مدل سازی معادلات ساختاری به کمک نرم افزار لیزرل

صفحه 1:
شهریار محسنین ‎Sh.Mohsenin@ut.ac.ir‏ ‏(دانشجوی دکتری مدیریت باز اریابی) 

صفحه 2:
مقدمه تعریف مدل سازی معادلات ساختاری کاربرد مدل سازی معادلات ساختاری رویکرد‌های مدل سازی معادلات ساختاری مبتنی بر ماتریس کواریانس - واریانس ‎LISREL ~ (CBSEM)‏ مبتنی بر ماتریس واریانس ‎PLS - (VBSEM)‏ اصطلاحات مدل سازی معادلات ساختاری مدل هاي مدل سازی معادلات ساختاری لا مدل اندازه گیری لا مدل ساختاری لا مدل عمومی مدل سازی معادلات ساختاری آموزش نرم افزار لیزرل 

صفحه 3:
آموزش نرم افزار لیزرل LEST ter ‏مکی‎ 

صفحه 4:
روش هایی که به کمک ن می توان بطور همزمان مجموعه ای از متغیرهای آشکار و پنهان. درونی یا بیرونی را در یک ارتباط یک سویه یا دو سویه با یکدیگر مورد ملاحظه قرار داد. آتواع روش های ‎GILT‏ مدل های رگرسیونی | ۱ 7 آموزش نرم افزار لیزرل 

صفحه 5:
روش های آماری گذشته رگرسیون ساده / دو متفیره - پیش بینی مقدار یک متغیر وابسته بر اساس مقدار یک متغیر مستقل از طریق محاسبه رابطه مستقیم رگرسیون چند متفیره - پیش بینی مقدار یک متغیر وابسته بر اساس دو یا چند منغیر مستقل از طریق محاسبه روابط مستت ‎Hint‏ ‏در تحلیل رگرسیون خطی (ساده و چند متفیره) متفیروابسته باید کمی و در سح سنجش فاصله ای / نسبی باشد. زمانی که متفیر وابسته در سطح اسمی است و متفیرهای مستقل هم ترتیبی و هم فاصله ای هستند» روش های رگرسیون ‎HE‏ معمولى مقدار برآوردهارا كمتر از مقدارواقعى نشان مى دهند» به سراغ ركرسيون لجستيك مى رويم. ‎Be‏ ضرليب به دنبال حداقل كردن مجذور خطاها بوده ولى ركرسيون للجستيك احتمال وقوع يك رخداد را حداكثر مى كند. در ركرسيون خطى براى معنادارى ازآماره “كو نا استفاده مى شود ولى در ركرسيون لمجستيك از آماره هلى كلى استكوئرووالد استفادء مس شود. رگرسیون لجستیک - پیش بینی مقدار يك متغير وابسته در سطح سنجش اسمى بر اساس دويا جند متغير مستقل از طريق محاسبه روابط مستقيم تحليل مسير - بيش بينى مقدار يك متغير وابسته بر اساس دويا جند متغير مستقل از طريق محاسبه روابط مستقيم و غير مستقيم (وجود متغيرهاى ميانجى) آموزش نرم افزار لیزرل 

صفحه 6:
روش تحلیل مناسب برای اندازه گیری اثر یک با چند متفیر مستقل بر روی یک متفیر و استه با سطوج سنجش مختیتف ۳ 1 رگرسیون ساده ‎a 2‏ 73 ۱7[ ‎(could AS 3‏ کمی یا کیفی رگرسیون لجستیک 4 کیفی (ترتیبی) کمی یا کیفی رگرسیون ترتیبی Hint متفیر کمی - سطح سنجش قاصله ای یا نسبی معادل مقیاس 500110 دنرم ازار 5۳55 متغير كيفى - سطح سنجش اسمى يا ترتيبى به تتیب معادل مقياس 11011331381 و 01011131 در نرم افزار 51255 آموزش نرم افزار لیزرل 0 

صفحه 7:
محدودبت های روش های آماری گذشته ‎pre O‏ اندازه گیری مقادیر خطا در سطح متفیرهای مشاهده پذیر در تحلیل مبتنی بر رگرسیون الا عدم برازش مدل اندازه گیری در تحلیل های مبتنی بر رگرسیون و مسیر ‏لا قابل مشاهده بودن تمامی متفیرها در تحلیل های مبتنی بر رگرسیون و مسیر ‎O‏ عدم اندازه گیری روابط غبرمستقیم در تحلیل مبتتی بر رگرسیون ‎O‏ ساختار مدل ساده (متشکل از حداکثر یک متغیر وابسته و چند متغیر مستقل) در تحلیل های مبتنی بر رگرسیون و مسیر ‎pre O‏ کاربرد چندین متغیر وابسته ‏| ‏1 ‏۱ 0 ‎٠‏ آموزش نرم افزار لیزرل ۳ 

