دانلود پایان نامه درمورد تحلیل عامل، رگرسیون، تحلیل عاملی، رگرسیون چندگانه

دانلود پایان نامه ارشد

است.

1ـ3 طرح و روش پژوهش
طرح پژوهش حاضر از نوع غیر آزمایشی است که در آن از روش تحقیق همبستگی بهره گرفته شده است. در این پژوهش از روش آماری پیشرفتة الگویابی معادلة ساختاری با استفاده از نرم‎افزار لیزرل، سود جسته‎ایم. در ادامه به الگویابی معادلة ساختاری، با عنوان روی‎آورد آماری پژوهش خواهیم پرداخت.

2ـ3 روی‎آورد آماری پژوهش: الگویابی معادلة ساختاری
الگویابی معادلة ساختاری، مجموعه‎ای از فنون آماری است که امکان می‎دهد روابط بین یک یا چند متغیر مستقل (پیوسته1133یا گسسته2)، و یک یا چند متغیر وابسته (پیوسته یا گسسته) بررسی شوند. متغیرهای مستقل و وابسته می‎توانند متغیرهای اندازه‎گیری‎شده3(مستقیماً مشاهده‎شده) یا متغیرهای نهفته4(مشاهده‎نشده یا مستقیماً مشاهده‎نشده) باشند (اولمان5و بنتلر6، 2003).
الگویابی معادلة ساختاری ترکیبی از تحلیل عاملی7و تحلیل مسیر8 است. بدین ترتیب، دارای دو مؤلفه است: الگوی اندازه‎گیری9و الگوی ساختاری10. الگوی اندازه‎گیری روابط بین متغیرهای مشاهده‎شده و سازه یا سازه‎هایی است که آن متغیرها فرض می‎شود که اندازه‎گیری می‎کنند. در مقابل، الگوی ساختاری روابط بین سازه‎ها را توصیف می‎کند. برای آزمونگری الگوی اندازه‎گیری، از تحلیل عاملی تأییدی بهره گرفته می‎شود و عوامل مفروض، متغیرهای نهفته نامیده می‎شوند. معادله‎ها در سنجش ساختاری الگو، روابط مفروض بین متغیرهای نهفته را مشخص می‎سازند (وستون11و گور12، 2005). فرایند الگویابی معادلة ساختاری پیرامون دو گام دور می‎زند: اعتباریابی الگوی اندازه‎گیری و برازش الگوی ساختاری (گارسون13، 2008).
بهره‎گیری از الگویابی معادلة ساختاری مزیت‎هایی دارد که از آن جمله‎‎اند (1) وقتی روابط بین عوامل مورد بررسی قرار می‎گیرد، روابط خطای اندازه‎گیری14 ندارند؛ زیرا خطا برآورد و برداشته15 می‎شود و فقط واریانس
مشترک1134باقی می‎ماند؛ (2) پایایی2 اندازه‎گیری را می‎توان از طریق برآورد کردن و برداشتن خطای اندازه‎گیری در تحلیل تبیین کرد؛ (3) روابط پیچیده را می‎توان مورد بررسی قرار داد. وقتی پدیده‎های مورد علاقه پیچیده و چند بعدی هستند، الگویابی معادلة ساختاری تنها تحلیلی است که امکان می‎دهد کلیة روابط به‎طور همزمان و کامل آزمون شوند و در نهایت (4) در علوم اجتماعی اغلب فرضیه‎هایی در سطح سازه مطرح‎اند. با دیگر روش‎های آماری، فرض‎هایی که در سطح سازه‎اند، در سطح متغیر اندازه‎گیری‎شده (یک متغیر مشاهده‎شده با خطای اندازه‎گیری) آزمون می‎شوند. عدم تطابق3 بین سطح فرضیه و سطح تحلیل ـ اگرچه مشکل‎آفرین است و اغلب نادیده گرفته می‎شوند ـ ممکن است به نتیجه‎گیری‎های نادرستی منجر شود. یک مزیت متمایز الگو‎یابی معادلة ساختاری، توانایی‎ آن در آزمون فرضیه‎هایی در سطح سازه است (اولمان و بنتلر، 2003).
الگویابی معادلة ساختاری همچون دیگر روش‎های آماری دارای مفروضه‎هایی است و اجرای آن مراحلی را دربر می‎گیرد که در ادامه به‎طور خلاصه به آنها اشاره می‎کنیم.

