شاخص های اصلاح مدل در آموس (ایموس)

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 اصلاحات

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 اصلاحات

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 اصلاحات

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.

با استفاده از بخش نظرات در انتهای صفحات سایت، می توانید سوالات و نظرات خود را پیرامون آن مطلب درج نمایید یا اینکه نظرات سایر دانش پژوهان را بخوانید. برای جستجو میان کامنتها از Ctrl + f استفاده نمایید. ضمنا از طریق ایمیل از پاسخ ما به سوال خود مطلع خواهید شد.
منبع
مدل سازی معادله ساختاری در پژوهش های اجتماعی باکاربرد Amos / نوشته دکتر وحید قاسمی / انتشارات جامعه شناسان.

حدیثه دهقان

به عنوان یکی از با سابقه ترین پرسنل مجموعه تخصصی 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 اپ، سروش یا تلگرام من (برای سفارش کار یا هر گونه سوال): 09198180991

‫۲۸ نظرها

  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 ۰.۰۵ شد.
    متشکرم

  2. سلام چرا با وجود اینکه کای اسکور در آموس معنادار شده ولی نسبت آن با درجه آزادی بیشتر از ۳ 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؟

    1. 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.

  3. 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

  4. 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

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

  5. 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.

  6. 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

  7. 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

    1. 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

  8. سلام وقتتون بخیر. ببخشید مدل من اجرا شده و ضرایب قابل قبول هستن، منتها شاخص نکویی و برازش مدل زیر ۰.۹۰ هستش. منبعی رو میخواستم که بتونم شاخص برازش و نکویی که ۰.۸۱ به دست آوردم، رفرنس بدم.
    باتشکر

    1. سلام. شاخص های برازش مطلوب نیست.
      منبعی برای تایید این شاخص برازش وجود ندارد.

  9. سلام در نرم افزار ایموس وقتی طبق دستورات modification اصلاحات رو انجام می دهیم و برازش مدل بالا می رود ولی در عین حال مقدار p در estimate و رگرسیون ویت افزایش می یابد . چگونه می توان این مشکل را حل کرد ؟
    ممنون

    1. سلام.با اندیس های اصلاح کننده مدل فقط شاخص های برازش مدل مثل کای اسکویر تقسیم بر درجه آزادی بهبود پیدا می کنند و تاثیری بر روی روابط بین متغیرهای مدل نمی گذارد.اگر دو متغیری باهم ارتباط معنادار نداشته باشند تا انتها باهم ارتباط نخواهند داشت

  10. دلیل بارهای عاملی برابر با ۱ یا بیشتر در مدل استاندارد شده چیست؟ آیا راهی برای حل این معضل هست؟

    1. سلام.بیش برازشی هست.یعنی همبستگی خیلی زیاد.حذف سوال چاره کار هست.چون وقتی سوالی این همه همبستگی نشون میده دیگه نیازی نیست در سنجش روایی و پایایی شرکت بکنه

  11. سلام
    میزان بار یکی از ابعاد در مدل نهایی که کامپیوت شده چند سوال هست این میزان شده.
    بنابراین لازم هست سوالاتی که باعث این بیش برازشی شده اند را حذف کرد یا کل متغیر را؟

    1. سلام. اول باید اصلاح داده در مورد سوال مورد نظر انجام بشه اگر جواب نداد سوال حذف میشه و در مرحله نهایی متغیر با نظر استاد حذف میشه.

  12. سلام میخواستم راهنمایی بفرمایید که درجه آزادی رو برای انجام فاکتور عاملی تاییدی باید چطور محاسبه کرد؟
    برای محاسبه Minimum Discrepancy Function by Degrees of Freedom divided) CMIN/DF نیازه که کای دو را به درجه آزادی تقسیم کنم اما درجه آزادی را ندارم.
    پرسشنامه من ۱۶ سوال با سه عامل بوده که در یک جمعیت ۱۶۰ نفره بررسی شده.

    1. سلام. در همه نرم افزار های معادلات ساختاری درجه ی آزادی مدل گزارش میشه. فرمولش : ۲ / (۱-n )n
      البته در بعضی از مدل ها فرمول پیچیده تر هست که در کتاب های معادلات ساختاری آمده است

  13. سلام. مدل برازشی را انجام دادم نمیدانم مناسب هست یا نه. ممنون می شوم راهنمایی بفرمائید
    شاخص برازش مدل میزان حاصل
    CMIN ۵۸۸۴/۷۳۲
    D.F ۲۹۳۲
    P ۰۰/۰
    RMSEA ۰۵۱/۰
    X2/DF ۲/۰۰۷
    PNFI .۶۱۵
    PCFI .۷۹۵
    IFI .۷۸۵
    CFI .۷۸۲

  14. سلام من تمام گام های تحلیل مسیر رو درست میرم اما هنوز شاخصه های برازش مدل خوب نیستن. استاد گفته باید شاخصه ها تعدیل بشن باید چکار کنم ؟

    1. سلام.
      مدل و داده ها برازش مناسبی ندارند. یا مدل مشکل دارد یا داده ها.
      برای رفع مشکل مدل در آخر فایل خروجی نرم افزار پیشنهادات مشخص است.
      اگر درست نشد یعنی مشکل از داده ها است و داده ها باید مجدد جمع آوری شود یا اصلاح داده انجام شود

دیدگاهتان را بنویسید

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

همچنین ببینید
بستن
دکمه بازگشت به بالا

سلام دانش پژوه عزیز؛

1- بهترین راه ارتباط با ما (سفارش انجام تحلیل آماری یا سوال) واتساپ می باشد. زیرا لازم است قبل از هر پاسخی، فایلهای ارسالی شما بررسی شوند. فایلهایی مثل پرسشنامه، داده ها، مدل و فرضیات و امثال آن.

 

تحلیل آماری اطمینان شرق

Open chat
1
سوالی دارید؟ در واتساپ طرح نمایید
سلام. چنانچه قصد سفارش تحلیل دارید، می توانید از طریق واتساپ {09198180991} با ما ارتباط بگیرید.
یا روی این آیکن واتساپ کلیک کنید: