خودگردان سازي در آموس - Amos

خودگردان سازی و مقایسه روش های برآورد

 

مقدمه : خودگردان سازی که ابتدا توسط افرون (1979و1982) معرفی شده است روشی است چند منظوره که می توان از آن در جهت اهداف مختلف در تحلیل داده ها بهره برد. به عنوان مثال بیرن (2001) کاربرد این روش را برای برآورد پارامترها و خطای معیار آن ها در حالتی که فرض نرمال بودن چند متغیره برقرار نیست تشریح می کند.

آربوکل(2007) نشان می دهد که چگونه می توان از خودگردان سازی برای مقایسه مدل های مختلف با داده های یکسان به منظور گزینش بهترین آن ها بهره برد. وی همچنین استفاه از این روش را برای انتخاب بترین روش برآورد پارامترها معرفی می کند. شوماخر و لومکس نیز بر امکان استفاده از خودگردان سازی برای تعیین میزان مقاوم بودن براوردهای انجام شده برای پارامترهای مختلف در ارتباط با بحث اعتبار مدل، مقایسه مدل های جایگزین و مقایسه روش های برآورد شده اشاره کرده اند.

در این نوشتار به معرفی روش خودگردان سازی و مقایسه نتایج حاصل از این روش و روش حداکثر درستنمایی در براورد پارامترها می پردازیم. اما پیش از آن با توجه به اهمیت برقرار نبودن فرض نرمال بودن چندمتغیره توضیحی در مورد این فرض ارائه می شود.

نرمال بودن چندمتغیره :

نرمال چند متغیره بودن توزیع داده ها، بحثی است که بی توجهی به آن توسط پژوهشگر می تواند وی را به نتیجه گیری نادرست هدایت نماید. چنین وضعیتی به این واقعیت برمی گردد که عمومی ترین روش برآورد پارامترها و خطای معیار آن ها یعنی حداکثر درستنمایی  بر پیش فرض نرمال بودن چند متغیره استوار است.

خودگردان سازی به عنوان روشی که مبتنی بر بازنمونه گیری با جایگذاری از یک نمونه مورد مطالعه است، در شرایطی که فرض نرمال بودن چندمتغیره نقض شده است، می تواند در برآورد دقیق تر پارامترها و خطای معیار مرتبط با آ ن ها یاری رساند. درباره اهمیت نقش فرض نرمال بودن چند متغیره، وست و همکاران (1995) نکته های زیر را بیان داشته اند :

1- هرچه توزیع متغیرهای مشاهده شده از حالت نرمال دورتر باشد، مقدار آماره کای دو حاصل از چنین داده هایی چه باروش حداثر درستنمایی و چه با روش حداقل مربعات تعمیم یافته به شدت افزایش می یابد.

2- وقتی که حجم نمونه کوچک باشد حتی در صورت برقراری فرض نرمال بودن چند متغیره، روش های حداکثر درستنمایی و حداقل مربعات تعمیم یافته به مقادیر بزرگتری از آماره کای دو منجر می شود.

3- هنگامی که داده ها نرمال نیستند، شاخص های برازش نظیر شاخص توکر-لوییس(TLI) و شاخص برازش تطبیقی(CFI ) با زیربرآورد (Underestimation) روبه رو می شوند.

4- نرمال نبودن داده ها می تواند به خطاهای معیار کوچک یا بسیار کوچک بیانجامد که در نتیجه آن پارامترها به لحاظ آماری معنادار تلقی می شوند هرچند درواقعیت چنین نباشد.

 

خودگردان سازی چیست :

خودگردان سازی چیست و چگونه اجرا می شود؟

خودگردان سازی را می توان انجام نمونه گیری با جایگذاری از یک نمونه اصلی به دفعات زیاد دانست که با استفاده از نتایج کلیه دفعات نمونه گیری، در مجموع می توان به یک توزیع نمونه ای دست یافت. این توزیع نمونه ای، مبنایی را برای انجام برآوردها بویژه برآورد خطای معیار برای پارامترهای مختلف فراهم می آورد. در خودگردان سازی به جای آنکه بر مبنای یک نمونه به برآورد خطای معیار دست زنیم با انجام نمونه گیری های فرعی متعدد با جایگذاری (با حجم نمونه اغلب 200 بار یا بیشتر)، یک توزیع نمونه ای تجربه ای فراهم می شود و محاسبه خطاهای معیار بر مبنای آن به انجام می رسد. به چنین توزیع نمونه ای یک توزیع نمونه ی خودگردان می گویند.

