۳-۸-۱-۴- ارزیابی تناسب یا برازش مدل
وقتی گفته می شود که مدل با یکسری داده های مشاهده شده تناسب دارد که ماتریس کوواریانس ضمنی مدل با ماتریس کوواریانس داده های مشاهده شده، معادل شده باشد . بدین معنی که ماتریس نزدیک صفر باشد. مهمترین گام موجو د در این مرحله عبارت است از : بررسی معیار کلی تناسب مدل و قابلیت آزمون پذیری مدل و ارزیابی موضوع که آیا اصلاحات مورد نیاز است یا خیر؟ هنگامی که یک مدلی تخمین زده می شود برنامه نرم افزاری یکسری آمارهایی از قبیل خطای استاندارد، T – Value و غیره را درباره ارزیابی تناسب مدل با داده ها منتشر می کند. اگر مدل قابل آزمون باشد ولی با داده ها به طور مناسب تناسب نداشته باشد شاخصهای اصلاحی که یک وسیله معتبر برای ارزیابی تغییرات مورد نظر در بیان مدل هستند به کار گرفته می شوند؛ تا مدل متناسب با داده ها شوند(مومنی و همکاران، ۱۳۹۲، ۶۰).
( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )
۳-۸-۱-۵- اصلاح مدل
یکی از مهمترین جنبه های بحث انگیز مدل معادلات ساختاری اصلاح مدل است. اصلاح مدل مستلزم تطبیق کردن یک مدل بیان شده و تخمین زده شده است که این کار از طریق آزاد کردن پارامترهایی که قبلاً ثابت بوده اند و یا ثابت کرد ن پارامترهایی که قبل از آن آزاد بوده اند،صورت می گیرد. اگر اصلاحاتی موردنیاز باشد مشخصات مدل (پارامترها) را ارزیابی کنید و مشخصات جدیدی را وارد کنید . اصلاحات این مرحله شامل شناسایی محدودیتها و اضافه کردن پارامترهای اضافی است(مومنی و همکاران، ۱۳۹۲، ۶۱).
۳-۸-۱-۶- تفسیر مدل
اگر آزمون های تناسب نشان دهند که مدل به طور کافی مناسب با داده ها می باشد دراین مرحله ما بر روی عوامل مشخص شده (پارامترهای مدل) مدل متناسب شده تمرکز می نمائیم. در این مرحله، معناداری پارامترهای مدل مورد ارزیابی قرار می گیرد.آزمونها و مقایسه تخمین پارامترها و همچنین نمایش آنها مستلزم تخمین های استاندارد شده ای است. به همین دلیل در این مرحله تخمین های غیراستاندارد را که عمدتاً به مقیاس خود وابسته هستند را به تخمینهای استاندارد شده ای که وابسته به مقیاس خود نیستند؛ تبدیل می کنیم و این کار تا حدودی برازش و پارامترهای مدل را تحت تأثیر قرار می دهد.این مرحله از مدل معادلات ساختاری دقیقاً شبیه استانداردکردن ضرایب رگرسیون (استاندارد) در آمار می باشد. مهمترین گام این مرحله ارزیابی مدل و ضرایب پارامترهای مدل با آزمون فرض می باشد(رامین مهر و چارستاد، ۱۳۹۲، ۱۳۷).
۳-۸-۲- شاخصهای برازش مدل
معیارهای علمی قابل قبول برای تایید مدل نظری تدوین شده با بهره گرفتن از داده های گردآوری شده ، خود بحث اصلی در شاخص های برازش مدل را تشکیل می دهد. شاخص هایی که گاه به نام شاخص های نیکویی برازش(چرا که هر چه مقدار آن افزایش می یابند ، نشانه ای از حمایت قوی تر داده ها از مدل نظری تفسیر می شود) و گاه به نام شاخص های بدی برازش[۷۲](زیرا که هر چه مقدار ان شاخص ها افزایش می یابد ، نشانه ای از حمایت ضعیف تر داده ها از مدل نظری تلقی می شود) خوانده می شوند.شاخصهای برازش کلی نشان می دهند ، آیا به طور کلی مدل یا داده ها برازش دارند یا نه؟ این شاخصها طیف گسترده ای هستند و تحت عنوان آماره های نیکویی برازش[۷۳] و در انتهای برونداد لیزرل قرار دارند(کارشکی، ۱۳۹۱، ۴۲).
جدول ۳-۴- شاخص های برازش مدل
مقادیر مطلوب
شاخص های برازش مدل
۳ ≥
x2 / df
تقسیم کای مربع بر درجه آزادی
۰۸/۰ ≥
Root Mean Squared Error of Approximation ( RMSEA )
ریشه ی میانگین مربعات خطای تقریب
۵/۰ ≥
Root Mean Square Residual ( RMR )
ریشه ی میانگین مربعات باقیمانده
۸/۰ ≤
Parsimony Normed Fit Index ( PNFI )
شاخص برازش هنجارشده مقتصد
۸/۰ ≤
Adjusted Goodness of Fit Index ( AGFI )
شاخص نیکویی برازش تعدیل شده
۹/۰ ≤
Normed Fit Index ( NFI )
شاخص برازش نرم
۹/۰ ≤
Normed Fit Index ( NNFI ) Non-
شاخص برازش غیرنرم
۹/۰ ≤
Comparative Fit Index ( CFI )
