شاخص نکویی برازش GOF

شاخص نکویی برازش GOF

شاخص نکویی برازش(goodness of fit)، به عنوان یک معیار کلی از تناسب مدل برای مدل معادلات ساختاری حداقل مربعات جزئی توسعه یافته است. این شاخص، مجذور ضرب دو مقدار متوسط مقادیر اشتراکی و متوسط ضرایب تعیین است. با این حال، از آنجایی که شاخص نکویی برازش GoF نمی تواند به طور قابل اعتمادی مدل های معتبر را از نامعتبر تشخیص دهد و از آنجایی که کاربرد آن به تنظیمات مدل خاصی محدود می شود، محققان باید از استفاده از آن به عنوان معیار مناسب خودداری کنند. GoF ممکن است برای تجزیه و تحلیل چند گروهی (PLS-MGA) مفید باشد.

هنسلر و سارستد (۲۰۱۲) به تفصیل توضیح می دهند که شاخص (GoF) برای برازش مدل معادلات ساختاری حدالقل مربعات جزئی معیار مناسبی نیست و نباید از آن استفاده کرد. با این حال، هنسلر و سارستد (۲۰۱۲) همچنین نشان می دهند که GoF ممکن است برای تجزیه و تحلیل چند گروهی (PLS-MGA) مفید باشد. زمانی که محققان نتایج PLS-SEM گروه های داده مختلف را برای یک مدل مسیر PLS مقایسه می کنند.

مفهوم شاخص نکویی برازش مدل معادلات ساختاری

برخلاف مدل معادلات ساختاری کوواریانس محور (CB-SEM)، مدل معادلات ساختاری حداقل مربعات جزئی (PLS-SEM)، یک معیار ارزیابی برای کل مدل ندارد. فقدان یک معیار برازش کلی و متعاقب آن فقدان معیارهای کلی مناسب بودن به طور سنتی از اشکالات اصلی PLS-SEM در نظر گرفته می شود. هنگام استفاده از PLS-SEM، مهم است که بدانیم اصطلاح تناسب معانی مختلفی در زمینه های CB-SEM و PLS-SEM دارد.

شاخص برازش برای CB-SEM از اختلاف بین ماتریس کوواریانس تجربی و مدل (تئوری) مشتق شده است، در حالی که PLS-SEM بر اختلاف بین مشاهده شده (در مورد متغیرهای آشکار) یا تقریبی (در مورد) تمرکز می کند. متغیرهای پنهان مقادیر متغیرهای وابسته و مقادیر پیش بینی شده توسط مدل مورد نظر به دست می آید. تتنهاوس و همکاران (۲۰۰۴)، شاخص نکویی برازش GOF را به عنوان یک معیار برازش کلی برای مدل PLS-SEM پیشنهاد کردند. تحقیقات نشان می دهد که این معیار برای شناسایی مدل های نادرست نامناسب است (می توانید به سایت اصلی نرم افزار SMARTPLS مراجعه کنید). در نتیجه، محققانی که از PLS-SEM استفاده می‌کنند، برای قضاوت در مورد کیفیت مدل، بر معیارهایی تکیه می‌کنند که توانایی‌های پیش‌بینی مدل را نشان می‌دهند.

محاسبه شاخص نکویی برازش GOF

همان طور که گفته شد شاخص GOF مربوط به برازش بخش کلی مدل های معادلات ساختاری است. بدین معنی که توسط این معیار محقق می تواند پس از بررسی برازش بخش اندازه گیری و بخش ساختاری مدل کلی پژوهش خود، برازش بخش کلی را نیز کنترل نماید. فرمول آن در زیر آمده است.

فرمول شاخص نکویی برازش GOF
فرمول شاخص نکویی برازش GOF

Communality (مقادیر اشتراکی) = این مقدار از میانگین مجذور بارهای عاملی هر متغیر به دست می آید.

Communality √= از میانگین مقادیر اشتراکی هر متغیر درون زای مدل به دست می آید.

R² =میانگین مقادیر R Square متغیرهای درون زای مدل است.

شاخص نکویی برازش GOF عددی بین صفر و یک بدست می آید. وتزلس و همکاران (۲۰۰۹) سه مقدار برای ارزیابی شاخص GOF در نظر گرفته‌اند:

ضعیف: اگر بین ۰/۱ تا ۰/۲۵ باشد.

متوسط اگر بین ۰/۲۵ تا ۰/۳۶ باشد.

قوی: اگر از ۰/۳۶ بیشتر باشد.

هر چه مقدار شاخص GOF به عدد یک نزدیک باشد، بیانگر مناسب تر بودن مدل است.

منبع

Hair, J. F., Hult, G. T. M., Ringle, C. M., and Sarstedt, M. (2017). [A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM)(http://www.pls-sem.com), ۲^nd^ Ed., Sage: Thousand Oaks.

Henseler, J., and Sarstedt, M. (2013). Goodness-of-Fit Indices for Partial Least Squares Path ModelingComputational Statistics, ۲۸(۲): ۵۶۵-۵۸۰.

Tenenhaus, M., Amato, S., and Esposito Vinzi, V. (2004). A Global Goodness-of-Fit Index for PLS Structural Equation Modeling, Proceedings of the XLII SIS Scientific Meeting. Padova: CLEUP, 739-742.

برای آموزش شاخص شاخص نکویی برازش GOF روی لینک زیر کلیک نمایید.

آموزش محاسبه شاخص نکویی برازش GOF

ارسال نظر

آدرس ایمیل شما منتشر نخواهد شد.

مدیر آماری