صفحه 1:
کاناق اکرلمیبلنکباور 9۳8۴68۵۷
صفحه 2:
کاند اکیلم انکهاور @PptBank
سم
صفحه 3:
کاند لکرلمیبلنکباور 9۳۴8۲8۵۳۷
3
الطفا كانال ما را به 4 نفر از دوستاتتان
کانال تلگرامی بانک باور بود:
@PptBank .6
© ://telegram.me/joinchat/CrBIZT1leCOx3IRhxgL
6
صفحه 4:
ای اکیلم انگیدارر ی پیت 9۳0۳۵۵0
نرم افزار حسابداری و خرید و فروش پریال
ی
شما خودتان به آسانی: باشيد
خرید و فروش خود را ثبت نمایید.
برگشت از خربد و برگشت از فروش خود را ثبت نمانید.
حسابها و مبالغ دریافتی و پرداختی روزانه خود را ثبت نمائيد.
BUSS” صادره و دریافتی مشتریان را ثبت نمائيد.
دسته چکهای حسابهای حسابهای جاری خود را ثبت نمانی
"_ شم تنها این مواردرا
شما انجام می دهد.
و نوم افزار يريال به صورت هوشمند عملیات حسابداری مربوطه ا رای
صفحه 5:
كاندلكيلموبانكباور بمينت 221 68م ط ©
کرتن کررنت زير فقط با یک کلیک:
GIF سود زان رون هفتگی, ماه[ هر باه زمانی
ay ماد حساب افوادى كه ب شما رف خساب هستداد هار
وضعيت جكهاى صادره أباس :
وضعيت بوك جكهاى مربوط بد هر
pie Sandy و دغل مقازه در هر لحظه از روز
وضعيت كالاهاى خريدارى و فروخته شده و موجودى كالاها
و دهها كزارض كاربردى و مورد تيز
a jaye Sg aad 9 قبيل اند oa د موجيدى کال و )در یک نگ
اكتور بد فاكتور و كالايه كلد
بستانكارانء كاركتان lo
و پاس نشده) و جكهاى هريافتى (موجود و خرج شدها.
:جك المويف شدد
ALU افزار le As ble دادم(
ate te os ۰ Rye en
كشاوت ما پشتیبانی برکر ماست
صفحه 6:
کاند اکیلم انکهاور @PptBank
عنوان سمینار:
مدل سازی معادلات ساختاری structural
Equation Modeling (SEM)
استادراهنما:
ارائه دهنده:
مژگان گرشاسبی
خرداد1394
صفحه 7:
@PptBank کانالگرلمیبلنکباور
مقدمه
مدل سازی معادله ساختاری چیست؟
مدل معادلات ساختاری (5600) تحلیل چند متغیری بسیار نیرومند از خانواده
رگرسیون چند متغیری است که به محقق امکان می دهد مجموعه ای از
معادلات رگرسیون رابه طور همزمان مورد آزمون قرار دهد.
مدل سازی معادله ساختاری دیدگاهی است که در آن الگوهای فرضی از
ارتباطات مستقیم وغیرمستقیم در میان یک مجموعه از متغیرهای
.مشاهده شده و پنهان بررسی می شود
کاربرد اصلی آن در موضوعات چند متغیره ای است که نمی توان آنها را به
شیوه دو متغیری با در نظر گرفتن هربار یک متغیر مستقل با یک متغیر
وابسته انجام داد.
موضوغ سمینار:مدلسازی معادلات ساختاری
صفحه 8:
کاند اکیلم انکهاور @PptBank
تعريف الاا51 8
مدل معادله ساختارى اساسا تركيب مدل هاى مسير و مدل هاى
تحليل عاملى تاييدى است.
تحلیل مسیربطور کامل با متغیرهای آشکار تعریف شده است
اما در آن چند متفیر مستقل آشکار و چند متفیروابسته آشکار
بکار می رودورابطه على بين مجموعه ای ازمتغیرهای مستقل
ووابسته را ارزیابی می کند.