صفحه 8:
‎bbs KO‏ چندمتغیری بسیار کلی و نیرومند از خانواده رگرسیون چندمتفیری که به پزوهشگر لین امکان را می دهد تا مجموعه ای از معادلات رگرسیونی را بر مبنای ماتریس کواریانس - واریانس مورد آزمون قرار دهد. ‏لسابه بیان ساده تر, تجزیه و تحلیل همزمان چند متغیر مکنون مستقل و وابسته (مدل ساختاری) از طریق متغیرهای مشاهده پذیر (مدل اندازه گیری با تحلیل عاملی تأئیدی) ‏سا به مدل سازی معادلات ساختاری, مدل سازی مبتنی بر ماتریس کواریانس, تحلیل مسیر تأئیدی (تحلیل مسیر و تحلیل عاملی تأئیدی)؛ لیزرل کفته می شود. اصطلاح رایج در ‎ow‏ پژوهشگران به ‎«cw! SEM (Structural Equation Modeling) jlas!‏ ‏لامدل روابط ساختاری ‎Linear Structural t (LISREL) (ts‏ 11۳111055 در کلی ترین شکل خود. شامل مجموعه ای از معادلات ساختاری خطی است که با دو مستله اساسی یعنی؛ اندازه گیری متغیرها (اعتبار و روایی ابزار اندازه گیری) و رولبط علی میان متغیرها و توا 1 کمک به حل اين دو مسئله است. ‏لين رولبط (رولبط ساختاری) سرکار دارد و مقصود از 1 ک به حل این دو آموزش نرم افزار لیژرل ‎ ‎ 

صفحه 9:
مدلسازی روابط بین متغیرهای مستقل (برونزا) و وابسته (درونزا) (مدل ساختاری) *_ مدلسازی روابط متغیرهای پنهان (مکنون) و آشکار (مدل اندازه گیری) *_ مدلسازی خطاهای اندازهگیری متغیرهای مشاهده پذیر آزمون فرضیات استنباط شده از ادبیات مورد بررسی به کمک دادههای عینی (تجزیه و تحلیل مسیر و تحلیل عاملی تأئیدی) *_تجزیه و تحلیل همزمان چندین متغیر مکنون (مستقل و وابسته) Hint ‏ازآنجابى که مدل يابى معادلات ساختارى تأكيد بر روابط خطى متغيرهاى مكتون با يكديكر و متغيرهاى مكنون با متفیرهای مشاهده‎ بذيردارد» در تحلیل خود از حداکثر درستنمایی (1.1166111000 1۷]82611001110) استفاده مینماید آموزش نرم افزار لیزرل 0 

صفحه 10:
سا رویکرد مبتنی بر کواریانس (085۳7) لیزرل 1151 رویکرد میتنی بر واریانس ‎(VBSEM)‏ ‏” مدل سازی معادلات ساختاری مبتنی بر حداقل مربعات جزئی PLS (Partial Lean Square) ¥ PLS-SEM ¥ | 1 ۱ 7 آموزش نرم افزار لیزرل 

صفحه 11:
رويكرد مبتنى بر كواريانس ‎(CBSEM)‏ لس در لين رويكرد بيشتر به برآورد مجموعه اى از بارامترهاى مدل توجه مى شود و هدف, نزدیک تر شدن ماتريس كواريانس نظرى به ماتريس كواريانس مشاهده شده در نمونه برآوردى است. لس لین رویکرد به تخمین ضرلیب مسیرهاء بارهای عاملی با استفاده از به حدلقل رساندن تفاوت ین ماتریس کواریانس مبتنی بر نمونه و ماتریس کواریانس مبتنی بر مدل می پردازند. الس متداولترین و معروف ترین نرم افزار این حوزه. نرم افزار لیزرل است. ‎O‏ ساير ترم افزارهاء ‎AMOS ¥ ‎EQS * NPLUS ¥ ‏| ‏1 ‏۱ ‏7 آموزش نرم افزار لیزرل 

صفحه 12:
رویکرد مبتنی بر كواريانس (0185151/1) (تکنیک های برآورد) متغفیرهای ابزاری (1۷) کمترین مجذورات دو مرحله اى (151:5) کمترین مجذورات بدون 639 ‎(OLS)‏ الا كمترين مجذورات تأمين يافته (61:5) الأ بيشينه احتمال ‎(ML)‏ لسأ كمترين مجذورات وزن دار كلى (90171-5) الآ كمترين مجذورات وزن دار قطرى (21/71:5) ‎COR) aime anf‏ روش پیش فرض نرم افزار لیزرل در مدل یابی معادلات ساختاری. روش بیشینه احتمال (-1۷11) است. Hint ‏در هر يك از روش های برآورد .1*41 61,5۰ و ۱1,5 لانم است ماتریس واریانس - کواریانس نمونه معین و‎ ‏ناذع۳) باشد جلی برای مواردی که ماتریس مذکور مثبت و معین نیست و و مود‎ Definite) ‏مثبت‎ همخطی بودن چندگانه بالا بین متغیرهای برون زای مدل می رود؛ پیشنهاد می شود از برآورد برجسته (86) به عنوان تکنیک برآورد تصمیع کننده استفاده شود. آموزش نرم افزار لیزرل 0 

صفحه 13:
رويكرد مبتنى بر كواريانس ‎(CBSEM)‏ (تكنيك هاى بوآورد) لا جنائجه ماتريس كواريلنس مدل منفى شد (خطاى 72863126 ©01/8131886© 260211576). مى توانيد از سایر روش های بر آورد برای تحلیل کمک بگیرید (در تکنیک های بر آورد 1/1 .01:5 و ‎ab WLS‏ ماتریین کرازیامین: تیوزه عبت باشد) لا رویکرد گزینه برجسته (860) یکی از مناسب ترین تکنیک های برآورد در زملنی است که با ماتریس کواریانس منفی, و یا زملنی که همخطی چندگلنه بالا (همبستگی بالای ۰۸ بین متفیرهای مستقل مدل) وجود داشته باشد لا تکنیک های کمترین مجذورات (۷1,5 .61:5 .151:5 .171:5 و 11/1:5©) مناسب زملنی است که متغیرهای مدل از مقیاس طبقه ای باشد. نه رتبه ای و فاصله ای. آموزش نرم افزار لیزرل © 

صفحه 14:
رويكرد مبتنى بر كواريانس (00155151/1) (ييش فرض) از آنجا كه مدل سازى معادلات ساختارى يك روش تحقيق مبتنى بر همبستكى بوده كه از طريق اندازه كيرى ماتريس واريلنس - كواريلنس قلبل اندازه كيرى است؛ مواردى كه ماتريس مذكور و ضرلیب همبستگی را در مدل سازی معادلات ساختاری مبتنی بر ,3۷1 تحت تأثیر قرار داده و تحلیل را با مشکل روبرو می کند. عبارتند از: *_مقیاس های اندازه گیری دامنه تغییرات مقادیر * داده های از دست رفته داده های دور افتاده * غير خطى بودن روابط غير نرمال بودن داده هاى توزيع شده | علاوه بر موارد فوق. مهمترين بيش فرض اساسى مدل سازى معادلات ساختارى مبتنى بر ماتريس | کواریانس - واريانس (851:101) منطق حجم نمونه مى باشد. | آموزش نرم افزار لیزرل 

صفحه 15:
رويكرد مبتنى بر كواريانس (0155151/1) (تعيين حجم نمونه) الا استيونس (56©86125 312©5[) در نظر كرفتن 18 مورد يا نمونه را براى هر متفیر پیش بین (مشاهده پذیر يا نسوالات پرسشنامه) مطلوب می داند ۲ الا بنتلر و جو ‎Bentler & Chou)‏ 290 نمونه را براى هر يارامتر ونه برای هر متغیر أندازه گیری شده توصیه می کنند. 0 الا لوملین (1,06101170) توصیه می کندبه ازای هر متغیر مکنون عاملی, ۳۰ تا ۵۰ نمونه یا مورد وجود داشته باشد. | | 1 ۱ 5 آموزش نرم افزار ليزرل © 

صفحه 16:
رويكرد مبتنى بر واريائنس (171955151/1) لسا برخلاف رويكرد ديكر. رويكرد مبتنى بر واريانس به جاى بازتوليد ماتريس كواريلنس تجربى. بر بيشينع سازی واریانس متغیرهای وابسته که توسط متغيرهاى مستقل بيشبينى ميشوند تمركز دارد. السا در لين رويكرد نيز از بخش ساختارى كه نمايائكر رولبط بين متغيرهاى بنهان يا مكنون؛ و بخش اندازه گیری که نشانگر روابط بين متغيرهاى بنهان با نشانگرهایشان به دو صورت ترکیبی و انعکاسی استفاده شده است که بخش ساختاری. مدل درونی (1۷0061 1۳6۳) و بخش اندازهگیری, مدل 59 ‎Outer)‏ ‎(Model‏ نام دارد لسآ معروف ترين و بركاربردترين نرم افزار در اين رويكرد. نرم افزار ‎ast @ Smart-PLS‏ سا سایر نرم افزارها: Visual PLS ¥ PLS Graph ¥ Warp PLS ¥ XLStat ¥ آموزش نرم افزار لیزرل © 

صفحه 17:
کاربرد رویکرد مبتنی بر واریانس (۷15۳) لس زمانی که هدف محقق پیش بینی باشد لا تعداد نمونه قابل ملاحظه ای در دسترس نمی باشد لح نرمال بودن چندمتفیری مطرح نباشد در مدل ما حداقل یک مدل اندازه گیری ترکیبی ([۷6006[ ۳0۲۳0۵1[76) وجود داشته باشد. لا وجود همخطی چندگانه بالا (حداقل ۰۸) بين متغيرهاى مستقل لا مدل ماء مدل پیچیده ای باشد و هدف ما سنجش تعمیم پذیری مدل مفهومی بر اساس نظریات نباشد. | 1 ۱ 7 آموزش نرم افزار لیزرل 

صفحه 18:
متغيرهاى مشاهده يذير و ينون سا همان سوالها یا گویههای پرسشنامه؛ یا داده های خام میباشند با شکل مستطیل یا مریع نشان داده می شوند. آموزش نرم افزار لیزرل 0 

صفحه 19:
متغیرهای مشاهده پذیر و پنمان یی ینم کشت ۳ — ازآنجا که در مدل اندازهگیری 26 و لآ وجود داشته که به ترتیب با نمادهای کسای و انای نمایش داده میشوند؛ متفیرهای مشاهدهپذیر مربوط به ابن دو مدل نيزبه نامهاى مشاهدهبذيرهاي 6و لأ تعريف ميشوند آموزش نرم افزار لیزرل 0 

صفحه 20:
انا لا تعریف - متغیرهایی که مستقیماً قلبل مشاهده یا اندازه گیری نمی باشند. بلکه به صورت عملیاتی و بر اساس معرف های خود بدست می آیند. الس متفیر مکنون برون زا. همان متفیرهای مستقل بوده كه علت تغییرات در مقادیر دیگر متفیرهای مکنون در مدل هستند. ‎a‏ متفیرهای مکنون درون زاء متغفیرهای وابسته (میانجی) بوده که به صورت مستقیم یا غیرمستقیم تحت ‏تأثیر متفیرهای برون زا موجود در مدل قرار دارند. ‏| ‏۱ ‏7 آموزش نرم افزار لیزرل 

صفحه 21:
متغیرهای مشامده پذیر و ینهان A ( {moe با ۲057 سیم cost |e Hint ‏متفر وبتهمیانجی چون خود ازمتغير ديكرى (متغير برون زا) تأثير مى بذيردء با همان نماد اتلى (متغيرهاى وابسته) نمايش داده مر‎ ‏غود‎ به متغير مكنون متناظر با متغيرهاى مشاهده بذير 2 متغير كساى وبه متغير مكنون متناظر با متغيرهاى مشاهده بذير ل» متغیر انای گفته می شود می شود. ابن متغيرها با شكل بیضی ی دارهنمیش داده می شوند. آموزش نرم افزار ليزرل © 

صفحه 22:
77۳10۳7۳۳557 لت 8 8 آموزش نرم افزار ليزرل © 

صفحه 23:
1 بل و6 ا رز ‎SO‏ با ول لس ی ‎xX,‏ له *_ ایکس (26): نماد متغیر مشاهده پذیر در مدل اندازمگیری متغیر مکنون برون زا (کسای) *_دلتا (0): پارامتر اندازمگیری میزان خطا متغیر مشاهدهپذیر 26 9 وطن : بار عاملی پا روابط بین متغیرهای مشاهدهپذیر 26 و متغیر مکنون مستقل إكساى يا 8 كساى (5): نماد متغیر مکنون متناظر با مشاهدهپذیرهای 26 آموزش نرم افزار لیزرل © 

