به طور کلی شاخص های برازش مدل در سه دسته اصلی برازش مدل، تطبیق مدل و اقتصاد مدل قرار می گیرند. در این نوشتار به معرفی اين شاخص ها می پردازیم.
1- تعیین برازش مدل (پارامترها)
گاه حتی اگر معیار برازش کلی مدل بیانگر ساختاری قابل قبول باشد، برآورد پارامترهای منفرد در یک مدل می تواند فاقد معنا و مغهوم باشد. بنابراین تفسیر پارامترها در تحلیل هر مدل موضوعی با اهمیت است. در این باره گام های چهارگانه زیر پیشنهاد می شود :
1- بررسی کنید که آیا برآورد پارامترها دارای علامت مورد انتظار هستند یا خیر ؟
2- بررسی کنید که آیا برآورد پارامترها در دامنه تغییرات مورد نظر واقع می شوند یا خیر ؟
3- براورد پارامترها را برای تعیین معناداری آماری آن ها بررسی کنید.
4- عدم تفاوت سنجش بین گروهی را بوسیله برابر قرار دادن پارامترها (قیدها) در گروه های مختلف آزمون کنید و سپس مقایسه های نسبی را بین برآورد پارامترها انجام دهید.
بررسی برآورد پارامترهای اولیه نیز می تواند به تعیین نقص در مدل یا مدل بد تدوین شده کمک کند. در این مورد برآورد اولیه پارامترها به عنوان مقادیر اولیه مورد استفاده قرار می گیرند. به عنوان مثال در LISREL برآورد های اولیه حداقل مربعات دو مرحله با مقادیر آغازین تعریف شده توسط محقق جایگزین می شوند.
در مسیر برآورد پارامترها با مشکلات بسیاری ممکن است روبه رو شویم. گاه برآورد پارامترها مقادیر غیرممکنی را می گیرند، به عنوان مثال در مواردی که همبستگی بین متغیرها از عدد یک فراتر می رود چنین مشکلی پیش می آید. گاهی نیز مقادیر واریانس منفی بدست می آید.
علاوه براین ها داده های دورافتاده نیز می توانند برآورد پارامترها را تحت تأثیر قرار دهند. استفاده از حجم نمونه به اندازه کافی بزرگ و معرف های چندگانه برای هر متغیر پنهان، به عنوان راهکارهایی برای رسیدن به برآوردهای پایدار پارامترها پیشنهاد شده اند.
پس از آنکه این موضوعات مورد توجه قرار گرفتند تفسیر شاخص های اصلاح (آزمون های لاگرانژ و والد) و تغییرات بعدی در شاخص های برازش مدل می تواند آغاز شود.
اعتبار مدل بر اساس دو نیمه کردن نمونه مورد مطالعه و یا بررسی یک نمونه مستقل دیگر هنگامی که به مدل قابل قبول دست می یابیم، همواره باید مورد توجه باشد تا از پایداری برآورد پارامترها و اعتبار مدل اطمینان یابیم. علاوه براین ها خودگردان سازی نیز یک روش باز نمونه گیری را با استفاده از یک نمونه منفرد به کار می گیرد تا کارآمدی و دقت برآوردهای نمونه ای را آزمون کند.
آزمون های معناداری پارامترهای برآورد شده
آزمون های معناداری پارامترهای برآورد شده برای مدل های آشیان شده، شامل آزمون های نسبت درستنمایی(LR)، مضرب لاگرانژ(LM) و والد می باشد. پیش از آشنایی با هریک از این آزمون ها بایستی مفهوم مدل های آشیان شده را بیان نماییم.
مدل های آشیان شده
در یک مدل آشیان شده، یک ماتریس واریانس-کواریانس نمونه ای برای مدل اولیه با یک مدل مقید که در آن برآورد یک پارامتر برابر صفر قرار داده شده است مقایسه می شود. این روش با آزمون مدل های کامل در رگرسیون چندگانه قابل قیاس است.
در مدل سازی معادله ساختاری هدف تعیین معناداری تغییرات آماره کای دو برای مدل کامل است. در روش های برآورد حداقل مربعات تعمیم یافته، حداکثر درستنمایی و حداقل مربعات وزنی، این موضوع شامل تعیین معناداری آماره کای دو با یک درجه آزادی برای برآورد یک پارامتر منفرد است. بنابراین باید مقدار کاهش آماره کای دو برابر یا بیش از مقدار شاخص اصلاح برای برآورد پارامتری باشد که برابر صفر قرار داده شده است.
