برای سفارش انجام تحلیل فصل 4 پایان نامه با نرم افزار Lisrel یا Amos از طریق لینک واتس آپ پایین صفحات سایت برای ما پیام بفرستید
دانشجوي گرامي مراقب باشيد به صرف چند درصد ارزانتر در دام افرادي که بدون خروجي گرفتن از نرم افزار (!!) تحليل آماري شما را انجام مي دهند نيفتيد!!
آموزش های اینترنتی را از سایتهایی خریداری نمایید که پشتیبانی و پاسخگویی به سوالات و امکان ارتباط با مدرس دوره در آنها وجود داشته باشد.
“اطمینان شرق” یک شرکت آماری دارای گرید مرکز آمار ایران، نماد اعتماد الکترونیک و تجربه 14 ساله است
خدمات اين شرکت آماري در چهارچوب قوانين و مقررات کشور و با هدف ارتقاي کيفيت پايان نامه ها و مقالات و تحقيقات علمي مي باشد. نمادهاي پايين صفحات سايت را ملاحظه نماييد
سوالات خود در خصوص هر مطلبي که در سايت مطالعه مي کنيد را در بخش ديدگاه (در انتهاي مطلب) درج نماييد تا به آن پاسخ دهيم. از طريق ايميل از پاسخ ما به سوالتان مطلع خواهيد شد.
با کمک ما از خان هفتم تحصيل که همان پايان نامه است با قدرت عبور کنيد
@جایزه دارید اگر مطمئن تر از ما یافتید ! @

اگر شاخص های برازش کلی مدل در مجموع قابل قبول نباشند، با این پرسش مواجه می شویم که آیا با برخی اصلاحات می توان مدل را به حد قابل قبول ارتقا داد؟ اولین پاسخی که می توان به چنین پرسشی داد آن است که هرچه شاخص های برازش مدل به نقاط قالب قبول نزدیک تر باشند احتمال ارتقا مدل به حد قالب قبول با برخی اصلاحات بیشتر است.

اولین و مهمترین نکته ای که به هنگام اصلاح یک مدل لازم است راهنمای پژوهشگر باشد آن است که توجیه نظری بر توجیه کمی و آماری ارجحیت دارد، به نحوی که نمی توان صرفا بر مبنای توجیه کمی و آماری دست به چنین اصلاحاتی زد. تغییر مدل به نحوی که نتوان برای آن توجیهی نظری و یا حتی منطقی ارائه داد، صرفا به این دلیل که شاخص های برازش به نحو قابل توجهی بهبود می یابند به لحاظ علمی قابل قبول نیست.

ولی در هر حال شاخص های آماری می توانند مسیر اصلاح مدل را به پژوهشگر نشان دهند. چنانچه بتوان توجیه نظری یا منطقی برای چنین اصلاحاتی ارائه داد پژوهشگر اغلب به اصلاح مدل سوق خواهد یافت.

اقدامات برای اصلاح مدل

اما برای اصلاح یک مدل چه کارهایی می توان انجام داد؟ شاید بتوان مجموعه اصلاحات ممکن را به سه دسته تقسیم نمود :

گروه اول

گروه اول اصلاحاتی هستند که به متغیرهای حاضر در مدل یا غایب از مدل مربوط می شوند. ممکن است بتوان متغیرهایی را از مدل حذف کرد، متغیرهایی را به مدل افزود و یا اینکه دو یا چند متغیر را با هم ادغام کرد. گاه نیز ممکن است یک سازه پنهان را به دو یا چند سازه فرعی تجزیه کرد.

گروه دوم

گروه دوم از اصلاحات آنهایی هستند که به داده های ورودی مربوط می شوند. ممکن است یک مدل در یک نمونه از یک جامعه آماری شاخص های برازش قابل قبولی را نشان ندهد در حالی که همان مدل اگر برای گروهی فرعی از همان نمونه مورد تجزیه و تحلیل قرار گیرد نتیجه بهتری را نشان دهد. بنابراین تهیه ماتریس واریانس-کواریانس مشاهده شده برای گروه های فرعی که احتمال می دهیم نتایج را تغییر دهد می تواند مورد توجه پژوهشگر قرار گیرد.

