرها بار عاملی فرض می‌شود آنگاه برای برازش هر چه دقیق تر بارهای ماتریس هدف، تحلیل عاملی تاییدی انجام می‌شود. بعلاوه می‌توان میزان موفقیت برازندگی را سنجید (کلاین؛١٣۸۰، ص۲۰۶).
۳-۱۳-۱-۲ تحلیل عاملی تائیدی
تحلیل عاملی تاییدی در واقع یک مدل آزمون تئوری است که در آن پژوهشگر تحلیل خود را با یک فرضیه قبلی آغاز می‌کند. این مدل که مبتنی بر یک شالوده تجربی و نظری قوی است مشخص می‌کند که کدام متغیر با کدام عامل و کدام عامل با کدام عامل همبسته است. برای ارزشیابی روایی سازه نیز یک روش قابل اعتماد به پژوهشگر عرضه می‌کند تا از این طریق بتواند به گونه بارزی فرضیه‌هایی را درباره ساختار عاملی داده‌ها که ناشی از یک مدل از پیش تعیین شده با تعداد و ترکیب مشخصی از عامل‌ها می‌باشد (هومن؛ ١٣۸۵، ص۱۵۸).
تفاوت اصلی بین تحلیل عاملی اکتشافی و تاییدی در این است که روش اکتشافی با صرفه‌ترین روش تبیین واریانس مشترک زیربنایی یک ماتریس همبستگی را مشخص می‌کند در حالیکه روش تاییدی، تعیین می‌کند که داده‌ها با یک ساختار عاملی معین، هماهنگ است یا نه. در تحلیل عاملی اکتشافی، مقصود تجسس داده‌های تجربی به منظور کشف و آشکارسازی ویژگی‌های خاص و روابط مورد علاقه آن‌ ها است بدون آنکه مدل معینی بر داده‌ها تحمیل شود. چنین تحلیلی می‌تواند ساختارساز، مدل‌ساز یا فرضیه‌ساز باشد. اما در تحلیل عاملی تأییدی، پژوهشگر به دنبال تهیه مدلی است که فرض می‌شود داده‌های تجربی را بر پایه چند پارامتر نسبتا اندک، توصیف، تبیین یا توجیه می‌کند. این مدل مبتنی بر اطلاعات پیش تجربی درباره ساختار داده‌ها است که می‌تواند به شکل تئوری یا فرضیه، یک طرح طبقه‌بندی کننده معین برای گویه‌ها یا پاره تست‌ها در انطباق با ویژگی‌های عینی شکل و محتوا، شرایط معلوم تجربی، و یا دانش حاصل از مطالعات قبلی درباره داده‌های وسیع باشد (هومن؛ ١٣۸۵، ص۱۵۹).
۳-۱۳-۲ معادلات ساختار یافته:
یکی از قوی‌‌ترین و مناسب‌ترین روش‌های تجزیه و تحلیل در تحقیقات علوم رفتاری و اجتماعی برای موضوعات چند متغیره، مدل معادلات ساختاری است. تجزیه وتحلیل ساختارهای کوواریانس یا مدل‌سازی علّی یا همان مدل‌های معادلات ساختاری، یکی از اصلی‌ترین روش‌های تجزیه و تحلیل ساختار داده‌ها‌ی پیچیده است و به معنی تجزیه وتحلیل متغیرهای مختلفی است که در یک ساختار مبتنی بر تئوری، «تاثیرات همزمان» متغیرها را بر هم نشان می‌دهد. در این فرایند ابتدا یک سری مراتب علّی مطرح می‌شود که در آن برخی از متغیرها ممکن است علت احتمالی متغیرهای دیگری باشد، اما بطور قطع نمی‌توان معلول آن باشد. این روش ترکیب ریاضی و آماری پیچیده‌ای از تجزیه و تحلیل عاملی، رگرسیون چند متغیره و تحلیل مسیر است که در یک سیستم پیچیده گردهم آمده‌اند. از جمله مفاهیم اولیه آماری به کار رفته در ارتباط با میانگین و انحراف معیار است که با ضرب کلیه اعداد مرتبط در عدد ثابت K، میانگین و انحراف معیار K برابر می‌شوند. بر این اساس، ما می‌توانیم وجود رابطه خطی بین دو متغیر X و Y را به طور غیرمستقیم با مقایسه واریانس X و Y آزمون نماییم. این ایده در ارتباط با چندین متغیر بوسیله مجموعه‌ای از معادلات خطی گسترش یافته است. به این ترتیب آماردانان روش‌هایی برای آزمون اینکه آیا مجموعه‌ای از واریانس‌ها و کوواریانس‌های موجود در ماتریس کوواریانس از ساختار خاصی پیروی می‌کنند، توسعه داده‌اند. در واقع مدل معادلات ساختاری، یک ساختار علّی مشخص شده بین مجموعه‌ای از سازه‌های مشاهده ناپذیر است که هر یک توسط مجموعه‌ای از نشانگرها اندازه‌گیری می‌شود و می‌توان آن را از لحاظ برازش در یک جامعه مشخص نمود. یک مدل کامل معادلات ساختاری شامل مدل ساختاری متغیرهای مکنون یعنی سازه‌های نظری مشاهده ناپذیر و مدل اندازه گیری روابط بین متغیرهای مشاهده پذیر یا همان نشانگرها و متغیرهای مکنون یعنی مشاهده ناپذیر است. محققان پژوهش‌های رفتاری مایل به دانستن میزان پیش بینی تغییرات متغیر وابسته توسط متغیرهای موجود در مدل هستند. برای این کار به  یا ضرایب ثابت هریک از روابط علّی نگاه می‌کنیم. این مقدار نشان دهنده درجه تطابق مدل طراحی شده با دنیای واقعی یا میزان کاربردی بودن مدل است. لازم به ذکر است که حداقل نمونه لازم برای اجرای مدل‌های معادلات ساختاری ١۰۰مورد است (عسگری؛ ١٣۸۶، ص۱۰۳).