1ـ2ـ3 الگویابی معادلة ساختاری: مفروضه‎ها، گام‎ها و شاخص‎های برازندگی
مفروضه‎های الگویابی معادلة ساختاری عبارت‎اند از: (1) نرمال بودن4 توزیع متغیرها، (2) وجود رابطة خطی بین متغیرها، (3) متغیرهای مشاهده‎شدة چندگانه، (4) الگوی زبرمانند5، (5) عدم هم‎خطی چندگانه بین متغیرهای نهفتة برون‎زا و درون‎زا، و در نهایت (6) فاصله‎ای بودن مقیاس اندازه‎گیری (گارسون، نقل از زین‎آبادی، 1388).
مفروضة اول بر اساس ارزش مطلق شاخص‎های چولگی6و کشیدگی7 مورد بررسی قرار گرفته است. کلیه متغیرها دارای ارزش مطلق چولگی کمتر از 3 و ارزش مطلق کشیدگی کمتر از 10 هستند (کلاین8، 2011). در مورد مفروضة دوم، ماتریس همبستگی بین متغیرها نشان می‎دهد که بیشتر متغیرها رابطة خطی دارند. مفروضة سوم، بر مبنای حضور بیش از سه نشانگر برای متغیرهای برون‎زا و درون‎زا رعایت شده است. در مورد مفروضة چهارم باید گفت که الگوهایی زبرمانند هستند که بیش از یک جواب دارند ( اما یکی از آنها بهترین است) و از طریق آن جواب‎ها، برآورد هر پارامتر ممکن می‎شود. برنامه‎های نرم‎افزاری الگو‎یابی معادلات ساختاری، بررسی‎های همانندی الگو را به عنوان بخشی از فرایند برازش‎دهی الگو انجام می‎دهند و معمولاً در بارة شرایط زیرمانندی1135هشدارهای منطقی و مستدل به دست می‎دهد (هومن، 1384). بر اساس برونداد برنامة لیزرل، هیچ هشداری مبنی بر زیرمانندی داده نشد. در باب مفروضة پنجم کلاین (2005، نقل از وستون و گور، 2005) اشاره می‎کند که همبستگی‎های دو متغیری بیش از 85/0 r = مبیّن مسئلة هم‎خطی چندگانه است. همبستگی بین متغیرهای پژوهش نشان داد که این مفروضه رعایت شده و در نهایت، مفروضة ششم بر اساس ماهیت داده‎ها رعایت شده است.
مسئلة داده‎های از دست‎رفته2و حجم نمونه هم به عنوان مفروضه‎های الگویابی معادلة ساختاری مطرح گردیده‎اند (هومن، 1384). کلاین (2011) بر این عقیده است که کمتر از 5 درصد دادة از دست‎رفته برای هر متغیر در نمونة بزرگ، قابل توجه نیست.
در باب حجم نمونه در روش الگویابی معادلة ساختاری دیدگاه‎های متفاوتی مطرح شده است. جیمز استیونس3 برای تحلبل رگرسیون چندگانه با روش معمولی کمترین مجذورات استاندارد4، 15 نفر برای هر متغیر اندازه‎گیری‎شده پیشنهاد می‎کند و چون الگویابی معادلة ساختاری از برخی جهات ارتباط تنگاتنگی با رگرسیون چندگانه دارد، 15نفر به ازای هر متغیر اندازه‎گیری‎شده غیر معقول نیست (بخش آمار و محاسبة علمی5 دانشگاه تگزاس، 2001). بومسما6(1983، نقل از تاباچنیک7 و فیدل8، 2001) اندازة نمونه حدود 200 نفر را برای الگوهای کوچک تا متوسط و 500 نفر را براي الگوهاي بزرگ کافی می‎داند. برخی دیگر (مثلاً یورسکوگ9و سوربوم10، 1984، نقل از هومن، 1385) 100 نفر برای یک مطالعة کوچک (شاید با چهار یا پنج متغیر) تا 30 آزمودنی برای هر متغیر را مطرح ساخته‎اند. در پژوهش حاضر، 613 نفر ( 314 دختر و 299 پسر) شرکت داشتند.
از نظر کلاین (2011) شش گام بنیادی الگویابی معادلة ساختاری، که در حقیقت در برگیرندة شیوة سرگیری11 هستند، عبارت‎اند از: (1) تدوین12 الگو، (2) ارزشیابی همانندی13 الگو، (3) انتخاب اندازه‎ها (عملیاتی‎سازی سازه‎ها) و جمع‎آوری، آماده‎سازی، و غربال داده‎ها، (4) برآورد14 الگو، (5) تدوین مجدد15 الگو و در نهایت (6) گزارش نتایج. در این پژوهش کلیة گام‎ها درنظرگرفته شدند.