آزمون نسبت درستنمایی بین مدل های جایگزین برای بررسی تفاوت در مقادیر آماره کای دو بین مدل اولیه (کامل) و مدل مقید (اصلاح شده) در جایی که برآورد پارامتر برابر صفر قرار داده شده است امکان پذیر است. آمون نسبت درستنمایی براساس رابطه زیر محاسبه می شود :
آزمون مضرب لاگرانژ برازش یک مدل مقید را با مدلی با قید کمتر مقایسه کرده و در این مقایسه از ماتریسی مشابه ماتریس واریانس-کواریانس نمونه ای استفاده می کند. این آزمون پارامترهایی را نشان می دهد که لازم است به مدل افزوده شده یا در مدل به حساب آیند. محقق در این آزمون متغیری را برمی گزیند که بیشترین کاهش را در آماره کای دو را به دنبال دارد. مضرب لاگرانژ دارای توزیع کای دو با درجه آزادی برابر با تفاوت درجات آزادی مدل های مقیدی است که با یکدیگر مقایسه می شوند.
در آزمون والد یک بردار 1*r از قیدها با نام (r(θ در نظر می گیرد (برداری از پارامترهای انتخاب شده توسط محقق که برابر صفر قرار داده می شوند). اگر این بردار مقادیر بزرگتر از صفر را نشان دهد آنگاه مدل مقید یک مدل معتبر نیست. آماره والد نیز دارای توزیع کای دو با درجه آزادی برابر با تعداد قیدها در (r(θ است. برخلاف آزمون نسبت درستنمایی هیچ یک از آماره های مضرب لاگرانژ و والد نیاز به برآوردهای جداگانه از قیدهای مدل های اولیه (کامل) و اصلاح شده (مقید) ندارند.
2- تطبيق مدل
با در نظر گرفتن نقشی که آماره کی دو در برازش مدل هایی با متغیرهای پنهان ایفا می کند، سه شاخص دیگر به عنوان روش هایی برای مقایسه مدل های جایگزین طرح می شوند : شاخص توکرلوییس (TLI)، شاخص برازش هنجارنشده (NNFI) یا هنجار شده (NFI) بنتلر بونت(1987) و شاخص برازش تطبیقی (CFI ).
این شاخص ها نوعا یک مدل پیشنهاد شده را با یک مدل صفر (مدل مستقل) مقایسه می کنند. توجه داشته باشید هر مدلی که پژوهشگر انتظار تفاوت مدل های جایگزین با آن را به عنوان یک مدل مبنایی داشته باشد، یک مدل صفر می باشد.
شاخص توکر-لوییس
این شاخص در ابتدا توسط توکر و لوییس(1973) برای تحلیل عاملی مطرح شد. اما سپس آن را برای مبحث مدل سازی معادله ساختاری توسعه دادند. این شاخص می تواند برای مقایسه مدل های جایگزین یا یک مدل پیشنهاد شده در مقابل مدل صفر به کار رود. مقدار این شاخص به کمک آماره کای دو به صورت زیر محاسبه می شود :
مقدار این شاخص بین 0 و 1 تغییر می کند. مقدار 0 نشان دهنده فقدان برازش و 1 بیانگر برازش کامل است.
شاخص برازش هنجار شده
شاخص برازش هنجار شده براساس تبدیل مقیاس کای دو ساخته شده و مقدار آن بین 0 و1 تغییر می کند. این شاخص برای مقایسه یک مدل مقید با مدل کامل بکار می رود وآماره معرفی شده برای آن به صورت زیر است :
شاخص برازش مقایسه ای
این شاخص که به عنوان شاخص برازش مقایسه ای بنتلر نیز نامیده می شود، برازش مدل موجود را با مدل صفری مقایسه می کند که در ان فرض شده است متغیرهای پنهان با یکدیگر ناهمبسته اند (مدل مستقل). در این روش با مقایسه ماتریس کواریانس پیش بینی شده براساس مدل و ماتریس کواریانس مشاهده شده در صد فقدان برازشی را که براساس حرکت از مدل صفر به مدل تعریف شده بوسیله محقق به حساب آمده است، تخمین می زند. به لحاظ معنا CFI مشابه NFI است که برای حجم نمونه اصلاح شده محاسبه شود. مقدارCFI نزدیک به 1 برازش بسیار خوب را نشان می دهد.
