نرم افزار AMOS یک برنامه آماری است که برای مدل سازی معادلات ساختاری، تحلیل مسیر و تحلیل عاملی تاییدی استفاده می شود. AMOS مخفف Analysis Of a Moment Structures به معنی آنالیز ساختارهای لحظه ای است. نرم افزار AMOS یک ماژول اضافه شده SPSS است و همچنین به عنوان نرم افزار تحلیل کوواریانس یا مدل سازی علی نیز شناخته می شود. در محاسبه ضرایب معادلات ساختاری در نرم افزار AMOS از روش های زیر استفاده می کند:
حداکثر احتمال
حداقل مربعات بدون وزن
حداقل مربعات تعمیم یافته
معیار بدون توزیع مجانبی براون
حداقل مربعات بدون مقیاس
همونطور که میدونیم مهم ترین پیش فرض های انجام معادلات ساختاری در نرم افزار Amos به شرح زیر است :
۱-مناسب بودن تعداد نمونه ها (استفاده از روش نمونه گیری مدل معادلات ساختاری)
۲-رابطه خطی بین متغیرها
۳-عدم وجود کوواریانس با مقدار صفر در بین متغیرها
۴-عدم وجود همخطی بین متغیرها (بررسی شاخص VIF)
۵-دیتاها بایستی از نوع فاصله ای باشند.
۶-نرمال بودن توزیع داده ها
ابتدا باید نرم افزار AMOS را اجرا کنیم. با کلیک بر روی منوی “شروع” و انتخاب گزینه “AMOS graphic” می توانیم برنامه را اجرا کنیم. لحظه ای که AMOS شروع به کار می کند، پنجره ای به نام “AMOS graphic” ظاهر می شود. در این پنجره می توانیم مدل معادلات ساختاری خود را به صورت دستی ترسیم کنیم. مراجل انجام تحلیل در نرم افزار AMOS به صورت زیر است:
با انتخاب نام فایل از گزینه data file می توانیم داده ها را در AMOS برای تجزیه و تحلیل SEM ضمیمه کنیم. اگر روی نماد “انتخاب داده ها” کلیک کنیم، این گزینه نیز ظاهر می شود.
در نرم افزار آموس برای ترسیم متغیر مشاهده شده از یک نماد مستطیل استفاده می شود.
در نرم افزار آموس از نماد دایره ای برای ترسیم متغیر مشاهده نشده استفاده می شود.
یک پیکان با سر در نرم افزار AMOS برای ترسیم رابطه علت معلولی بین متغیرهای مشاهده شده و مشاهده نشده استفاده می شود.
در نرم افزار آموس از یک فلش دو سر برای ترسیم کوواریانس بین متغیرها استفاده می شود.
در نرم افزار AMOS نماد عبارت خطا در کنار نماد متغیر مشاهده نشده قرار دارد و برای ترسیم متغیر پنهان استفاده می شود.
زمانی که در نرم افزار آموس روی یک متغیر در یک پنجره گرافیکی کلیک راست می کنیم، اولین گزینه، “ویژگی های شی” برای دادن نام متغیر در AMOS استفاده می شود.
آیکون های دیگری نیز در نرم افزار آموس وجود دارد و این آیکون ها به ترسیم مدل SEM به صورت گرافیکی کمک می کنند. آیکون هایی مانند پاک کردن آیکون، نماد متحرک، آیکون محاسبه، مشاهده متن، خواص تجزیه و تحلیل و غیره به ترسیم مدل SEM به صورت گرافیکی کمک می کنند.
پس از اجرای تجزیه و تحلیل در نرم افزار AMOS ، می توانیم نتایج را در پنجره گرافیکی مشاهده کنیم. همچنین می توانیم خروجی متن را ببینیم. پنجره گرافیکی فقط رگرسیون های استاندارد و غیر استاندارد و وزن عبارت خطا را نشان می دهد. تمام نتایج در خروجی متن نشان داده خواهد شد. نرم افزار AMOS خروجی مهم زیر را تولید می کند:
در نرم افزار آموس خلاصه متغیرهای خروجی متن آن، میتوانیم ببینیم که چند متغیر و کدام متغیر برای تحلیل SEM استفاده میشوند. ما می توانیم ببینیم که در مدل چند متغیر مشاهده شده و چند متغیر مشاهده نشده وجود دارد.
در مدل SEM در نرم افزار آموس، داده ها باید به طور معمول توزیع شوند. AMOS خروجی متن را می دهد و آزمون Skewness، Kurtosis و Mahalanobis d-squared به ما در مورد نرمال بودن داده ها می گوید.
در خروجی متن AMOS، گزینه تخمین نتیجه را برای وزن رگرسیون، بارگذاری استاندارد برای عامل، باقیمانده، همبستگی، کوواریانس، اثر مستقیم، اثر غیر مستقیم، اثر کل و غیره به دست میدهد.
در خروجی متن AMOS، نتیجه شاخص اصلاح قابلیت اطمینان مسیر ترسیم شده در مدل SEM را نشان می دهد. اگر مقدار شاخص MI بزرگ باشد، میتوانیم مسیرهای بیشتری را به مدل SEM اضافه کنیم.
در خروجی متن آموس، گزینه model fit نتیجه خوبی از آمار مدل برازش می دهد. تمام خوبی های شاخص های تناسب مانند GFI، RMR، TLI، BIC، RMSER و غیره را نشان می دهد.
اگر در حین ترسیم مدل مشکلی وجود داشته باشد (مثلاً اگر فراموش کنیم عبارت خطا را ترسیم کنیم یا کوواریانس بین دو متغیر را رسم کنیم یا داده های گم شده وجود داشته باشد)، AMOS یا نتیجه را محاسبه نکنید وگرنه پیغام خطا خواهد داد.
شما می توانید چندین مدل را در یک تجزیه و تحلیل قرار دهید. این به نرم افزار AMOS اجازه می دهد تا نتایج همه مدل ها را در یک جدول خلاصه کند. جدول زیر از خروجی مثال ۶ در راهنمای کاربر می باشد. جدول آمار تناسب مربع کای (با برچسب CMIN) برای چهار مدل به نامهای مدل A، مدل B، مدل C و مدل D را نشان میدهد.
هنگامی که نرم افزار آموس می تواند تشخیص دهد که دو مدل “تودرتو” هستند به طوری که می توان یکی را با محدود کردن دیگری به دست آورد، با این فرض که مدل با محدودیت کمتر درست است، یک آزمون مجذور کای از مدل محدودتر انجام می دهد.