بر اساس نمونه های تولید شده در هر مرحله پارامترها بر مبنای روش تعیین شده توسط پژوهشگر برآورد می شوند. بنابراین برای هر پارامتر به اندازه تعداد نمونه های موجود مقدارهای مختلف حاصل خواهد شد که توزیع این مقادیر برای هر پارامتر یک توزیع نمونه گیری خودگردان است. میانگین این مقادیر برای هر پارامتر که به عنوان برآوردگر خودگردان شناخته می شود به عنوان مقدار برآورد شده برای آن پارامتر در خروجی نرم افزار گزارش می شود.

 

خودگردان سازی و مقایسه روش های برآورد :

هرچند استفاده از روش های مختلف برآورد پارامترها در موقعیت های مختلف و برمبنای معیارهای از قبل تعریف شده (به خصوص معیارهای مربوط به حجم نمونه و برقراری فرض نرمال بودن چند متغیره) امکان پذیر است اما در برخی از موقعیت های پژوهشی و به دلیل نزدیک بودن معیارهای مختلف و یا به دلیل برقراری برخی معیارها و عدم برقراری برخی دیگر، تصمیم گیری در مورد انتخاب روش برآورد به سادگی ممکن نیست. این امکان وجود دارد که از خودگردان سازی برای مقایسه روش های مختلف برآورد پارامترها در یک موقعیت خاص بهره برد و به انتخاب یکی از آن ها دست یافت.

معیار انتخاب یک روش برآورد خاص، نزدیکی ساختار کواریانس بازسازی شده با بهره گیری از یک روش خاص به ساختار کواریانس جامعه آماری است. از آنجا که این ساختار برای پژوهشگر ناشناخته است و از طرف دیگر پیش فرض اصلی در خودگردان سازی معرف بودن نمونه مورد مطالعه برای جامعه می باشد، در این روش ساختار کواریانس حاصل از نمونه اصلی مورد مطالعه را به عنوان ساختار کواریانس جامعه در نظر می گیرند.

 

 منبع : مدل سازی معادله ساختاری در پژوهش های اجتماعی باکاربرد Amos / نوشته دکتر وحید قاسمی / انتشارات جامعه شناسان.

مقالات و مباحث آماري قرار داده شده روي سايت با صرف وقت و هزينه فراهم شده است.

خواهشمند است هر گونه بهره برداري با ذکر نام اين سايت و حتما لينک مستقیم به آن انجام شود.

اعتماد به شرکت اطمينان شرق؛

داده ها، پرسشنامه، پروپوزال، تحليل ها و اطلاعات شخصي شما کاملا محرمانه تلقي شده و در اختيار ديگران قرار نخواهد گرفت.

شرکت مشاوره و مدل سازي آماري اطمينان شرق

مطمئن ترين و تخصصي ترين در سراسر کشور، با قيمت مناسب تر

براي انجام معادلات ساختاري با Lisrel & Amos

سايت آماری برای انجام مدل سازي معادلات ساختاري با نرم افزارهاي ليزرل و آموس

خانواده اطمينان شرق:

 

سايت اصلي شرکت آماري: 

spss-iran.ir

 

سايت ويژه تحليل با SPSS

spss-iran.com

 

سايت تخصصي نرم افزارهاي Eviews و Microfit:

eviews-iran.ir

 

سايت مدل يابي معادلات ساختاري پي ال اس:

smartpls.ir

 

سايت تحليل سلسله مراتبي -ahp- با اکسپرت چويس:

expertchoice.ir

Text Box: تاييد صلاحيت شده مرکز آمار  ايران

جايزه داريد!! اگر مطمئن تر از ما يافتيد!  :

1- گواهينامه صلاحيت شرکت آماري از مرکز آمار ايران

2- نماد اعتماد الکترونيک

3- نماد ساماندهي

براي مشاهده نمادها مي توانيد به سايت اصلي اين شرکت آماري به آدرس زير مراجعه نماييد:

www.spss-iran.ir

تماس با تحليلگر Lisrel و يا Amos 

پاسخگويي توسط خانم دهقان :

9099071743  (مشاوره تلفني ليزرل)

09198180991   (ويژه تهران)

 09158193379  (ساير استانها)

02188247683 (تلفن ثابت-تهران)

05137410739  (ثابت دفتر مشهد)

04136610647  (تلفن ثابت-تبريز)

05632232526 (تلفن ثابت-بيرجند)

ايميل :

mojtaba.farshchi@gmail.com

تلگرام براي سفارش کار:

@dehghan_hadise (09198180991)

کانال تلگرام شرکت:

@spss_iran

آدرس شرکت: مشهد، بلوار شهيد قرني، چهارراه مجد، ط 4، واحد 406

آرم ثبت شده شرکت آماري اطمينان شرق

کلیپ کوتاه معرفی این شرکت آماری را ببینید:

 

می توانید با کلیک بر روی آیکن مربوطه به صورت تمام صفحه مشاهده نمایید.

دانلود