برای ارزشیابی برازندگی الگو، شاخص‎های گوناگونی وجود دارد. هوپر1136، کاگلن2و مالن3(2008) در مقاله‎ای با عنوان الگویابی معادلة ساختاری: دستورالعمل‎هایی برای تعیین برازندگی الگو، این شاخص‎ها را در سه مقوله قرار می‎دهند: شاخص‎های برازندگی مطلق4(برای مثال، مجذور خی، ریشة دوم واریانس خطای تقریب5)، شاخص‎های برازندگی نسبی6(برای مثال، شاخص برازندگی تطبیقی7، شاخص برازندگی هنجار شده8) و شاخص‎های برازندگی اقتصادی9(برای مثال، شاخص برازندگی هنجار شدة اقتصادی10).
در ادامه به پاره‎ای از این شاخص‎ها که توصیه شده است در پژوهش‎ها گزارش شوند، خواهیم پرداخت.
1. مجذور خی(): ارزش مجذور خی یک شاخص سنتی برای ارزشیابی برازش کلی الگو است که مقدار تفاوت بین ماتریس کوواریانس نمونه و برازش‎شده را می‎سنجد. یک الگوی به‎خوبی برازش‎یافته نتیجة غیر معنادار را در سطح 05/0 فراهم می‎آورد. از آنجا که آمارة مجذور خی اساساً یک آزمون معناداری آماری است، به حجم نمونه حساس است؛ به این معنا که وقتی حجم نمونه زیاد باشد، تقریباً همیشه الگو را رد می‎کند. از سوی دیگر، در جایی که نمونه‎های کوچک مورد استفاده قرار می‎گیرند، آمارة مجذور خی فاقد توان است و به این خاطر، الگوهای واجد برازش مناسب و الگوهای دارای برازش ضعیف را متمایز نمی‎سازد. به دلیل محدودیت‎های مجذور خی، پژوهشگران شاخص‎های دیگری را برای سنجش برازش الگو جستجو کرده‎اند. یکی از شاخص‎های که تأثیر حجم نمونه را به حداقل می‎رساند، مجذور خی نسبی/ هنجارشدة11(مجذور خی بر درجة آزادی) است. اگرچه هیچ اجماعی در مورد نسبت قابل قبول برای این شاخص وجود ندارد، دامنة توصیه‎ها از مقدار حداکثری 5 (ویتون2 و دیگران،1977، نقل از هوپر و دیگران، 2008) تا مقدار حداقلی 2 (تاباچنیک و فیدل، 2007، نقل از هوپر و دیگران، 2008) کشیده شده است.
2. ریشة دوم واریانس خطای تقریب (RMSEA): ریشة دوم واریانس خطای تقریب، دومین آمارة برازندگی است که در برنامة لیزرل گزارش می‎شود. برای نقطة برش این شاخص توصیه‎های متفاوتی مطرح شده است. برخی اندازة 05/0 تا 1/0 را مبیّن برازش خوب و بالای 1/0 را حاکی از برازش ضعیف دانسته‎اند و پاره‎ای دیگر اندازة 08/0 تا 1/0 را نشان‎دهندة برازش متوسط و کمتر از 08/0 را به عنوان برازش خوب درـ نظرگرفته‎اند (مک کالوم13و دیگران، 1996، نقل از هوپر و دیگران، 2008). هوپر و دیگران (2008) اشاره
می‎کنند که یکی از بزرگ‎ترین مزیت‎های ریشة دوم واریانس خطای تقریب، توانایی‎اش در محاسبة فاصلة اطمینان است. این فاصله همراه با ریشة دوم واریانس خطای تقریب گزارش می‎شود و در الگوهای به‎خوبی
برازش‎یافته137، محدودة پایین2 به صفر نزدیک است؛ در حالی که محدودة بالا3 باید کمتر از 08/0 باشد.