3- شاخص های اقتصاد مدل
اقتصاد مدل
اقتصاد مدل به تعداد پارامترهای برآورد شده ای اشاره دارد که برای دستیابی به سطح خاصی از برازش مورد نیاز هستند. در این روش یک مدل فرامشخص با یک مدل مقید مقایسه می شود. شاخص هایی که در این زمینه مورد استفاده قرار می گیرند شامل کای اسکوئر هنجار شده (NC)، شاخص برازش مقتصد(PNFI,PCFI ) و معیار اطلاع آکائیک می باشند. این شاخص ها در واقع تعداد پارامترهایی را به حساب می آورد که برای رسیدن به مقدار خاصی از کای اسکوئر مورد نیاز است.
کای اسکوئر هنجار شده NC
پیش از معرفی این شاخص بایستی شاخص کای اسکوئر را معرفی نماییم.
کای اسکوئر
یک مقدار کای اسکوئر با درجه آزادی مشخص که به لجاظ آماری معنادار است، نشان می دهد که ماتریس های واریانس-کواریانس مشاهده شده و برآورد شده متفاوتند. به بیان دیگر محقق مایل به دستیابی به مقادیری از آماره کای دو است که کوچکتر از مقدار جدول کی دو باشد یعنی از نظر آماری معنادار نباشد.
سه روش برآورد برای محاسبه این آماره بکار برده می شود. روش حداکثر درستنمایی(ML)، حداقل مربعات تعمیم یافته(GLS) و حداقل مربعات غیر وزنی(ULS). هریک از این روش ها شرایط و همچنین مزایای خاص خود را دارا هستند. آماره کای دو از رابطه مقابل محاسبه می شود :
در این روابط t تعداد کل پارامترهای مستقل برآورد شده، n تعداد مشاهدات، p تعداد متغیرهای مشاهده شده و تحلیل شده و tr اثر ماتریس را نشان می دهند.
و اما در مورد شاخص کای دو هنجار شده، یورسکوگ (1969) پیشنهاد کرد که آماره کی دو به کمک درجه آزادی آن به منظور ارزیابی برازش مدل اصلاح شود. به این ترتیب می توان دو نوع از مدل های نامناسب را تعیین کرد : الف) مدلی که فرامشخص است. ب) مدلی که با داده های مشاهده شده برازش نداشته و نیاز به بهبود دارد. شاخص کای دو هنجار شده از تقسیم آماره کی دو بر درجه آزادی آن محاسبه می شود.
شاخص برازش مقتصد PFI
شاخص برازش مقتصد به عنوان یکی از شاخص های برازش، اصلاح شده ی شاخص برازش هنجار شده می باشد. این شاخص تعداد درجات آزادی را به حساب می آورد که برای حصول سطح خاصی از برازش بکار می رود.شاخص های برازش مقتصد برای مقایسه مدل ها با درجات آزادی متفاوت مورد استفاده قرار گرفته و براساس رابطه زیر محاسبه می شود :
مقادیر مربوط به مدل تحت فرض صفر با عبارت null و مدل تحت فرض مقابل با model مشخص شده اند.
معیار اطلاع آکائیک
معیار اطلاع آکائیک برای مقایسه مدل هایی با تعداد متفاوتی از متغیرهای پنهان بکار می رود.
منبع
مقدمه ای بر مدل سازی معادله ساختاری ، نوشته رندال. ای. شوماخر و ریچارد.جی.لومکس/ ترجمه شده توسط دکتر وحید قاسمی/ انتشارات جامعه شناسان
سلام و قت بخیر و تشکراز سایت خوبتون
من می خواهم شاخص های برازش مثل GFI , gfi , سایر شاخصهای برازش و در نرم افزار pls انجام بدم ولی نمی دوم از کدوم قسمت نرم افزار باید اجرا کنم ممنون می شم به من پاسخ بدهید.
سلام.
متاسفانه نرم افزار اسمارت پی ال اس ۲ این شاخص ها را گزارش نمی کند.نرم افزار اسمارت پی ال اس ۳ گزارش می کند که نسخه اصلی آن در ایران موجود نیست.