۳-۱۳-۲-۱ مدل یابی معادلات ساختاری[۱۱۴]
یک تکنیک تحلیل چند متغیری بسیار کلی و نیرومند از خانواده رگرسیون چند متغیری است که به پژوهشگر امکان می دهد مجموعه ای از معادلات رگرسیون را به گونه هم زمان مورد آزمون قرار دهد (هومن،١٣۸۴، ص۱۱)
روش لیزرل ضمن آنکه ضرایب مجهول مجموعه معادلات ساختاری خطی را برآورد می کند برای برازش مدل هایی که شامل متغیرهای مکنون، خطاهای اندازه گیری در هر یک ازمتغیرهای وابسته و مستقل، علیت دو سویه، هم زمانی و وابستگی متقابل می باشد طرح ریزی گردیده است. اما این روش را می توان به عنوان موارد خاصی برای روش های تحلیل عاملی تاییدی، تحلیل رگرسیون چند متغیری، تحلیل مسیر، مدل های اقتصادی خاص داده های وابسته به زمان، مدل های برگشت پذیر و برگشت ناپذیر برای داده های مقطعی / طولی، مدل های ساختاری کوواریانس و تحلیل چند نمونه ای (مانند آزمون فرضیه های برابری ماتریس کوواریانس های، برابری ماتریس همبستگی ها، برابری معادلات و ساختارهای عاملی و غیره) نیز به کار برد.
۳-۱۳-۲-۲ مدل اندازه گیری
در مدل اندازه گیری روابط بین صفت های مکنون و نشانگر ها در خور توجه است. منظور از صفت مکنون متغیری است که بصورت مستقیم نمی توان اندازه گیری نمود و باید آن را از طریق نشانگر ها یا متغیر های مشاهده پذیری که بصورت مستقیم قابلیت اندازه گیری را دارند مورد سنجش و اندازه گیری قرار دهیم. تحلیل عاملی تاییدی اساساَ یک روش آزمون فرضیه است و این مطلب را بیان می کند که آیا نشانگر هایی که برای معرفی سازه یا متغیرهای مکنون در نظر گرفته شده اند واقعا معرف آن ها هستند یا نه، را می آزماید و همچنین مشخص می نماید که نشانگر های انتخابی با چه دقتی معرف یا برازنده متغیر مکنون هستند. در مدل معادلات ساختاری برای آزمون معناداری پارامترهای مد نظر در مدل از شاخص آماری t استفاده می شود لذا پارامترهایی که دارای مقادیر بزرگتر از ۹۶/۱ هستند از لحاظ آماری معنی دار هستند (هومن،١٣۸۴، ص۲۴).
۳-۱۴ اصطلاحات مدل یابی معادلات خطی
مدل سازی معادلات ساختاری بر پایه فرضیه هایی درباره وجود روابط علی در بین متغیرها، مدل های علی را با دستگاه معادلات خطی آزمون می کند. بدین ترتیب، SEM روابط ساختاری بین شرایط ساختاری معین و مفروض را می‌آزماید و برآورد روابط علی میان متغیرهای نهان (مشاهده نشده) و نیز روابط بین متغیرهای اندازه‌گیری شده (مشاهده شده) را امکان پذیر می سازد.