3. شاخص برازندگی تطبیقی (CFI): ارزش این شاخص بین صفر و 1 است و ارزش‎های نزدیک‎تر به 1 مبین برازش مناسب‎اند. کلاین (2006، نقل از شوارتز و دیگران، 2009) معیار 9/0≤ CFI را مبین برازش کافی الگو می‎داند. امروزه این شاخص در کلیة برنامه‎های الگویابی معادلة ساختاری گنجانده شده و یکی از رایج‎ترین شاخص‎های برازندگی است که گزارش می‎شود؛ به دلیل اینکه کمترین تأثیر را از حجم نمونه می‎گیرد (فان4، تامپسون5 و ونگ6، 1999).
4. ریشة دوم واریانس پس‎ماند7 (RMR) و ریشة دوم واریانس پس‎ماند استاندارد شده8 ((SRMR: این دو شاخص، جذر تفاوت بین پس‎ماندهای ماتریس کوواریانس نمونه و الگوی کوواریانس مفروض ـ
اند. دامنة RMR بر مبنای مقیاس‎های هر نشانگر محاسبه می‎شود؛ بنابر این، اگر یک پرسشنامه مشتمل بر سؤالاتی با سطوح متفاوت باشد (برخی سؤالات دامنة 1 تا 5 داشته باشند و برخی دیگر دامنة 1 تا 7) تفسیر RMR دشوار می‎شود. RMR استاندارد شده ((SRMR این مشکل را حل می‎کند و بنابراین، تفسیر آن معنادارتر است. دامنة ارزش‎های SRMR از صفر تا 1 هستند که الگوهای به‎خوبی برازش‎یافته ارزش‎های کمتر از 05/0 دارند. در مورد این شاخص‎ها ارزش‎های تا 08/0 قابل قبول‎اند (نقل از هوپر و دیگران، 2008).
5. شاخص برازندگی هنجار شدة اقتصادی (PNFI) و شاخص برازش اقتصادی (PGFI): داشتن یک الگوی تقریباً اشباع‎شده و پیچیده به این معناست که فرایند برآورد به داده‎های نمونه بستگی دارد. این به الگوی نظری کمتر موشکافانه‎ای که به‎طور متناقضی شاخص‎های برازش بهتر ایجاد می‎کند، منجر می‎گردد. به منظور غلبه بر این مشکل، مولیک9 و همکاران (1989، نقل از هوپر و دیگران، 2008) دو شاخص برازندگی صرفه جویی، یعنی، شاخص برازندگی هنجار شدة اقتصادی (PNFI) و شاخص برازش اقتصادی (PGFI) را تدوین کرده‎اند. PNFI مبتنی بر شاخص برازندگی هنجار شده ((NFI است که از نظر درجات آزادی تعدیل‎یافته و PGFI نیز مبتنی بر شاخص برازش10( (GFIاست که از نظر درجات آزادی تعدیل‎یافته است. اگرچه برای این شاخص‎ها هیچ آستانه‎ای توصیه نشده، مولیک و همکاران اشاره می‎‎کنند که ممکن است شاخص‎های برازندگی اقتصادی را در محدودة 5/0 به‎ دست آورد؛ در حالی که شاخص‎های دیگر برازش به ارزش‎های بالای 9/0 برسند. این پژوهشگران به شدت توصیه می‎کنند که از شاخص‎های برازندگی اقتصادی همراه با دیگر شاخص‎های نیکویی برازش استفاده شود. از آنجا که هیچ سطح آستانه‎ای برای این آماره‎ها گزارش نشده، تفسیر آنها دشوارتر است.
هوپر و دیگران (2008) در مورد این که چه شاخص‎هایی باید گزارش و تفسیر شوند، بر اساس دستورالعمل‎های مؤلفان متفاوت (برای مثال، کلاین،

پایان نامه
Previous Entries دانلود پایان نامه درمورد نیروهای اجتماعی، اجتماع محلی، کودک و نوجوان، تعامل اجتماعی Next Entries دانلود پایان نامه درمورد تحلیل عامل، تحلیل عاملی، تحلیل عامل اکتشافی، ارزش ویژه