شاخص های برازش مدل حداقل مربعات جزئی نشان می دهند مدل تجربی تا چه اندازه با مدل نظری فرض شده تطبیق دارد. این شاخص ها نشان می دهند مدل تا چه اندازه درست است. در مدل معادلات ساختاری حداقل مربعات جزئی رابطه علی میان چند متغیر پیش بین و وابسته بررسی می شود. مدلسازی معادلات ساختاری معروف به رویکرد حداقل مربعات جزئی یا رویکرد مبتنی بر واریانس برای تحلیل داده های جمع آوری شده فرآیندی مشابه ولی متفاوت با تکیه بر محدودیت های رویکرد مبتنی بر کواریانس ارائه نمود. برای بررسی برازش مدل و درستی سازه های مدل در مدل حداقل مربعات جزئی در نرم افزار SMARTPLS از سه دسته شاخص برازش استفاده می شود:

۱-شاخص های برازش مدل انعکاسی

۲-شاخص برازش مدل ترکیبی

۳-شاخص های آزمون مدل معادلات ساختاری

پژوهشگران در گزارش دهی شاخص های برازش مدل حداقل مربعات جزئی باید بسیار محتاط باشند. همان طور که در سایت نرم افزار SMARTPLS بیان شده است، این شاخص ها نیازمند مطالعه و تحقیقات بیشتری هستند.

در ادامه این مقاله به معرفی شاخص های برازش مدل حداقل مربعات جزئی در نرم افزار SMARTPLS پرداخته می شود:

شاخص های برازش مدل انعکاسی

مدل انعکاسی بیانگر جایگاه گویه ها در مدل هستند و رابطه خود را با سازه های مدل نشان می دهند. گویه ها یا متغیرهای آشکار از دو جهت پایایی و روایی مورد سنجش قرار می گیرند:

آزمون های پایایی عبارتند از:

–آلفای کرونباخ

-پایایی مرکب

آزمون های روایی در دو دسته روایی همگرا و روایی واگرا محاسبه می شوند. شاخص های روایی همگرا عبارتند از:

-روایی تائیدی

-آزمون متوسط واریانس استخراج شده (AVE)

شاخص های روایی واگرا عبارتند از:

–آزمون فورنل و لارکر

–آزمون بار عرضی

–شاخص HTMT

آزمون کیفیت مدل اندازه گیری انعکاسی

برای مشخص کردن کیفیت مدل اندازه گیری انعکاسی از شاخص اشتراک  یا شاخص افزونگی cross validated-Communality (CV-COM)، استفاده می شود. این شاخص توانایی مدل را در پیش بینی متغیرهای مشاهده پذیر از طریق مقادیر متغیر پنهان متناظرشان می سنجد.مقادیر مثبت شاخص Com CV نشاندهنده کیفیت مناسب مدل اندازه گیری انعکاسی می باشد. در صورت مثبت بودن این شاخص، کیفیت مدل اندازه گیری انعکاسی تائید می شود.

شاخص برازش مدل ترکیبی

برای اندازه گیری برازش مدل ترکیبی از شاخص همخطی چندگانه (VIF) variance inflation factor بین متغیرهای مشاهده پذیر در مدل ااندازه گیری ترکیبی استفاده می شود. در واقع یک شاخص معرفی می گردد که بیان میدارد چه مقدار از تغییرات مربوط به ضرایب برآورد شده بابت همخطی افزایش یافته است. شدت همخطی چندگانه  را با بررسی بزرگی مقدار  VIF می توان تحلیل ;vn. اگر آماره آزمون VIFبه یک نزدیک باشد بیانگر عدم وجود همخطی است.مقدار VIF بزرگتر از ۵ باشد همخطی  چندگانه بالا است. این شاخص به صورت درونی و بیرونی در تحلیل حداقل مربعات جزئی محاسبه می شود.

