اصلاح مدل [ ویرایش ]

برای بهبود تناسب ممکن است نیاز به تغییر مدل داشته باشد ، در نتیجه محتمل ترین روابط بین متغیرها تخمین زده می شود. بسیاری از برنامه ها شاخص های اصلاح را ارائه می دهند که ممکن است تغییرات جزئی را راهنمایی کنند. شاخص های تغییر گزارش تغییر χ² حاصل از آزادسازی پارامترهای ثابت را گزارش می دهند: معمولاً ، بنابراین یک مسیر به مدلی اضافه می شود که در حال حاضر صفر است. تغییراتی که باعث بهبود تناسب مدل می شود ممکن است به عنوان تغییرات احتمالی که می تواند در مدل ایجاد شود پرچم گذاری شود. تغییرات در یک مدل ، به ویژه مدل ساختاری ، تغییراتی در نظریه ای است که ادعا می شود صحیح است. بنابراین اصلاحات باید از نظر نظریه مورد آزمایش قرار بگیرند و یا به عنوان محدودیتهای این نظریه شناخته شوند. تغییرات در مدل اندازه گیری به طور مؤثر ادعا می کنند که موارد / داده ها شاخص های ناخالصی از متغیرهای پنهان تعیین شده توسط تئوری هستند.[21]

همانطور که (Maccallum (1986 نشان داد ، مدل ها نباید توسط MI هدایت شوند: "حتی در شرایط مطلوب ، مدل هایی که ناشی از جستجوهای مشخصات هستند باید با احتیاط مشاهده شوند." [22]

اندازه و قدرت نمونه [ ویرایش ]

در حالی که محققان قبول دارند که اندازه بزرگ نمونه برای تأمین قدرت آماری کافی و برآوردهای دقیق با استفاده از SEM لازم است ، در مورد روش مناسب برای تعیین اندازه مناسب نمونه ، اجماع عمومی وجود ندارد. [23] [24] به طور کلی ، ملاحظات برای تعیین اندازه نمونه شامل تعداد مشاهدات در هر پارامتر ، تعداد مشاهدات مورد نیاز برای شاخص های مناسب برای عملکرد مناسب و تعداد مشاهدات در هر درجه از آزادی است. [23] محققان دستورالعملهایی را بر اساس مطالعات شبیه سازی ، [25] تجربه حرفه ای ، [26] و فرمول های ریاضی ارائه داده اند. [24] [27]

الزامات اندازه نمونه برای دستیابی به اهمیت و قدرت خاص در آزمون فرضیه SEM برای هر مدل مشابه است که هر یک از سه الگوریتم (PLS-PA ، LISREL یا سیستم معادلات رگرسیون) برای آزمایش استفاده می شوند. [ نیاز به استناد ]

تفسیر و ارتباط [ ویرایش ]

مجموعه مدل ها سپس تفسیر می شوند تا بر اساس بهترین مدل مناسب ، ادعاهایی در مورد سازه ها ایجاد شود.

هميشه در هنگام طرح ادعاي عليت حتي هنگام انجام آزمايش ها و يا مطالعات آزمايشگاهي ، بايد احتياط كرد. اصطلاح مدل علی باید به معنای "الگویی باشد که مفروضات علّی را منتقل می کند" درک شود ، لزوماً الگویی نیست که نتیجه گیری علّی معتبر تولید کند. جمع آوری داده ها در چندین نقطه زمانی و استفاده از یک طرح آزمایشی یا شبه آزمایشی می تواند به رد فرضیه های رقیب خاصی کمک کند ، اما حتی یک آزمایش تصادفی نیز نمی تواند تمام این تهدیدات در مورد استنباط علی را رد کند. تناسب خوب توسط یک مدل سازگار با یک فرضیه علّی همواره مستلزم تناسب یکسان با یک مدل دیگر سازگار با یک فرضیه علی مخالف است. هیچ طرح تحقیقاتی ، هر چقدر هوشمندانه ، نتواند به تشخیص چنین فرضیه های رقیب کمک کند ، به جز آزمایش های مداخله ای. [12]

مانند هر علم ، همانندسازی بعدی و شاید اصلاح آن از یافته های اولیه انجام می شود.

استفاده پیشرفته [ ویرایش ]

نرم افزار اختصاصی SEM [ ویرایش ]

چندین بسته نرم افزاری برای مناسب سازی مدل های معادلات ساختاری وجود دارد. LISREL اولین نرم افزاری بود که ابتدا در دهه 1970 منتشر شد.

همچنین بسته های مختلفی برای محیط آماری منبع باز R وجود دارد. OpenMx R بسته متن باز و نسخه بهبود یافته از کاربرد MX فراهم می کند.

محققان این کار را خوب گزارش می دهند که بسته نرم افزاری و نسخه ای را برای آنالیز SEM مورد استفاده قرار دهند زیرا آنها دارای قابلیت های مختلفی هستند و ممکن است از روشهای کمی متفاوت برای انجام تکنیک های مشابه استفاده کنند. [28]

همچنین مشاهده کنید [ ویرایش ]

منبع

https://en.wikipedia.org/wiki/Structural_equation_modeling