تحلیل عاملی شامل متفیرهای آشکاری است که فرض شده یک
یاچندمتغیرینهان رااندازه گیری می کند.
6 ۹۶۷ وال خ تیش علتتار معادلات ساختاری
صفحه 9:
کاند تس لگیلمیب لنکیاور @PptBank
Equation
Modeling
tory
Path Factor Analysis
۸ 7
Exploratory
Factor
Analysis
bin cy JBI Bau 0 5 لانت سنا تفتا وج
صفحه 10:
کاند اکیلم انکیاور @PptBank
اصطلاحات مورد
نیاز
دو نوع اصلی متغير ها:
متغير ينها ن(سازه ها يا عامل ها):متفیر هایی
كه نمى توان انها را مستقيما مشاهده يا مورد سنجش
قرارداد
متغیر آشکار(مشاهده شده) :متغیر هایی که به
منطور تعريف با سبط در مور مت la
بر ضوع تما رومدلسازی از لاب اساعتا ری
صفحه 11:
کاند اکیلم انکهاور @PptBank
متغیرهای وابسته ومستقل بسوینت
متغیرها چه آشکاروچه پنهان ,همچنین می توانند به عنوان متفیرهای
مستقل ووابسته تعریف شوند.
متغیر مستقل(برون زا): متغیرهایی هستند که تحت تاثیر متغیرهای
موجود درمدل نیستند.
این متغیرها حداقل یک مسیر به متفیردیگروارد می کنند.
متغیر وابسته(درون زا): متفیرهایی هستند که مقادیرآنها توسط مدل
.برآورد می شود
باين متغیرها حداقل یک مسیرراازمتغیردیگردریافت می کنند
بیک معادله ساختاری برای هرمتغیردرون زا وجود دارد
متغیرخطا( مزاحم) :نقش مشابهی باخطادرمدل رگرسیون تک معادله
.ای بازی می کند
نیازی نیست که استقلال ie خطاها رادرمدل سا سا ی ورین
موضوع ر:مدلسازی معا
صفحه 12:
کاند اکیلم انکیاور @PptBank
© موضوغ سمینار:مدلسازی مغادلات ساختاری
صفحه 13:
کاند اکیلم انکهاور @PptBank
۱ پوینت
برای روشن ساختن روابط بين متغيرها از نمودار مسیر
64 or CD Latent Variable
or ۳۳ Observed Variable
or وس Unidirectional path
ad
CY e قرط یه تسیود سل at
mw or [oF “Measurement error in observed variable
بت
or يم Correlation between variables
© موضوع سمینار:مدلسازی معادلات ساختاری
صفحه 14:
کاندلکرلمیبلنکباور ۵۳۴۵۲8۵۳۷
re
ec" مدل
موضوع سمینار:مدلسازی معادلات ساختاری
صفحه 15:
کاندلکرلمیبلنکباور ۵۳۴۵۲8۵۳۷
© موضوع سمینار:مدلسازی معادلات ساختاری
صفحه 16:
نکیاور @PptBank
توجه: روابط بین متغیرهای پنهان با مشاهده شده را بارهای عاملمهونتوابط بین متفیرهای
پنهان را ضرایب ساختاری گویند.