گروه سوم

گروه سوم از اصلاحات، گروهی هستند که به پارامترهای آزاد و ثابت در مدل تدوین شده مربوط می شوند. این امکان وجود دارد که از طرفی با ثابت کردن برخی از پارامترهای آزاد و از طرف دیگر با آزاد کردن برخی پارامترهای ثابت (و بعضی مواقع مقید) بتوان به بهبود شاخص های برازش کلی مدل دست یافت.  با اندکی تساهل علمی می توان به جای ثابت کردن پارامترهای آزاد از اصطلاح «حذف مسیر» و به جای آزاد کردن پارامترهای ثابت از اصطلاح «افزودن مسیر» بهره برد.

نکته مهم هنگام اصلاح مدل

یکی از نکات بسیار مهم در اصلاح مدل که لازم است همواره مد نظر داشته باشیم آن است که اصلاح مدل را جزء به جزء به انجام رسانده و پس از هر اصلاح جزئی تغییرات حاصل در مدل را تحلیل کنیم. به عنوان مثال اگر نتایج آماری نشان می دهند که می توان دو پارامتر را به مدل افزود بهتر است که ابتدا یکی از پارامترها به مدل افزوده شود، تغییرات حاصله ارزیابی شود و سپس در صورتی که برآوردهای جدید پیشنهاد افزودن پارامتر دوم را به مدل می دهند چنین کاری به انجام رسد.

ثابت کردن پارامترهای آزاد

در خروجی های متنی Amos برای کلیه پارامترهای برآورد شده، نسبت بحرانی که همان نسبت مقدار برآورد شده برای پارامتر به خطای معیار آن است گزارش می شود. می توان از این نسبت ها و سطح معناداری مرتبط با آن ها مشخص کرد که کدامیک از پارامترهای برآورد شده فاقد تفاوت معنادار با مقدار صفر هستند.

اگر پارامتری فاقد تفاوت معنادار باشد به این معنا است که به لحاظ اماری می توان آن را از مدل تدوین شده حذف کرد. حذف چنین پارامتری به معنای ثابت کردن آن به مقدار صفر است.

پارامترهای آزاد در مدل را می توان به سه گروه تقسیم کرد که شامل واریانس ها، کواریانس ها (ضرایب همبستگی) و وزن های رگرسیونی (بارهای عاملی یا ضرایب تأثیر) می شوند.

اصولا امکان ثابت کردن واریانس به یک مقدار مشخص اغلب اوقات بی معنی جلوه می کند. اما ثابت کردن کواریانس ها یا ضرایب رگرسیونی می تواند بر مبنای نتایج آماری منطقی تفسیر شود. پس از حذف چنین پارامترهایی شاخص های کلی برازش در سه گروه شاخص های مطلق، تطبیقی و مقتصد بار دیگر مورد وارسی قرار می گیرند تا نتایج چنین حذفی تحلیل شوند.

آزاد کردن پارامترهای ثابت

هموراه این پرسش برای پژوهشگر مطرح است که آیا می توان با آزاد کردن پارامترهایی که در مدل اولیه آن ها را ثابت تعریف کرده ایم شاخص های مطلق، تطبیقی و مقتصد را بهبود بخشید. در این باره نیز شاخص هایی رابه نام شاخص اصلاح می توان در خروجی Amos درخواست کرد که در پاسخ به چنین پرسشی پژوهشگر را یاری می رساند.

شاخص های اصلاح در مجموع نشان می دهند که اگر پارامتری را به مدل بیافزاییم تا چه مقدار می تواند سبب کاهش آماره کای دو مدل شود. آنچه قابل توجه است این که با افزودن پارامتر به مدل مقدار کای دو تاحدودی کاهش می یابد اما باید بررسی کرد که آیا این کاهش از لحاظ آماری معنادار است یا خیر. در خروجی Amos سه جدول مختلف برای کواریانس ها، واریانس ها و ضرایب رگرسیون گزارش می شوند.