شاخص های آزمون مدل معادلات ساختاری

در این قسمت به معرفی شاخص های آزمون مدل معادلات ساختاری و یا مدل درونی پرداخته می شود:

شاخص ضریب تعیین R^۲

شاخص ضریب تعیین  R^۲ یا معیار اصلی ارزیابی متغیرهای مکنون درون زا در مدل مسیر تأئیدی است. این ضریب اثرات چندگانه متغییرهای مکنون برونزا بر متغییر مکنون درونزا را معین می کند. از انجا که این ضریب توان دوم همبستگی مقادیر واقعی و پیش بینی شده است، مقدار واریانس سازه های درونزا را که به وسیله همه سازه های برونزای متناظر شرح داده می شود را نشان می دهد.

مقادیر ۰.۱۹، ۰.۳۳ و ۰و۶۷  برای متغیرهای مکنون درون زابه ترتیب ضعیف، متوسط و قوی معرفی شدند.

معناداری ضریب مسیر

در سطح اطمینان ۹۰ درصد، ۹۵ درصد و ۹۹ درصد این مقدار به ترتیب با حداقل آماره تی ۱.۶۴، ۱.۹۶ و ۲.۵۸ مقایسه می شود. اگر ضریب مسیر از مقادیر بیان شده بیشتر باشد، ضریب مسیر معنادار است.

شاخص اندازه اثر F²

کوهن برای تعیین شدت رابطه میان متغیرهای پنهان مدل، شاخص اندازه اثر F²  را معرفی نمود. این شاخص مقدار عددی است که تفاوت بین داده‌ها و فرضیه آماری را مشخص و تعیین می‌کند. مقادیر ۰.۳۵، ۰.۱۵ و ۰.۰۲ برای  قابل توجه، متوسط و ضعیف  شاخص اندازه اثر توصیف شده است.

شاخص GOF

این شاخص، مجذور ضرب دو مقدار متوسط مقادیر اشتراکی و متوسط ضرایب تعیین است.مقادیر ۰.۳۶، ۰.۲۵ و ۰.۰۱ به ترتیب قوی، متوسط و ضعیف   برای شاخص GOF توصیف شده است.

شاخص Q² استون و گیسر

شاخص Q² استون و گیسر توسط استون و گیسر(۱۹۷۵ )معرفی شده است و قدرت پیش بینی مدل در متغیرهای وابسته را مشخص می کند. این شاخص به دنبال سنجش قابلیت پیش بینی مدل PLS است و در آزمون blindfolding نرم افزار اسمارت پی ال اس به صورت جدولی و با نماد Q2 ارائه می شود. مقادیر منفی قابل قبول نیست و باید مقادیر مثبت باشتد.  در آزمون استون گیسر دو مقدار ارایه می­شود: افزونگی با روایی متقاطع  و  اشتراک (CV-COM) با روایی متقاطع (CV-RED). مقدار افزونگی با روایی متقاطع به ارزیابی مدل ساختاری و مقدار اشتراک با روایی متقاطع به ارزیابی مدل سنجش همان میانگین واریانس استخراج شده می باشد می ­پردازد.  شاخص Q² مثبت و بزرگ، نشان از قابلیت بالای پیش ­بینی مدل دارد و مقادیر Q۲  منفی بیانگر تخمین بسیار ضعیف متغیر پنهان است.

شاخص SRMR

پس از منسوخ شدن معیار نیکویی برازش (GOF)، ز شاخص ریشه میانگین مربعات باقی مانده استاندارد شده (SRMR) Standardized Root Mean Square Residual استفاده می شود. مقدار این شاخص کمتر از ۰.۱ یا ۰.۰۸  مناسب قلمداد می گردد.

شاخص RMS Theta

شاخص RMS Theta یکی از شاخصهای بسیار خوب برای ارزیابی مدلهای اندازه گیری انعکاسی  است. این شاخص برای مدلهای ساختی یا Formative قابل تفسیر نیست. مبنای آن همبستگی بین متغیرهای خطا یا باقیمانده هاست. هر چه این همبستگی ها کوچکتر باشند شاخص RMS کوچکتر شده و مطلوبتر خواهد بود. کمترین مقدار و مناسب ترین مقدار شاخص RMS Theta صفر است.  انتظار می رود برای مناسب بودن مدل شاخص RMS Theta از ۰.۱۲ کمتر باشد.