کاربرد مدل های کامل ساختاری در پژوهش

کاربرد مدل های کامل ساختاری در پژوهش

(نمایش رابطه ی رگرسیون چند متغیری با SEM)

همانطور که می دانید مدل رگرسیون خطی را می توان به شکل زیر بیان کرد : Y_i=α+βX_i+e_i این معادله بیان می کند که مشاهده ی i ام در متغیرY 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 ، Xماتریس متغیرهای مستقل با توزیع پیوسته یا طبقه ای (کدگذاری مجازی)، Bبرداراوزان رگرسیون ، e معرف بردار بردار پس ماند ، خطا یا نمره های باقی مانده ی تبیین نشده به وسیله ی مدل رگرسیون وI برداری شامل مقادیر 0 و1 بوده و معرف عرض از مبدأ Y می باشد .

بدین ترتیب SEMشامل مجموعه ای از معادلات رگرسیون چند متغیری است که در آن همه معادلات به گونه ی همزمان برازش داده می شود. تحلیل رگرسیون خطی چندمتغیری معمولی چندین مشخصه ی آماری ازجمله آزمون کلی برازندگی مدل آزمون برآورد پارامترهای منفردرا 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(از جمله 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.

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 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 نتغیرهای 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  باید دارای مقیاس معینی باشند. این عمل ممکن است از دوطریق انجام شود، 1. تثبیت یک مسیراز آن متغیر به متغیردیگر با مقدار معلوم(معمولاً 0و1). 2. تثبیت واریانس آن متغیر در یک مقدار معلوم. این عمل را می توان در تحلیل عاملی تأییدی به کار می رود. ج) هرزمان یک متغیرمکنون از یک متغیر مستقل به یک متغیر وابسته تغییر یابد یک خطا اضافه می شود. د) تعداد پارامترهایی که لازم است پیش بینی شود نمی توانند از تعداد واریانس ها و کواریانس هادر متغیرهای مشاهده شده یا اندازه گیری شده تجاوز کند.

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 : spss-iran