صفحه 17:
کاند اکیلم انکیاور @PptBank
مراحل مدلسازی معادلات
0 موضوغ سمینار:مدلسازی مغادلات ساختاری
صفحه 18:
کاند اکیلم انکهاور @PptBank
Model Model
Specificati Identificati
on on
© مقضوع سمتار:مدلشتازی معادلات. سافتا راخ
صفحه 19:
کاند اکیلم انکهاور @PptBank
تدوین مدل شامل به کار بردن کلیه نظریه های مرتبط,
پژوهش ها و اطلاعات در دسترس وطرح مدل نظری
به بیان دیگر تدوین مدل تصمیم در اين باره است که :
چه متغیرهای پنهان و آشکازی من بایست در مدل وارد
شوند؟
این متغیرها چگونه ارتباطی با یکدیگر دارند؟
© تاثيرات, مستقبم و غير مستقيم le ol یرهم چگوزه |ببت؟
صفحه 20:
گنای نکیامی نکب اور ۵۳۳۳۵۵۰۷
2)تشخیص مدل
در مساله تشخیص این سوال مطرح می شود: UI بر
اساس داده های نمونه ای(شامل شده درماتریس
کواریانس نمونه ای(5 و مدل نظری (تعریف شده
بوسیله ماتریس کواریانس جامعه يا ۶ ), می توان
مجموعه منحصر به فردی از برآورد پارامتر ها یافت؟
© موق تما رم شتا ce متغاالات اهنارق
صفحه 21:
کاند اکیلم انکهاور @PptBank
5 سه سطح تشخ
Poin © تما رتم اشنا زی مطادلاتسافتاراق
صفحه 22:
کاند اکیلم انکیاور @PptBank
مدل كاملا مشخص -58نل"” 3
Identified
دو معادله , دو x-y=2 x=3
مجهول ا
همه ى يارامترها به دليل وجود اطلاعات
کافی در ماتریس5 بطورمنحصربه فردی
Things we know - Things we want
to know
موضوغ سمینار:مدلسازی معادلات ساختاری
صفحه 23:
کاند اکیلم انکهاور @PptBank
مدل فرومشخص رسد
Identified
يه بمقاتاة «3و {x+y=
4
یک یا تعداد بیشتری از پارامترها نتوانند بطور
یکتایی تعیین شوند, زیرا اطلاعات کافی در
ماتریس5 وجود ندارد
Things we know <_ Things we want to
know
موضوغ سمینار:مدلسازی معادلات ساختاری
صفحه 24:
کاند اکیلم انکهاور @PptBank
مدل فرامشخص 0۷۵۳۵۵۵۵۲۱664
4 < ۱۷ + ۷«
سه معادله , دو 2 < ۷-۷«
مجهول 23 27-۷52
بیش از یک جواب برای برآورد یک یا چند پارامتر
وجود دارد زیرا اطلاعات موجود در ماتریس 5
بیش از حد کفایت است.
Things we know > _ Things we want
to know
موضوغ سمینار:مدلسازی معادلات ساختاری
صفحه 25:
@PptBank کاند اکیلم انکهاور
AN Structtital Equation Modeling
Things we know 1? Things we want to
know
تعداد پارامترهای
نامعلوم
(p+q) (p+q+1) /
موضوع سمینار:مدلسازگ معادلات ساختاری
صفحه 26:
کاند اکیلم انکهاور @PptBank
5 پوینت
3) براورديارامترها:
دراين بخش شيوه هاى مختلف برآورديارامترهابررسى مى شودكه
تمان برادرقبا زامترفاق جامعة ترق Stall Gls Lavalilen Jie
ماخواهان بدست آوردن برآوردهایی برای هریک ازپارامترهای تعیین
شده درمدل هستیم که ماتریس نظری ۶ راتولید می کند.
دراین روش هاازیک تابع معیار(مانند حداقل مربعات وزنی,حداقل
مريعات pines ناقده:وجزاقترورسسيماين) كه حفاوت بين نو
رااندازه مى كيرداستفاده مى كنند.
0 موق تما رم تازفق متغاالات اهنارق
صفحه 27:
کاند اکیلم انکهاور @PptBank
پوینت
اين روش سعى بر اين دارد که:
تفاوت بين كواريانس نمونه اى و كواريا
كه به وسيله ii Joo بدست آید را
حداق
كند.
