«مدل معادلات ساختاری» (Structural Equation Modeling)،برای بررسی روابط علت و معلولی به کار می رود. مدل معادلات ساختاری (SEM) تحلیلی بر پایه چند متغیر از خانواده رگرسیون چند متغیری است. این تکنیک این امکان را فراهم می کند که مجموعه ای از معادلات رگرسیون رابه طور همزمان مورد آزمون قرار داد. مدل سازی معادله ساختاری دیدگاهی است که در آن الگوهای فرضی از ارتباطات مستقیم و غیرمستقیم در میان یک مجموعه از متغیرهای مشاهده شده و پنهان مورد بررسی قرار می گیرد.
در SEM از مفاهیم آماری مانند واریانس و کوواریانس به عنوان معیارهایی برای اندازهگیری پراکندگی یا وابستگی بین متغیرها استفاده می شود. کاربرد اصلی این تکنیک در مباحث چند متغیره ای است که نمی توان آنها را به شیوه دو متغیری (متغیر مستقل و وابسته منفرد) نجام داد. مدل معادله ساختاری با ترکیب مدل های مسیر و مدل های تحلیل عاملی تاییدی انجام می شود.
مدل سازی معادلات ساختاری ترکیب مدل های مسیر و مدل های تحلیل عاملی تاییدی است. تحلیل مسیر براساس متغیرهای مستقل و وابسته انجام می شود. رابطه علی معلولی بین متغیرهای مستقل و وابسته را بررسی می کند. برای تائید صحت این مدل ها از شاخص های برازش استفاده می شود.
مراحل طراحی یک مدل SEM به صورت شکل زیر است:
نسل اول مدل سازی معادلات ساختاری با رویکرد مبتنی بر کواریانس با حجم نمونه بالا، نرمال بودن داده ها جمع آوری شده و انعکاسی بودن مدلهای اندازه گیری برای تأئید مدل بوده است. نرم افزارهایی نظیر Lisrel ،Amos ،EQS و MPlus چهار نرم افزار متداول و پرکاربرد در این رویکرد نسل اول مدلسازی معادلات ساختاری هستند. این روش (نسل اول) به دلیل برخی محدودیتهایش سبب شد؛ محققان به دنبال رویکرد دیگری برای برطرف نمودن محدودیتهای رویکرد مذکور باشند. رویکردی که به نسل دوم مدلسازی معادلات ساختاری یا حداقل مربعات جزئی شناخته شده است. نمونه تحلیل های مدل SEM در نرم افزارهای مختلف نشان داده شده است:
نسل دوم مدلسازی معادلات ساختاری معروف به رویکرد حداقل مربعات جزئی یا رویکرد مبتنی بر واریانس برای تحلیل داده های جمعآوری شده فرآیندی مشابه ولی متفاوت با تکیه بر محدودیت های رویکرد مبتنی بر کواریانس ارائه نمود. توانایی این رویکرد در کار با دادههای اندک، عدم حساسیت به نرمال بودن داده ها، توانایی در پیش بینی و پشیتبانی از مدل های بسیار پیچیده و همچنین قابلیت مدل اندازه گیری ترکیبی و انعکاسی با سرعت بالا در میان پژوهشگران رواج یافت و به تبع آن نرم افزارهای متنوعی برای اجرای این رویکرد معرفی شدند. در شکل یک نمونه تحلیل مدل معادلات ساختاری حداقل مربعات جزئی نشان داده شده است.
نرم افزارهایی مانند Smart PLS و XLSTAT ،Warp-PLS ،PLS-Graph ،Visual-PLS مدل SEM نسل دوم را اجرا می کنند. نرم افزار SMARTPLS در سال ۲۰۰۵ معرفی گردید، معروفترین و پرکاربردترین آنها است. برخی بر این باورند که چون داده غیر نرمال می باشد و حجم نمونه کم است باید به جای AMOS ،LISREL ،EQS و به طور کلی نرم افزارهای با قابلیت SEM-CB از نرم افزار های با قابلیت SEM-VB نظیر SmartPLS و WarpPLS استفاده کرد.
از کاربردهای مهم مدل معادلات ساختاری میتوان به موارد زیر اشاره کرد:
«تحلیل مسیر» (Path Analysis) یا مدلی که رابطه بین متغیرها را نشان میدهد.
«تحلیل عاملی تاییدی» (Confirmatory Factor Analysis) که مشابه تحلیل عاملی است و آزمونهای مربوط به وزن عامل (ضریب هر عامل) و همبستگی درونی را انجام میدهد.
«تحلیل عاملی مرتبه دوم» (Second Order Factor Analysis) که در آن ماتریس همبستگی عوامل، خود قابل تجزیه به عوامل دیگری است که «عوامل ثانویه» (Second Order Factors) نامیده میشوند.
«مدل تحلیل رگرسیونی» (Regression Models)، که از رگرسیونی خطی استفاده کرده و با منظور تخصیص وزن به هر یک از متغیرها، مدل کمترین مربعات خطا را میسازد.
«مدل ساختار کوواریانس» (Covariance Structure Models) که به بررسی ساختار و شکل ماتریس کوواریانس میپردازد و در مورد آن آزمون فرض انجام میدهد.
«مدل ساختار همبستگی» (Correlation Structure Models)، که آزمونهای فرض مربوط به ساختار ماتریس همبستگی را محاسبه میکند.
Bagozzi, Richard P; Yi, Youjae (2011). “Specification, evaluation, and interpretation of structural equation models”. Journal of the Academy of Marketing Science. ۴۰ (۱): ۸–۳۴.
Schermelleh-Engel, K.; Moosbrugger, H.; Müller, H. (2003), “Evaluating the fit of structural equation models” (PDF), Methods of Psychological Research, ۸ (۲): ۲۳–۷۴.
برای آموزش مدل معادلات ساختاری بر روی فایل زیر کلیک کنید.
تحلیل تتراد تاییدی برای این است که نشون بدیم مدل ترکیبی درسته یا مدل انعکاسی. تحلیل عامل تاییدی در مرحله قبل از این تکنیک برای تایید گویه ها استفاده می شه
مدل های آماری براساس احتمال طراحی می شوند. ناهمگنی هم جزئی از احتمال هست.
تکنیک pos-pls همگنی مدل رو بیشتر می کنه. زمانی که به دقت بیشتری در طراحی مدل نیاز دارید.
برای متغیرهایی که سطح بندی دارند. مثل جنسیت، تحصیلات، گروه خونی و…
خیر جایگشت یک تکنیک براوردگری است. کدنویسی هم در نرم افزارهای r matlab دارد.
در نرم افزار pls تحلیل عامل تائیدی نداریم. مدل درونی و بیرونی تشکیل می شه
خیر. این تحلیل تفاوت مدل انعکاسی و ترکیبی هست.
تعداد گویه ها هر چه باشد در ۵ ضرب شود. بیشتر از این مقدار مناسب است
نتایج اماره تی به صورت جدول می آید و گرافیکی نیست