بروز رسانی (1/1/1401): ما هم اکنون مدتی است که از نسخه 3 اسمارت پی ال اس استفاده می کنیم و در سایت دیگر ما به آدرس زیر می توانید نسبت به دانلود نسخه کرک شده آن اقدام نمایید:
https://www.smartpls.ir/product/install3/
سلام وممنون از پاسخدهی
من نسخه ۳ رو دارم ولی نمیدونم کدوم قسمتش میشه اینارو پیدا کرد ممنون میشم راهنماییم کنید
سلام؛
با توجه به یکماهه بودن اکانت نسخه 3 اسمارت پی ال اس با آن کار نمی کنیمبروز رسانی (1/1/1401): ما هم اکنون مدتی است که از نسخه 3 اسمارت پی ال اس استفاده می کنیم و در سایت دیگر ما به آدرس زیر می توانید نسبت به دانلود نسخه کرک شده آن اقدام نمایید:
https://www.smartpls.ir/product/install3/
با سلام ایا معادلی برای شاخص نیکویی برازش در spss وجود دارد
سلام. در اس پی اس اس برازش مدل رگرسیونی با آر دو یا ضریب تعیین بررسی می شود.
ولی در آن شاخص نیکویی برازش مدل وجود ندارد.
سلام وقتتون بخیر
من می خوام توی تحقیقم از متغیر سن استفاده کنم و تاثیر آن را روی متغیرهای دیگه بسنجم . آیا باید حتما به عنوان متغیر آشکار بیارم ؟ نمی تونم مثل متغیر پنهان با دایره نشونش بدم ؟ یعنی یک متغیر سن داشته باشم به صورت دایره که یک سوال سن هم واردش شده باشه
سلام. در لیزرل و ایموس باید بدون دایره نشان داده شود و در مستطیل قرار گیرد زیرا هر متغیر پنهان حداقل ۳ سوال باید داشته باشد.
ولی در اسمارت پی ال اس حتما باید متغیر پنهان سازنده در نظر گرفته شود یعنی به یک دایره وصل شود.
شاخص های برازش در نرم افزار اموس و اسمارت پی ال اس متفاوت است؟ در نرم افزار اموس شاخص های برازش تطبیقی داریم در اسمارت پی ال اس چگونه است؟ ضمنا لطفا یک منبع برای این مطالب در اسمارت پی ال اس معرفی کنید
سلام. بله متفاوت است.
چون ایموس بر اساس کوواریانس تحلیل را انجام می دهد و اسمارت پی ال اس براساس حداقل مربعات جزئی.
منبع: کتاب معادلات ساختاری با نرم افزار اسمارت پی ال نوشته علی داوری و آرش رضا زاده.
سلام لطف میکنید نمونه ای از بررسی شاخصهای برازش در کار آماری رو برام ارسال کنید ؟
سلام. متاسفانه نمونه کار نداریم. می تونید از منابع این نرمافزار استفاده کنید
سلام
وقت بخیر
علت خطای عدم همگرایی در لیزرل چیست؟ چه راهی برای رفع این خطا وجود داره؟
سلام. علت تعداد زیاد سوالات و یا تکمیل نکردن صحیح و دقیق پرسشنامه است.
باید در ابتدا سوالات اضافی حذف شود و در مرحله بعد پرسشنامه دقیق تکمیل گردد.
اگر باز هم مشکل برطرف نشد باید از اصلاح داده استفاده کرد.
سلام منم با همین مشکل مواجه شدم منظورتون از اصلاح داده چیه؟
سلام. گاهی اوقات نرم افزارهای آماری خطای ماتریس تکین (singular matrix) را می دهند. دو علت بالقوه برای این خطا وجود دارد. اول اینکه یک سوال یا متغیر دارای مقدار ثابت است و بنابراین دارای واریانس صفر است. دوم اینکه یک متغیر یا سوال دو بار به کار رفته است یا دارای ترکیب خطی با متغیر یا سوال دیگری است (مثلا یک متغیر مضربی از یک متغیر دیگر است). در این حالت با مدل را با خارج کردن این نوع متغیرها یا اصلاح آنها اصلاح کنید.
سلام
آيا با تعیین برازش مدل، مي توان رابطه دو متغير و تاثير آنها را بر هم سنجيد؟
به عبارتي بدون بررسي تاثير دو متغير با روش آزمايش يا شبه آزمايش ،مي توان رابطه دو متغير را به شكل تاثير بررسي و تحليل آماري كرد؟
با همبستگي و خي دو اگر برازش انجام شود رابطه متغيرها معلوم مي شود؟
سلام.
نرم افزارهای معادلات ساختاری تاثیر متغیر مستقل را روی وابسته بررسی می کند.
و ماتریس همبستگی را نیز گزارش می کند که برای بررسی رابطه بین دو متغیر می باشد.
منظورتون رو از آزمایش و شبه آزمایش متوجه نشدیم.
سلام جناب فرشچی
ضمن تشکر از سایت خوبتون
یه سوال دارم: در تحلیل معادلات ساختاری با استفاده از نرم افزار pls اگر شاخص R2 متوسط، شاخص Q2 ضغیف و شاخص GOF قوی باشد، برازش مدل چگونه خواهد بود؟
سلام. خواهش.
برازش مدل در حد نسبتا خوب می باشد.
سلام
لطف می کنید شاخص های برازش مدل ساختاری در pls رو بگید.فقط میدونم یکیش ضریب تعیین یا R2 هست.ممنون.
سلام…لطف میکنید تفاوت شاخص cfI را با شاخص های tliوIfIوRFIوNFIدر تفسیر توضیح دهید
با سلام و عرض احترام
من در خروجی مدلی که در ایموس ران کردم
GFI رو ندارم -مشکل از کجاست ؟
سلام. احتمالا به علت بزرگ بودن مدل یا نامتناسب بودن حجم نمونه با سوالات و شاخص های پرسشنامه می باشد.
دلیل دیگر این است ممکن است نرم افزار کامل نصب نشده باشد
سلام
ببخشید شاخص های برازش من در مدل ساختاری
موارد زیر می باشند ایا قابل قبول استNfi=0.75,Cfi.
TLI=0.896
RMSe=0.08
0.88=RFI
Cmin=2.851 این خوب
سلام. شاخص های شما در حد متوسط است. و برازش نسبی مدل را می رساند ولی این برازش در حد خوب و مطلوب نیست
سلام. شاخص برازش مدل من که با نرم افزار ایموس کار کردم برای تحلیل عاملی تاییدی ابزار در برخی شاخص ها مطلوب و برخی از مقادیر مطلوب پایین تر است.
NFI= 0.7
CFI=0.8
TLI=0.8
IFI=0.8
بقیه شاخص ها خوبند . راهنمایی می فرمایید علت چی میتونه باشه؟ و راه حل چیه؟
سلام.
هر شاخص برازش فرمول و تعریف مخصوص به خود را دارد.
باید شاخص NFI و CFI هم مطلوب باشد تا مدل برازش داشته باشد.
به منابع نرم افزار لیزرل مراجعه نمایید
سلام وقت شما بخیر
میخواستم بدونم برای تایید یک مدل در نرمافزار amos مقدای p باید بیشتر از 0.05 باشد یا کمتر از 0.05؟
چون بعضی جاها نوشتن بیشتر و بعضی جاها کمتر.
الان مدل من تقریبا بقیه شاخص هارو جواب داده ولی مقدار p=0.000 بدست اومده باید چکار کنم؟
سلام. باید بیشتر از 5 صدم باشه تا مقدار کای اسکوئر معنی دار باشه. ولی یک نکته: برای شاخص برازندگی و تایید مدل به p توجهی نمیشه.
سلام
با تشکر از سایت خوبتان
لطفا بفرماید اگر برازش مدل در اسمارت 3 مقدار NFI را n/a نشان دهد علت چیست و چگونه می توان مقادیر را بدست آورد.در این محاسبه SRMR=0.107 بدست آمده است.برازش مدل چگونه است؟ و آیا می توان با حذف برخی متغیر ها مدل را بهتر کرد؟چگونه؟
سلام. ما نرم افزار اسمارت پی ال اس 3 رو کار نمی کنیم و نمی تونیم در این زمینه بهتون کمک کنیم.ما با نسخه 2 کار می کنیم که از اینجا قابل دانلود است: https://www.smartpls.ir/product/install2/بروز رسانی (1/1/1401): ما هم اکنون مدتی است که از نسخه 3 اسمارت پی ال اس استفاده می کنیم و در سایت دیگر ما به آدرس زیر می توانید نسبت به دانلود نسخه کرک شده آن اقدام نمایید:
https://www.smartpls.ir/product/install3/
سلام وقت بخير .
در بخش برازش مدل من که از نرم افزار amos استفاده کردم , شاخص هاي p-value مدل و cmin/df خالي است و هيچ مقداري درج نشده است . علت آن چيست ؟ بقيه شاخص ها مطلوب اند و نمونه آماري بيشتر از 250 است.
سلام و وقت بخیر. احتمالا مدلتون اشباع شده هست. یعنی تعداد پارامترهای معلوم و مجهول مدل برابر هست و کلا آماره کای دو محاسبه نشده. این مشکلی نداره
با سلام
شاخص GFI در خروجی AMOS نیست. لطفا من را راهنمایی فرمایید.
با تشکر
سلام و وقت بخیر. اطلاعات و جزئیات بیشتری از مساله مورد نیاز است