۵ : ۱۵۲۲۱۷ 0۴ ۵۵۱
Parameters
= (®): Covariance
Matrix predicted by
the theorical model
S: Sample
Covariance Matrix
موضوغ سمینار:مدلسازی معادلات ساختاری
صفحه 28:
©0١15 روش
روش 615
OLS = trace |S- ۳
کاندلکرلمیبلنکباور ۵۳۴۵۲8۵۳۷
1
GLS = (race ]9- ۴
ML wits,
Fy, = In|2|—In|S| + Tr (S24) —p
موضوع سمینار:مدلسازی معادلات ساختاری
صفحه 29:
کاند اکیلم انکهاور @PptBank
4) آزمون مدل:
هنگامی که يك مدل به طور مناسبی مشخص شد و داده ها
به طور صحیح وارد گردیدند,برازش داده ها به مدل
فرضى را بايد ارزیابی نمود. تعدادی آزمون برای ارزیابی
این موضوع که مدل تا چه حد روابط مشاهده شده ی
بین متغیرهای قابل اندازه گیری را توصیف می نماید, به
کار می روند.
برنامه های کامپیوتری مختلف شاخص های مختلفی راارائه
می دهندوهیج توافقی دراین موضوع که کدام یک
ارآمیچتع مین رنمدلسازی معادلات ساختاری
صفحه 30:
@PptBank کاندسلکیلمبانکیاور
تام امتبویدهآل a امتیزایدهآل
P>0.03
P>09
P=09
P>09 4 Poe 3
4 4
۳
P>09 ۲ 8
“hi
ومدم
P>09 i 0
RMSEA)
صفحه 31:
کاندقاکرلمیب انکهاور @PptBank
۵ 0۲۱۱:
مقدار کای دو بطور سنتی برای ارزیابی برازش کلی یک مدل
مورد بررسی قرار می
فرض صفر این آزمون مناسب بودن مدل است که در صورتی
که در سطح 0.05 معنادار نباشد , مدل مناسب را نشان می
دهد.
معایب:
این آزمون در صورت برقراری فرض نرمال بودن جامعه نتایج
مناسبی می دهد در غیر صورت مدل را رد می کند حتی اگر
قدل واقعا متاسب باشند.
بسیار به اندازه نمونه حساس است. درصورتی که نمونه بزرگ
باشد, مدل تقریبا هميشه رد می شود. اندازه نمونه کوچک
ان آ: بقدرى يايين | که تواند مدل
نز توان آرمون در بای اس که نم ند هویب
صفحه 32:
کاندقاکرلمیب انکهاور @PptBank
Root Médit-$quare Error Approximation
(RMSEA)
این شاخص می گوید که مدل ما چقدر خوب توانسته است
ماتریس واریانس- کواریانس جامعه را برازش دهد.
این شاخص بعنوان یکی از آگاهی بخش ترین شاخص ها بکار
wo رود زیرا به تعداد پارامترهای برآورد شده در مدل
حساس است. یعنی در شرایط یکسان مدلی را انتخاب
می کند که تعداد کمتر: داشته باشد.
با
RMSEA< 0.08 3 Very good Fit
0.05 < RMSEA< 0.1 = Acceptable Fit
RMSEA > 0.1 => Poor Fit
ماوخ تما رم لا ری ما لت شا ختا دق
صفحه 33:
کاند اکیلم انکهاور @PptBank
موجه 600۵
:Index (GFI)
این شاخص نشان می دهد که ماتریس کواریانس مدل تا جه
حد نزدیک به ماتریس کواریانس نمونه ای است.
GFI>0.9 Good Fit
معایب:
زمانی که اندازه نمونه کم باشد. به سمت مقادیر کوچکتر
اریب می شود.
زمانی که اندازه نمونه بزرگ باشد, به سمت مقادیر بزرگتر
اریب می شود.
با افزيش تعداد يارامترها مقدار بزركترى مى كيرد
براین بهتر است که ار 23 re به, تعداد
اراشرفة كارت مك 5ل aie he
است
صفحه 34:
کاند اکیلم انکهاور @PptBank
Normed - Fit Index
:(NFI)
اين شاخص مقدار کای دوی مدل را با مقدار کای دوی فرض
صفر که در آن هیچ ارتباطی معنادار نیست مقایسه می کند.