از آنجایی که واریانس های متغیرهای بیرونی در مدل اصلی آزاد تعریف شده اند جدول شاخص های اصلاح مرتبط با واریانس ها هیچ اصلاحی را پیشنهاد نمی کنند. گاه ممکن است که نتایج نشان دهند که متغیرهای خطا را می توان با یکدیگر همبسته کرد.

معمولا به سه دلیل روش شناختی ممکن است متغیرهای خطا را با یکدیگر همبسته کرد:

اول اینکه مقیاس های اندازه گیری دو متغیر یکسان باشند. دیگر اینکه دو متغیر درواقع یک متغیر هستند که در دو زمان مختلف اندازه گیری شده اند و سوم اینکه دو متغیر اصلی دارای همبستگی بالایی با یکدیگر باشند به نحوی که انتظار می رود عوامل تأثیر گذار بر آن ها که در مدل لحاظ نشده اند تا حد زیادی مشابه باشند.

در مجموع می توان گفت با افزودن پارامتری در رابطه با وزن های رگرسیونی و یا با افزودن پارامتری در رابطه با همبسته کردن متغیرهای خطا بتوان به کاهش یکسانی در کای دو دست یافت.  اما افزودن وزن های رگرسیونی به لحاظ نظری می تواند قابلیت توجیه بالاتری داشته باشد.

منبع

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

 

 

درباره حدیثه دهقان

به عنوان یکی از با سابقه ترین پرسنل شرکت آماری اطمینان شرق، تلاش می کنم کار خود در زمینه پیگیری و انجام سفارشات تحلیل با نرم افزارهای معادلات ساختاری را به خوبی انجام دهم. واتس آپ یا تلگرام من (برای سفارش کار یا هر گونه سوال): 09198180991

16 دیدگاه در شاخص هاي اصلاح مدل در آموس (ايموس)
  1. با سلام و عرض ادب
    در برنامه آموس زمانی که از طریق modification قصد اصلاح mrsea و pvalue را دارم چرا مقدار mrsea اصلاح می شود ولی مقدار pvalue تغییری نمی کند؟ مقدار pvalue همچنان صفر باقی مانده است درحالیکه mrsea کوچکتر از 0.05 شد.
    متشکرم

    • سيد مجتبي فرشچي 20 سپتامبر 2018 در 22:35 پاسخ

      سلام‌. مقدار پی ولیو به کای اسکوئر وابسته هست.
      باید کای اسکوئر کم شود تا پی ولیو اصلاح شود.

  2. با سلام چنانچه در اصلاح مدل تغییری در معناداری ضرایب ایجاد شود به گونه ای که ضرایبی که قبلا معنادار نبوده معنادار شده و ضرایب معنادار غیر معنادار شده

  3. سلام چرا با وجود اینکه کای اسکور در آموس معنادار شده ولی نسبت آن با درجه آزادی بیشتر از 3 است .چگونه می توان مقدار آن را کاهش داد؟
    تحلیل عاملی روی داده ها انجام دادم و حالا که می خواهم مدل را برازش کنم مقدار کای اسکویر و جی اف و سایر کزینه ها مقدارشان قابل قبول نیست حالا چگونه می توان این مقادیر را افزایش داد؟

    • سيد مجتبي فرشچي 8 آوریل 2019 در 16:43 پاسخ

      سلام. مشکل از داده ها است یا باید مجدد داده جمع آوری شود یا اصلاح داده انجام شود.
      در بعضی موارد با افزایش حجم نمونه مشکل برطرف می شود.