صفحه 24:
مدل های اندازه گیری وای رع سس 1 1 ی Cn <n ‏ا ولا‎ aie ah ‎Le‏ ولا لا ‎ ‎ ‏*_ وای (۷): نماد متغیر مشاهده پذیر در مدل اندازهگیری متغیر مکنون وابسته (درون زا) اتای *_ اپسیلون (2): پارامتر اندازهگیری میزان خطای متغیر مشاهدهپذیر ۷" ‏*_لاملای بزرگ (/): بار عاملی یا روابط بین متغیرهای مشاهدهپذیر ‏ و متغیر مکنون وابسته ‏(اتای یا ) ‏*_ اتای ([1): نماد متغیر مکنون متناظر با مشاهدهپذیرهای ۷ (درونزا) ‏آموزش نرم افزار ليزرل 9 ‎ ‎ ‎ ‎ ‎ ‎ 

صفحه 25:
مدل های اندازه گیری ترکیبی ‎(Formative Model)‏ © جهت پیکان (رابطه) از متغیرهای اندازهگیری (مشاهدهپذیر) به سمت متغيرهاى پنهان است. بین متفیرهای اندازهگیری همبستگی وجود ند تغزير در تغداد مفیرهای اندازهگیری؟ در نقدار خطای اندازهگیری در سطح متفیرهای پنهان محاسبه مبشود. آموزش نرم افزار لیزرل 0 

صفحه 26:
مدل های اندازه گیری ‎Reflective Model, putSsil‏ * زمانی که هدف محقق گسترش ادبیات نظری و تولید نظریه جدید *_به تعداد نمونه یا حجم نمونه گیری حساس می باشد. *_ نرمال بودن داده ها ملاک محاسبه می باشد. حداقل داده در دسترس ؟؟؟ نمونه (به ازای هر متفیر مشاهده پذیر 9 م ۵تاه ۱ نمونم) جهت پیکان (رابطه) از متغیرهای پنهان به سمت متفیرهای اندازهگیری (مشاهدهپذیر) است. بین متفیرهای اندازهگیری همبستگی وجود دارد (تشکیل ماتریس کواریانس). | تغیر در تعداد متغيرهاى اندازهكيرى؛ تغبيرى در مقدار متغير بنهان ايجاد نميكند. ‎i‏ خطاى اندازهكيرى در سطح متغيرهاى مشاهدهيذير محاسبه ميشود. زفت ۱ 1 آموزش نرم افزار ليزرل 

صفحه 27:
مدل ساختاری روابط بين متغیرهای مکنون (مستقل یا برونزا) و سین وابسته (درونزا) ( 1 ) Ks AES" 271 ‏كساى (5): نماد متغير مكنون برونزا‎ اتی (11): نماد متغير مكنون درونزا 8 ۲ گاما (۷)؛ روابط (ضرایب رگرسیون) بین متفیرهای مکنون برونزا (کسای) و "۳ 1 1 متغیرهای مکنون درونزا (اتای) 6 پتا (3]/؛ روابط (ضرایب رگرسیون) بین متغیرهای مکنون درونزا (اتای) و 2 متغيرهاى مكنون دروتزا (اتاى) ديكر > سای بزرگ (1)؛ همبستگی بین متغیرهای اتای یا دروتزا 1 ay ‏تنس ار‎ chai fd | 1 ۱ 0 7 آموزش نرم افزار لیزرل 

صفحه 28:
مدل عمومی معادلات ساختاری تركيبى از دو مدل ساختاری و اندازهگیری (تحلیل عاملی تأئیدی) مدل عمومی معادلات ساختاری - مدل آندز‌گیری 36 +مدل اندزه‌گیری 7 +مدل ساختاری هس و Y, Lee, | eee ‏ول‎ be مدل موی یرل آموزش نرم افزار لیزرل 

صفحه 29:
مدل های مدلهای ساختاری با معرفهای چندگانه و ‎(MIMIC) osSsa> fle‏ 1 5 ۲, | 1 9 ]|| ‏اضر‎ 1 a 1 هأ ولا امه > 6< ا ا Ks 1 Ny, ‏يجا‎ ۳ etre Mode a un * ترکیبی از مدلهای ساختاری انعکاسی و ترکیبی * به تعداد نمونه یا حجم نمونه گیری حساس می باشد. * نرمال بودن داده ها ملاک محاسبه می باشد * کواریانس بین متغیرهای مشاهدهپذیر برونزا ثابت (۳136) میباشد و خطای اندازهگیری برای این متغیرها صفر است آموزش نرم افزار لیزرل 

صفحه 30:
مدل های مدلهای ساختاری با معرفهای چندگانه و علل جندكانه ‎(MIMIC)‏ در مدلهای ‎glo ysrio MIMIC‏ غیرمکنون برونزا متغیرهایی مانند جنسیت. سن: میزان تحصیلات و ... میباشند که تأثیر آنها بر یک متغیر یا چند متغیر اتای مورد بررسی قرار میگیرید. آموزش نرم افزار لیزرل 0 

صفحه 31:
مراحل تحلیل داده ها به کمک ]5۳:1۷ ۱ بررسی مبانی نظری و تجربی در باب موضوع مورد نظر جهت انتخاب مدل اندازهگیری (0 ‎Formative‏ ‎(Reflective Models‏ ۲ انتخاب نرم افزار مورد استفاده رای مدلهای ترکیبی نرمفزارهای ۳1.5 و برای مدلهای انمکاسی نرمفزارهای ‎(EQS , LISREL. AMOS‏ . تعيين روابط بين متغيرها ۴ طراحى مدل مفيهومى ask ‏گردآوری‎ .۵ ۶ وارد کردن دادهها به نرم افزار 5۳55 یا ۳26061 ۷ تحلیل عاملیتأئیدی متفیرهای مدل (آزمون مدل) ۸ بررسی شاخصههای برازش و بارهای عاملی و در صورت نیز اصلاح و تهیه گزارش تحلیل عاملی اصلاح شده(ازیبی و اصلاح ‎(J‏ تحلیل مسیر تأثيدى (أزمون كلى مدل نظرى) ۱ + بررسى شاخصهاى برازش» روابط مدل و در صورت نياز اصلاح مدل نظرى و تتهيه كزارش مسير تأثيدى اصلاح شده (ارزيابى و اصلاح مدل نظری) آموزش نرم افزار لیزرل 0 

صفحه 32:
بخش دوم لا شاخص هاى برازش مطلق لا شاخص هاى برازش مقايسه اى لا شاخص هاى برازش تعديل يافته آموزش ترم افزار ليزرل 

صفحه 33:
شاخص های برازش مدل شاخص هاى برازش تعديل يافته Hint در خروجی نرم افزر لیزرل صرف بد بودن (خوب نبودن) چند شاخص نمیتوان گفت مدل پیشنهاد شده از برازش خوبی برخوردار نيست» لذا بايد جندين شاخص را مدنظر قرار داد تابه يك اجماع كلى درباره خوب يا ضعيف بودن مدل برازش داده شده رسيد. آموزش نرم افزار لیزرل رت 

صفحه 34:
اصلى د ن شاخص ها و معيارهاى برازش مدل مى باشند به شدت به تعداد پارامترهای در مدل وابسته هستند مقایسه بین ماتریس کواریانس نمونه برآورد شده و نظری شاخص های مطلق این پرسش را مطرح می سازند که آیا واریانس خطا يا تبیین نشده که پس از برازش مدل باقی می ماند. فابل توجه است؟ ل مجذور كاى (كاى اسكوثر) ۷ عدم معناداری آن نشان دهنده برازش مطلوب مدل پژوهش است. در نمونه های بالا این شاخص معنادار می باشد (مقادیر با برای کای اسکوثر) به شدت وایسته به حجم نمونه است P-Value yas ‏لا‎ % معناداری و یا عدم معناداری شاخص کای اسکوثر را نشان مى دهند ۲ ۳-۷۵16 بزیگتر از ۰.۰۵ گولد بر عدم معناداری‌کاولسکوثر مدللست آموزش نرم افزار ليزرل 9 

صفحه 35:
الآ نسیت کای اسکوتر به درجه آزادی وجود محدودیت در شاخص کای اسکوئر 7 برای کاهش اثر حجم نمونه در شاخص کای اسکوثر ۲ دامنه پذیرش این شاخص مقادیر بین ۱ تا ۳ می باشد 2 شاخص های نیکویی برازش ‎(GEL & AGFI)‏ % بی اندازه تحت تأثیر حجم نمونه است ۷ شاخص آ۳کبی اندازه وابسته به تعداد پارامترهای مدل است. برای اصلاح ن شاخص ۸7۳۲ مطرح كرديد ” دامنه قابل قبول بون هر دو شاخص مقادير بالاى ‎٠.4‏ مى باشد آموزش نرم افزار لیزرل 0 