هرچه مقدار آن به یک نزدیکتر باشد, مدل بهتری را نشان می
دهد.
Fit 0.9 < ۱۱۴۱
معایب:
(©رمانى كم إندازم نمونع كوجكتير از 299 باشو اب ات کم
برآورد مى شود.
صفحه 35:
@PptBank کاند اکیلم انکهاور
:Coifiparative Fit Index (CFI)
gil شاخص مقداز, اضلاع شده ۱۱۴۱ است.که اندازه نفونه را دز بر مق
گیرد.
برای اندازه نمونه کوچک نیز مناسب است.
برای محاسبه این شاخص فرض می شود که همه متفیرهای پنهان از هم
مستقل هستند. سپس ماتریس کواریانس نمونه ای با اين فرض مقایسه
می شود.
CFI>0.9 Good Fit
Poin 0 تما رتم اشنا زی مطادلاتسافتاراق
صفحه 36:
کاند اکیلم انکهاور @PptBank
5)اصلاح مدل: پسوینت
اگر برازش یک مدل نظری به قوتی نبود که انتظار داشتیم,
آنگاه گام بعدی, اصلاح مدل وارزیابی مدل جایگزین و اصلاح
شده است.
هستند كه به متغیرهای | | اصلاحات آنهایی كوه سو ا إصلاخات,
حاضر در مدل يا غايب | |هستند که به داده پارامترهای آزاد و ثابت
۱ در مدل تدوین شده
از مدل مربوط مى هاى ورودى مربوط مربوط مى شوند.
0 موق تما رم شتا زی مناخ لانت سا هنارق
صفحه 37:
افزودن پارامتری دررابطه
باوزن های رگرسیونی
ویاباافزودن پارامتردررابطه
بامتغیرهای خطابتوان به کاهش
یکسانی درکای دودست یافت
اماافزودن وزن های رگرسیونی
| / لحاظ نظری قابلیت توجیه 1
تری دا
0 مووع سمتازتملستازی معا دلات ناگ رخ
صفحه 38:
کاندلکرلمیبلنکباور ۵۳۴۵۲8۵۳۷
مثال عملی
© موضوع سمینار:مدلسازی معادلات ساختاری
صفحه 39:
۲ i Joo
3 ى تعقوو
70185011 تس یور 7
تحقيق ۱ بویت ۳
موضوع
سمینار:مدلسازی معا
دلات
ساختاری
صفحه 40:
fe BSl_Vew Dan Tonenm anavan _Checteatna —Gighe ten _ANsire Window
Book 3
3
22
هد © هدر 3
(vane ار
PAST | MST Saw | 6005 | 6005 | 69004 RSS [rusts 2005
‘em 4 2 3 4 3 3 3 1
4 4 4 5 5 4 5 هو ا 2
a 33.00 2400 Bo) 4 4 4 5 3 4 4
am om ema a 2 3 2 0 0
zm ams 5 5 5 5 5 4 صر
ems 4 5 a 2 4 3 صم zm
2 4 4 4 3 9 تاو
aw 6 4 4 5 4 4 4 ادا nw
3 3 3 3 3 3 6 2۳ 300 20
om em 0 5 3 3 4 3 4 4
a0 em am 3 3 a 4 2 3 3
3 3 4 4 4 3 3 هد صم ۳
om om 4 3 2 4 2 3 3 2
3 3 2 3 3 3 د سم صم صم
5 5 3 5 5 3 ف هد ...ود
vm 4 3 3 4 3 3 2 ید
Pw wm m2 2 3 5 2 3 2
Bw em ms 4 5 5 5 4 4
i300 ۳۵ ema 2 3 3 2 2 3
a 4 3 4 4 3 4 هه صم صم
om ome 3 4 4 3 2 2 )150
موضوع سمینار:مدلسازی معادلات ساختاری
صفحه 41:
:مدلسازی معادلات ساختاری
صفحه 42:
فااتاات ۳ آن ]۱۳۰
TRUSTe ۲ ۲ هن
a
لاله لله ...همع مه son 0لا
a a a a eT!
