تحلیل آماری پایان نامه با لیزرل

پایگاه تحلیل آماری، مشاوره و انجام تحلیل آماری پایان نامه، انجام فصل 4 پایان نامه با لیزرل و Spss

روش شاخص های چند گانه – علل چند گانه

روش شاخص های "چندگانه- علل چندگانه" در واقع حالتی خاص از مدل سازی معادلات ساختاری[1]  ( تحلیل ساختار کوواریانسی  ) [2] است که فصل مشترک رهیافت تحلیل عاملی[3] و رگرسیون چند متغیره و نوعی مدل سازی اقتصاد سنجی با استفاده از متغیرهای غیر قابل مشاهده است.  آنچه که این روی کردهای مختلف را با یکدیگر پیوند داده است،  تلاش مشترک برای فهم بهتر تغییرات پدیده هایی است که قابل مشاهده نیستند.

در رهیافت تحلیل عاملی ، کوشش می شود همبستگی بین مجموعه بزرگی از متغیرها بر حسب تعداد کمی از عامل های اصلی ،  که عمدتا فرض می شود غیر قابل مشاهده اند ،  بیان می شود. این متغیرها ،  علاوه بر وابستگی به عامل های مذکور در معرض خطاهای تصادفی نیز هستند .  مثل "هوش "در علوم تربیتی و روان شناسی یا "مشارکت" در جامعه شناسی یا علوم سیاسی نمونه هایی از اینگونه عامل های غیر قابل مشاهده و در عین حال مهم در حیطه های پژوهشی سایر علوم انسانی هستند که پژوهشگران این رهیافت،  سعی در مطالعه آنها دارند.

در مدل سازی معادلات ساختاری،  که مدل سازی علی[4] یا تحلیل ساختار کوواریانسی نیز نامیده شده،  محقق می تواند روابط بین متغیرها پنهان  ( غیر قابل مشاهده  )  و آشکار را تصریح نماید .  مدل روابط ساختاری به هم وابسته خطی (  LISREL[5]   ) از جمله این الگوهاست. این مدل از دو بخش تشکیل می شود:  1- مدل اندازه گیری، که رابطه علی بین متغیرهای پنهان و متغیرهای مشاهده شده را نشان می دهد 2- مدل معادله ساختاری که روابط علی بین متغیرهای پنهان را تصریح می کند .  فرمول بندی ریاضی مدل کامل لیزرل،  به صورت زیر است:                                                                                                                      

h :  بردار متغیرهای پنهان وابسته یا درون زا

θ :  بردار متغیرهای پنهان مستقل یا برون زا

𝑥 :  بردار شاخصهای مشاهده شده از θ

Λ :   ماتریس ضرایب رگرسیون شاخصهای مشاهده شده روی متغیرهای پنهان

b وГ :   ماتریسهای ضرایب متغیرهای پنهان در معادله ساختاری

𝜁 ،  є و δ :  بردارهای خطاهای تصادفی

روش شاخصهای" چندگانه – علل چندگانه" به عنوان یکی از روشهای اندازه گیری متغیرهای غیر قابل مشاهده  در مدل سازی اقتصاد سنجی ،  از حالت های خاص مدل کامل لیزرل است.  در این حالت تنها یک متغیر غیر قابل مشاهده داریم و لذا مدل ساختاری به صورت رابطه رگرسیونی بین این متغیر و متغیرهای برونزای معرف علل پیدایش آن، تغییر شکل می دهد. فرمول بندی ریاضی الگوی مذکور به صورت زیر است:

                                                                                                                           

 

h :  متغیر غیر قابل مشاهده  ( اسکا لر  )

𝘺 :  بردار علل پیدایش متغیر مشاهده نشده

𝜆 و g :  بردارهایی به ترتیب از پارامترها و є و 𝜁 خطاهای تصادفی، بنا به فرض این خطاها دارای توزیع نرمال بوده و همبستگی دو طرفه بین آنها برقرار نیست.

چنانچه معادله دوم را در معادله اول جایگزین کنیم، الگوی فوق به صورت یک سیستم معادلات رگرسیونی به  صورت زیر در می آید :

است.  این سیستم معادلات با مشکل شناسایی مواجه است و از همین جا مهم ترین محدودیت این الگو در تخمین پارامترها مطرح می شود و همان طور که خواهیم دید این موضوع به صورت اساسی ترین محدودیت کاربرد این مدل به عنوان یک روش اندازه گیری خودنمایی خواهد کرد. برای گریز از این مشکل می توانیم یکی از عناصر 𝜆 را به یک مقدار از پیش تعیین شده مقید کنیم، در این صورت،  بدست آوردن برآوردهای منحصر به فرد از پارامترهای آن امکان پذیر خواهد بود.  تنها مساله ای که در این حالت بوجود خواهد آن است که مقادیر برآورد شده برای هر پارامتر به صورت مطلق قابل ارزیابی و تفسیر نیستند بلکه به صورت نسبی  ( نسبت به تخمین های سایر پارامترها  )  ارزیابی وتفسیر می شوند.

پس از برآورد پارامترهای عناصر بردار 𝜆، در قالب معادله رگرسیونی ای که در آن روابط علل با متغیر غیر قابل مشاهده تصریح شده است، به سری زمانی متغیر مشاهده نشده، البته به صورت اعداد رتبه بندی شده ( اردینال) ، دست پیدا می کنیم. به این ترتیب اگرچه با به کارگیری این روش روند تحولات متغیر غیرقابل مشاهده تخمین زده می شود ( که در جای خود دستاورد مهمی است ) ، اما به خاطر محدودیتهای ناشی از مشکل شناسایی، سری زمانی به صورت اعداد مطلق ( کاردینال ) نخواهد بود. محاسبه چنین برآوردهایی در صورتی امکان پذیر است که به اطلاعات جانبی دیگری در مورد مقدار متغیر مشاهده نشده در یک یا چند نقطه از دوره مطالعه، دسترسی داشته باشیم.  بدیهی است در این صورت ارقام محاسبه شده  ( و نه روند آنها ) نسبت به اطلاعات مذکور کاملا حساس است و این محدودیتی جدی برای این روش است.


[1]Structural Equation Modelling.

[2]Covariance Structure Analysis.

[3]Factor Analysis.

[4]   Causal Modelling.

[5] Linear Interdependent Structural Relationships

  
نویسنده : تحلیل آماری ; ساعت ۱۱:٥٤ ‎ق.ظ روز ۱۳٩٦/٤/۱٠
تگ ها : لیزرل