متغیرهای مستقل که فرض برآن است که بدون خطا اندازه‌گیری می شوند، متغیرهای برونزا[۱۱۵] یا جریان دهنده[۱۱۶] و متغیرهای وابسته یا میانجی[۱۱۷] متغیرهای درونزا[۱۱۸] یا جریان گیرنده[۱۱۹] نامیده می شوند. متغیرهای آشکار[۱۲۰] یا مشاهده شده به گونه مستقیم توسط پژوهشگر اندازه‌گیری می شود، در حالی که متغیرهای نهان یا مشاهده نشده به گونه‌ای مستقیم اندازه‌گیری نمی شوند، بلکه بر اساس روابط یا همبستگی های بین متغیرهای اندازه‌گیری استنباط می شوند. این برآورد به همان طریق که یک تحلیل عاملی اکتشافی حضور عامل های نهان را از واریانس مشترک بین متغیرهای مشاهده شده استنباط می کند، بدست می آید.
بنابر آنچه که گفته شد، مدل معادلات ساختاری شامل دو مولفه است: مدل اندازه‌گیری که در آن متغیرهای نهان پیشنهاد و از طریق CFA آزمون می شود و مدل ساختاری که در آن متغیرهای نهان و متغیرهای مشاهده شده‌ای که نشانگر متغیرهای نهان است از یک راه منطقی با هم مرتبط می شوند.
کاربران SEM روابط میان متغیرهای مشاهده شده و مشاهده نشده را با بهره گرفتن از نمودار مسیر[۱۲۱] نشان می دهند. این نمودار که نقش اساسی در مدل یابی معادلات ساختاری بازی می کند، مانند فلوچارتهای رایانه‌ای است، که متغیرهایی را که با خطوط بیانگر جریان علی با هم متصل شده‌اند، نشان می دهد.
مقایسه این دو ماتریس منجر به تولید یک ماتریس باقیمانده[۱۲۲] می شود و این تکرارها تا جایی ادامه می یابد که این ماتریس باقیمانده به حداقل ممکن برس .
۳-۱۵ شاخص های برازش مدل معادلات ساختاری
برای برازش مدل، از شاخص‌های شناخته شده برازش مانند شاخص برازش مقایسه­ ای (CFI)، ریشه میانگین مجذور پسماندهای استاندارد شده (SRMR)، شاخص نرم شده برازندگی (NFI)، شاخص نرم نشده برازندگی (NNFI)، شاخص برازندگی فزاینده (IFI)، شاخص نیکوئی برازش (GFI)، شاخص تعدیل شده نیکوئی برازش (AGFI) استفاده شده است که در ذیل تشریح شده‌اند.
۳-۱۵-۱ شاخص نرم شده برازندگی(NFI)
شاخص NFI را می­توان بر پایه تابع برازندگی (F) یا مشخصه  نشان داد. این شاخص که آن را بنتلر و بونت (١۹۸٠) پیشنهاد کرده ­اند، برازش­های دو مدل مختلف را در یک مجموعه از داده ­ها مقایسه می­ کند. یکی از این مدل­ها ممکن است مدل صفر یا خط پایه باشد. که در آن a, b مدل‌های رقیب و n مدل صفر است؛ مدل n می‌تواند همان مدل b باشد.

یا

چون دامنه NFI بین صفر و یک قرار دارد یک مدل مطلوب به حساب می ­آید. بنتلر و بونت (١۹۸۰) مقادیر NFI برابر یا بزرگتر از ۹/۰ را در مقایسه با مدل صفر به عنوان شاخص خوبی برای برازندگی مدل‌های نظری توصیه کرده ­اند (هومن ١٣۸۴)، در حالی که برخی از پژوهشگران نقطه برش۸۰/۰ را به کار می­برند و بایرن (١۹۹۸) و و مولایک و همکاران (١۹۸۹) نقطه برش بزرگتر از ۵/۰ را توصیه می‌کنند (اولیری کلی و وکارکا، ١۹۹۸).
۳-۱۵-۲ شاخص نرم نشده برازندگی (NNFI)
شاخص نرم نشده برازندگی (NNFI) یا شاخص اکر لوئیس مشابه NFI است امّا برای پیچیدگی مدل جریمه می‌پردازد و نه فقط در مقایسه یک مدل با مدل صفر بلکه در مقایسه مدل­های مختلف نیز کاربرد فراوان دارد. هر چند مقدار NNFI نسبت به تغییرات حجم گروه نمونه مقاوم است امّا چون دامنه آن محدود به صفر و یک نیست تفسیر آن نسبت به NFI دشوار تر است. بر پایه قرارداد مقادیر کمتر از ۹/۰ مستلزم تجدید نظر در مدل است.

اگر این شاخص بزرگتر از ۰/۱ باشد برابر با ۰/۱ قرار داده می‌شود و مانند شاخصهای بنتلر و بونت تفسیر می‌گردد. توجه داشته باشید که مقدار کوچک  (تا آنجا که کوچکتر از ۰/۱ نباشد) دلالت بر برازش بهتر مدل دارد. به طوری که طبق نظر بولن (١۹۸۹)، کامینز و ملول (١۹۸١) و هیر و همکاران (١۹۹۵)،  مقدار مناسبی برای برازش مدل می‌باشد.

موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...