لا للك هذ الك للك ‘iow on
ق ا هل یز
فده مه یه یه مه سا مسر
anno 20 و ی ۱۳
aia. sa aoa santana
...مدق له الك لساك هیر ره 1
scan a0 ا ا ل ل ل له
1 مد سيرك مت ماه am gaya at) a
12 ۲۰ ۱۳۳ ۱ ۱ aa ۱ ی eton conn 30
13 a a ee لا
14 ‘wow اذ انلك هذ لذ ند اسم سينا سنا
5 000-00 ل مه اد
1 لاد اطع ی سه ید سه سار میا دك
17 a a زا
1 a a a ی el قلة-
1 a TT ناه ...یه مب
a ae a ل ا
لظ مه مه سید مه اه ها ما میت 2
لد یه a 3
100 10۳0 5000‘ ,3000 ,4000 3000 78.000‘ )5.000 000 30‘ 23
لاله الله ee لود للك نك 34
sca 300 0ك الال 5000-00
للد aE a ee
الله الله -0قا لاله 0لا a a 2
للا لالظ ab a ee ee
لاله للك كه له 0 له ياه a 2
موضوع سمینار:مدلسازی معادلات شا رى
صفحه 43:
کاند اکیلم انکهاور @PptBank
DSH MoH nape Ree neo Heb
۳1
|88 ۳۳۰۰ ععاه
og: | STA ىا ات دا
Observed) +
TONS HE Spies 4
Fe ی لبا
van?
هت امعم
۱( موضوع سمینار:مدلسازی معادلات ساختاری
صفحه 44:
@PPp'
Dbsorved Variables Latent Variables
3
| لم | رم
race the Insert key to ingot empty iowe ar the Delato key to dolote celocted rove
0 موضوع سمیتار:مدلستاری معاد لاب Shlisla
صفحه 45:
Observed Vatiables Latent Variables
Name Name] |
(CONST com
JUST سل <Previous
PUUST a —ocb
TuusT Next>
com ——
coma
coms
coma
TaUSTI
TAUSTZ
‘Add/Rlead Vaviables ‘Add Latent Variables
COTM cs
Ok
‘Add one or list of variables here
169,۷۵1 ۰۷۵۹
۳
صفحه 46:
‘Summary statistics ع
Statistics from: File type: Eat | New.
Raw Data PRELIS System Data 7
Raw Data
| Augmented Moments Browse. Ok
omnes دراه
[CADocuments and Settings\Pars
Statistics included:
2
‘Weight Number of observations
7 Include weight mati fo
Matis to be analyzed
سس | سس
موضفوة تمميتار ملسا رف مغاد لات سا ختا زاف
صفحه 47:
هه ا اه
6 اقلت سمه سس دا سس
صفحه 48:
کاندلکرلمیبلنکباور ۵۳۴۵۲8۵۳۷
Build LISREL Syntax Fa
Build :
0 موضوع سمينار:مدلسازى معادلات ساختارى
صفحه 49:
صفحه 50:
@PnfRank ....,گاناات لگلمبانکیام. ay
Gharsyuare-i38.63, dF-100, Pvalue-0.006W2,.mSHA-0. 099
موضوع سمینار: مدلسازی معادلات ساختاری
صفحه 51:
of Sf ۱: ۳ ه اگم ام. @PntRank
OTS] | NAR اد مه لسن
ی
AE -@
=
hacsyoars188,53, Sf-100, Pvabue-0, 00642, steR-0. 059
موضوع سمینار: مدلسازی معادلات ساختاری
صفحه 52:
@PptBank , A
eS ممم[ ممم سين 25959595959595919110008 |
7
| آحیره
0
|7111 ع عد عد ماع عد عد ع ع ع هه ]و
0 موضوع سمينار:مدلسازى معادلات ساختارى
صفحه 53:
کاند اکیلم انکیاور @PptBank
Raw Data from file ‘C:\Documents and Settings \ParsiankDesktop\ a. pet!