صفحه 36:
RMR & SRMR yasus 2 ‎V‏ شاخص های بد بودن مدل می باشند شاخص 81713 استاندارد شده شاخص ‎RMR‏ بوده و نسبت به اسن شاخص اعتبار بالاتری دارد. ‏۲ دامنه پذیرش این شاخص مقادیر زیر ۰.۰۸ می باشد لا شاخص 18115154 ‏۲ اصلی ترین شاخص برازش تطبیقی مدل ‏۷ شاخص بد بودن مدل ‏مقادیر کوچک آن گواه بر بد نبودن مدل است ‎. : 1 ‎Hint ‏در مواردی که تعداد نمونه کوچکتر از .۱۵ باشد» لین شاخصء شاخص مناسبی برای ارزیابی جدبودن مدل نیست, توصیهمی شود اگر‎ ‏شاخص 62771 در خروجی شاخص های مدل در شرایط بالای ۰.۹۵ اشدءمی وان بهپرازش خوب مدل توجه نمود و از کنر این ‎Sener‏ ‏آموزش نرم افزار لیزرل 0 ‎ 

صفحه 37:
پرای مقادیر کم کای اسکوثر با ‎eae Jade acl P-Value > 0.05) ash +d‏ مقدار آن باللی RMSEA. يه ‎AGFI‏ شاخص تیکویی برازش اصلاح شده 0 ريه ميلتكين مربعات باقى مائده استاندارد شدة د رمواردى كد تعداد نموته مدل ‎att RMSEA atts (N<150) 2h of eas ayy‏ مناسبى برلى ارزيلبى بد بودن مدل. خيست؛ زيوا مقاديرى ك درابنكوتهمواقع نشان ميدهدء بسياربالا ميياشد. براي همين مشكلء بايد به مقدار 171) مراجمه شود جنانجه اين مقدار بيش لزهة. باشدء مينوان به برازش خوب مدل توجه نموده وازكار شاخص .1101151714 كذشت | | 7 آموزش نرم افزار لیزرل 

صفحه 38:
به دنبال مقایسه بین یک مدل خاص (بهترین مدل) با مدل برآورد شده محقق می باشد. اين شاخص ها در يى ياسخ به اين سوال هستند كه يك مدل به خصوص در مقايسه با ساير مدل ‎«Sao gle‏ از لحاظ تبیین مجموعه ای از داده های مشاهده شده تا چه حد خوب عمل می کند؟ شاخص‌های برازش ‎‘NEI‏ ‎NNFI‏ ربالای ۰۸۵ بربالای ۰9۵ 1۳ شاخص برازش فزاینده مقادیر بالای ۰۹۵ نکته. مقادیر بین ۹۰.- تا ۹۵-برای شاخص‌های برازش نسبی نشان دهنده برازش قایل قیول مدل می‌باشد. آموزش نرم افزار ليزرل © 

صفحه 39:
۱ شاخص برازش اصلاح شده مقتصد ‎(PGFI)‏ ‏۲ شاخص برازش هنجارشده و اصلاح شده مقتصد (۳(۲۳۲) برای این دو شاخص دامنه مشخصی که مبین خوب پا ضعیف بودن مدل برازش شده باشد. ذکر نگردیده است؛ ولی برخی متابع مقادیر تزدیک ۰.۵ را برای این دو شاخص در نظر گرفته اند. | | ۱ 7 آموزش نرم افزار لیزرل 

صفحه 40:
تحلیل عاملی 

صفحه 41:
آموزش نرم افزار لیزرل 

صفحه 42:
مقایسه تحلیل عاملی تأئیدی (۴۸/)) و اکتشافی (1:۴۸) * در تحلیل عاملی اکتشافی فقط بارهای عاملی بدست می آید. ولی نمی توان گفت این ارتباط واقعی (تصادفی) یا غیر واقعی (غیرتصادفی) است يا نه؟ (اعتبار بیروتی دارد يا نه) ولی در تحلیل عاملی تأئیدی 11/0116 یا مقادیر " برای هر بارعاملی حساب می شود (اعتبار بیرونی) * در تحلیل عاملی تأئیدی اعتبار درونی و اعتبار بیرونی (قابلیت تعمیم پذیری) نشان داده می شود ولی در تحلیل عاملی اکتشافی فقط اعتبار دروتی نشان داده می شود. * در تحلیل عاملی اکتشافی به دنبال شناسایی عامل ها هستیم ولی در تحلیل عاملی تأئیدی عامل ها از قبل مشخص است و ‎oy‏ دنبال تأئید روابط بين سوالات با عامل های مربوطه به | | 1 ‎a ۱‏ 520 ۵ آموزش نرم افزار لیزرل ‎ 