  4. سلام . اگه ممکنه یک نمونه تفسیر خروجی اموس ، یا توضیحاتی در باره تفسیر خروجی نرم افزار رو به اشتراک بزارین . یا یک توضیح مختصر در این رابطه بفرمایید .ممنون

  5. با سلام و وقت بخیر
    زمانی که در شاخص های برازش در ایموس مقدار cmin برا بر صفر است، همچنین حاصل تقسیم cmin بر df را نداده است و مقدار p جلویش خالی است و هیچ عددی نداده است همچنین AGFI و TLI نیز جلویش مقدار نیست و برای قسمت RMSEA اصلا ردیف مربوط به دیفالت وجود ندارد و فقط ردیف مربوط به مدل مستقل وجوود دارد، آیا این برازش خوب است و یا قابل قبول نیست؟. لطفا را هنمایی بفرمایید. ممنون از سایت و مطالب خوبتون

    • سيد مجتبي فرشچي 13 جولای 2019 در 17:49 پاسخ

      سلام.
      این خروجی ها یعنی مدل اصلا برازش ندارد.
      یا مدل و پرسشنامه بسیار بزرگ است یا داده ها درست جمع آوری نشده اند.

  6. سارا میرزایی 13 جولای 2019 در 14:17 پاسخ

    با سلام
    من تمام مراحل رو انجام میدم ولی مدل ران نمیشه و هیچ اروری هم نمیده. در واقع هیچ خروجی نمیده.
    ممنون میشم راهنمایی بفرمایید.

  7. سلام
    مدلی برازش دادم که شاخص های برازندگی اون به شرح زیر هست. به نظر می رسه در برخی از شاخص ها شرایط بسیار خوب و در برخی دیگه شرایط نامطلوبی داره، ممکنه راهنمایی بفرمایید که در کل مدلی با این شاخص ها رو چگونه ارزیابی می کنید.
    Chi-square = 2.336
    Degrees of freedom =2
    Probability level = 0.311
    CMIN/DF =1.168
    NFI = 0.958
    IFI = 0.994
    CFI = 0.993
    PNFI = 0.319
    PCFI = 0.331
    RMSEA = 0.39
    PCLOSE = 0.408

    • سيد مجتبي فرشچي 21 جولای 2019 در 16:15 پاسخ

      سلام. در کل مدل برازش ضعیفی دارد.
      چون شاخص cmin/df و شاخص rsmea پایین است

  8. حمید علی اکبر 7 سپتامبر 2019 در 10:45 پاسخ

    سلام جناب سید مجتبی فرشچی
    لطفا سئوالاتی که از شما می پرسند و نمی دانید لطفا پاسخ دهید نمی دانم به نظرم این بهتر است و اگر نمی دانستید و می خواهید پاسخ صحیح دهید
    کافی است سئوالاتان را به شماره من در تلگرام ارسال نمایید و اگر توانستم کمکتان می نمایم و پاسخ می دهم فقط بعد از ارسال در تلگرام لطفا شماره تلگرام خودتان را به همان شماره بالا اس ام اس نمایید

    • سيد مجتبي فرشچي 8 سپتامبر 2019 در 17:12 پاسخ

      سلام، ما هر چیزی را که ندانیم قطعا پاسخ می دهیم که نمی دانیم و ادعا نداریم که همه چیز را می دانیم.
      در صورتیکه مایلید پاسخ دهید به راحتی می توانید به نام خود به هر کامنتی و سوالی در صفحات سایت ما پاسخ دهید، خوشحال خواهیم شد و نیاز نیست من از طریق تلگرام برای شما ارسال کنم.
      شماره تلگرام از کامنت تان برداشته شد.
      با تشکر


[بالا]

ارسال دیدگاه

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

سلام؛

1- بهترین راه ارتباط با ما (سفارش تحلیل یا سایر درخواستها) واتس آپ می باشد.

2- براي خريداري محصولات اگر در سايت عضو شويد بهتر است، زيرا در آینده با ورود به محيط کاربري خود مي توانيد به محصولات خريداري شده دسترسي داشته باشيد. البته بدون این اقدام نیز خریداری محصول و دریافت لینک آن براحتی امکان پذیر است.

3- براي جستجو در میان کامنت ها از ctrl+f استفاده کنيد. ضمنا امکان جستجو در محتوای سایت از نوار بالای صفحات وجود دارد.

شرکت آماری اطمینان شرق

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