Latent Verishles com och trust justice
Relationships
coma = com
coma = com
coma - com
coma - com
TRUST — trust
TRUSTZ - crust
TRUSTS = crust
TRUSTS = crust
OcB1 = oc
ocez = cep
OCES = طوه
OcB4 = och
OCBS = och
DIUST = justice
POUST = justice
TIUST = justice
och = com trust
com = justice
trust = justice
Path Diagram
End of Problem
Sample Size ait
6 موضوغ سمینار:مدلسازی مغادلات ساختاری
صفحه 54:
اگلم ه افگف ام .6
© موضوع سمینار:مدلسازی معادلات ساختاری
صفحه 55:
وت همست ۳32
sy”
وه
ود
وه
رصح
loss)
love)
loss)
ol ae:
co
co
co
1
د
22
۳
@PptBank سلنکاه:
موضوغ سمینار:مدلسازی معادلات ساختاری
صفحه 56:
کاند اکیلم انکهاور @PptBank
- 394.55, Rt - 0.47
(8.30)
- 6.81, Rt - 0.46
(atoa)
(2-65)
Errorvar.= 0.
Errovver.- 0.
Errorvar ره دوه وک
۳
دج
8
12.54
lose)
8
دهد ده
1
0
6
+82 toch,
tosz)
:41t4uanice, Errorvar.
isa)
Sa)
6
ocea
oces
paust
جعت دمر
موضوغ سمینار:مدلسازی معادلات ساختاری
صفحه 57:
:1 اگلم ه افگه ال nk 9۳۰8۵
Structural Equations
com = 0.78"justice, Errorvar.= 0.39 , Rt = 0.61
(0-14) (0-100)
7.48 3.90
trust - 0.88*justice, Exrorvar.- 0-23, Rt - 0.77
(0.12) (0.079)
0 zien
och = 0.40%com - 0.23%trust, Errorvar.= 0.91, R* = 0.086
(0-16) (0.15) (0.16)
2.50 -1.45 5.54
Reduced Form Equations
RE = 0.61
com = 0.78*justice, Exrorvar
668.11
7
trust = 0.8e"justice, Errorvar.= 0.23, عه = 0.77
(0.12)
7.40
Re = 0.013
och = O.11tjustice, Errorvar
(0-095)
20
موضوغ سمینار:مدلسازی معادلات ساختاری
صفحه 58:
کاند اکیلم انکهاور @PptBank
Covariance Matrix of Latent Variables
com och trust justice
com 1.00
och 0.24 1,00
trust, 0.69 0.05 1,00
justice 0.78 0.11 0,88 1.00
0 موضوع سمینار:مدلسازی معادلات ساختاری
صفحه 59:
کاند اکیلم انکهاور @PptBank
Goodness of Fit Statistics
Degrees of Freedom = 100
Miniwwn Fit Function Chi-square = 143.88 (P = 0.0027)
ممصملا Theory Weighted Least Squaces Chi-Square = 138.63 (P = 0.0064)
Estinated Non-ceutrality Paraweter (NCP) = 99.63
90 Percent Confidence Interval for NCP = (11.62 ; 73.58)
Minimum Tit Fungvion Value = 1.31
Fopulation Discrepancy Function Value (FO| = 0.35
90 Fersent Confidence Interval foc FO = (0.11 + 0.67|
Root Wean Square Error of Approximation (RNSEA) = 0.059
90 Percent Confidence Interval for RUSEA = (0.033 ; 0.082)
P-Value for Test of Close Fit (RNSEA < 0.05) = 0.25
Expected Cross-Validation Index |ECVI) = 1.91
90 Percent Confidence Interval for ECVI = (1.67 ; 2.23)
ECVI for Saturated Model = 2.47
ECVI for Independence Model = 20.78
موضوغ سمینار:مدلسازی معادلات ساختاری
صفحه 60:
Normea Fit Index (NEI) = 0.94
Nen-Normed Fat Index (NNT) = 0.98