صفحه 43:
تحلیل عاملی تأئیدی تحلیل عاملی تأئیدی به چندین روش صورت میگیرد؛ که عبارتند از: ۱ به صورت کلی و یکپارچه؛ که در اين حالت کلیه متغیرهای مدل همزمان مورد تحلیل قرار مي گیرند (بهترین و استانداردترین روش تحلیل عاملی تأئیدی) ۲ تحلیل متغیرهای مستقل و وابسته جدا از یکدیگر و در دو فایل متفاوت؛ كه در اين حالت ابتدا باید برای هر یک از دو دسته متغیرهای مدل مفهومی پژوهش (متغیرهای وابسته و مستقل) دو فایل متفاوت در نرم افزار 5۳55 تشکیل و ذخیره گردد (اين روش زمانی کاربرد دارد که برخی از متغیرهای ما از مرتبه دوم و برخی دیگر از مرتبه اول باشند) ۳ هر یک از متغیرها به صورت جدا از هم (چه وابسته و چه مستقل)؛ در این حالت باید در نرم افزار 5۳55 برای هر متغیر طبق مدل مفهومی پژوهش فایلی به صورت مجزا تشکیل و ذخیره گردد (اين روش زمانی کاربرد دارد که برخی از متغیرهای ما از مرتبه دوم و برخی دیگر از مرتبه اول باشند). آموزش نرم افزار لیزرل 0 

صفحه 44:
تحلیل عاملی تأئیدی مرنبه اول فرض بر اين است که نمرات هر مطالعه در یک متغیر. در واقع منعکس کننده وضعیت آن مورد در یک عامل زیربنایی تر است که به دلیل پنهان بودنش اندازه گیری مستقیم آن وجود ندارد. در تحلیل عاملی مرت * متغیر پنهان بیرونی متغیر مشاهده شده بیرونی متغیرهای خطا اول سه نوع متغیر وجود دارد: در تحلیل عاملی مرتبه اول سه نوع پارامتر وجود دارد: * پارامتر کسای آموزش نرم افزار لیزرل 0 

صفحه 45:
| | | ۱ ۳ تحلیل عاملی تأئیدی مرتبه اول كساى (5): نماد متغير مشاهد هيذير 2 فى بزرك (40)؛ همبستكى بين متغيرهاى كساى دلتا (0) : بارامتر اندازهكيرى ميزان خطا متغير مشاهدهيذير 26 ایکس (16)؛ نماد متغیر مشاهده پذیر در مدل اندازهگیری متغیر مکنون مستقل ‎Xi‏ لب ولا ليه ولا له لا له ‎we) oxy‏ ۳۹ ‎ ‏املای کوچک (2): بار عاملی یا روابط بین متغیرهای مشاهدهپذیر 25 و متغیر مکنون مستقل ‏(كساى يا 5) ‏آموزش نرم افزار ليزرل ‎© ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ 

صفحه 46:
تحلیل عاملی تأئیدی مرتبه دوم نوعی از مدل های عاملی که در آن عامل های پنهانی که در مرتبه اول بوسیله متغیرهای مشاهده پذیر اندازه گیری می شوند. خود تحت تأثیر یک متغیر زیربنایی تر (متغیر پنهان) دیگر در یک سطح بالاتر قرار دارند. وجود دارد: در تحلیل ‎ble‏ دوم چهار نوع من متغیر پنهان بیرونی متغیر پنهان درونی متغیر مشاهده شده درونی متغیرهای خطا در تحلیل عاملی مرتبه دوم شش نوع پارامتر وجود دارد: آموزش نرم افزار لیزرل 9 

صفحه 47:
8 1 3 وای (۷)؛ نماد متغیر مشاهده يذير در مدل اندازهكيرى متغير مكنون وابسته ليور اپسیلون (©): يارامتر اندازهكيرى ميزان خطاى متغير مشاهدهيذير لا لاملاى بزرك (/): بار عاملى يا روابط بين متغيرهاى مشاه دهيذير لا و متغير مکنون وابسته (اتای یا ) كساى (5): نماد متغير مكنون برونزا اتای ([1): نماد متغیر مشاهدهپذیر ۷ (درونزا) كاما (0!)؛ روابط (ضرايب رگرسیون) بین متغیرهای مکنون بروتزا (کسای) و متفیرهای مکنون درون (اتای) آموزش نرم افزار لیزرل 

صفحه 48:
مراحل تحلیل عاملی تأئیدی . ذخیره دادهها در نرم افزار 5۳55 یا ۳6661 ‎٠‏ فراخوانی دادهها به محیط لیزرل ۱. گرفتن خروجی ماتریس کواریانس 1« طراحی مدل مفهومی به روش 601ز۳۲0 :1518۳۴1 با ۲1۸0۲۵۳0 ‎Path‏ . آزمون مدل . ارزیابی مدل . اصلاح مدل تحلیل و ارائه گزارش آموزش نرم افزار لیزرل