Pacsimony Hormed Fic index (PNFI) = 0.76
Comparative Fat Index (GFI) = 0.95
Ineremental Fit Index (IPI) = 0.98
Relative Fit Indes (RFT) - 0.92
critical N (ct) = 104.83
Foot Mean Square Residual (RER) = 0.35
Gooaness of Fit Index (GF) ~ 0.86
Adjusted Goodness of Fit Tadex (AGFT) = 9.64
Parsinony Goodness of Fit Index (PGF) = 0.64
The Mocificacion Indices Suggest to Add the
9 ماخ ا مصنا رم ةلسارى LS Ua VS Uhl 5 *
صفحه 61:
ابا هد
Estate [Te = و مه ها ]و
مد ستصست]
na bee
۵ موضوع سمینار:مدلسازی معادلات ساختاری
صفحه 62:
موضوع سمینار:مدلسازی معادلات ساختاری
صفحه 63:
صفحه 64:
@PntRank asl a€il s .f.¢f aft ¢
nicsquere=t23.58, 2-99, e-veLne-0.08780, .تعفاد
موضوع سمینار:مدلسازی معادلات ساخلاری
صفحه 65:
کاند اکیلم انکهاور @PptBank
| ie) aime
Gof سا | [EL IDAa
chitquees=i25.58, 89, povaluse0.09780, mERI=0.038
موضوع سمینار:مدلسازی معادلات ساختاری
صفحه 66:
@PptBank كانداتلكلم_ يلنكفاه.
im | | [Sab Ag
Chi-Bquare=23,50, d€=38, P-valoe=0,05700,,RASER=0.058
موضوع سمینار: مدلسازی معادلات ساختاری
صفحه 67:
@PntRank فا 3 اگلم ه افگف ام ¢
Goodness of Fit Statistics
Degrees of Freedom = 99
Miniwum Fit Function Chi-square = 126.51 (P = 0.033)
Nornal Theory Weighted Least Squares Chi-square = 123.58 (P = 0.043)
Estimated Non-centrality Parameter (NCP) = 24.58
90 Percent Confidence Interval for NCP = (0.28 ; $7.03)
Minimum Fit Funetion Value = 1,15
Population Discrepancy Function Value (FO) = 0.22
90 Percent Confidence Interval for FO = (0.0026 ; 0.52)
Root Mean Square Error of approximation (RNSE4) = 0.048
90 Percent Confidence Interval for RNSEA = (0.0051 ; 0.072]
P-Value for Test of Cloge Fit (RISE < 0.05) = 0.54
Expected Cross-Validation Index (ECVI] = 1.30
90 Percent Confidence Interval for ECVI = (1.58; 2.09)
ECVI for Saturated Model = 2.47
ECYI for Independence Model = 20.78
موضوغ سمینار:مدلسازی معادلات ساختاری
صفحه 68:
-
ل
- 0
2 6
= 0199
amen)
(PNFT)
(orn)
(rr
(RFE)
(RMR) = 0.38
(GFT) = 0.88
Index (acr1)
Index (PGFT)
= 0164
Error Covariance
0.12
ole
0,000 Seconds
ovr)
Pars:mony Normed Fit Index
Comparative Fait index
Incremental Fit Index
com
كاكاتلكلم يلتكفاة. 8۵56۱0
Model ATC ~
Independence CATC
Saturated CATC
Normed Fit Index
Root Mean Square Residual
Goodness of Fit Index
Aajusted Goodness or Fit
Parsimony Goodness of Fit
Indices Suggest to Ada an
Decrease in Chi-square
2.9
و
Time used:
Chi-Square for Independence Model vith 120 Degrees of Freedom ~
Independence 1c
The Modification
TRUST? com?
rast منود
موضوغ سمینار:مدلسازی معادلات ساختاری
صفحه 69: