بخشی از پاورپوینت

--- پاورپوینت شامل تصاویر میباشد ----

اسلاید 1 :

مقدمه
 
تعریف مدل سازی معادلات ساختاری
 
کاربرد مدل سازی معادلات ساختاری
 
رویکردهای مدل سازی معادلات ساختاری
مبتنی بر ماتریس کواریانس – واریانس (CBSEM) - LISREL
مبتنی بر ماتریس واریانس (VBSEM) – PLS 
 
اصطلاحات مدل سازی معادلات ساختاری
 
مدل های مدل سازی معادلات ساختاری
مدل اندازه گیری
مدل ساختاری 
مدل عمومی مدل سازی معادلات ساختاری

اسلاید 2 :

 
روش های آماری گذشته
 
رگرسیون ساده / دو متغیره  -  پیش بینی مقدار یک متغیر وابسته بر اساس مقدار یک متغیر مستقل از طریق محاسبه رابطه مستقیم
 
رگرسیون چند متغیره – پیش بینی مقدار یک متغیر وابسته بر اساس دو یا چند متغیر مستقل از طریق محاسبه روابط مستقیم
 
 
 
 
 
 
 
 
رگرسیون لجستیک - پیش بینی مقدار یک متغیر وابسته در سطح سنجش اسمی بر اساس دو یا چند متغیر مستقل از طریق محاسبه روابط مستقیم
 
تحلیل مسیر – پیش بینی مقدار یک متغیر وابسته بر اساس دو یا چند متغیر مستقل از طریق محاسبه روابط مستقیم و غیرمستقیم (وجود متغیرهای میانجی)

اسلاید 3 :

محدودیت های روش های آماری گذشته
 
 
عدم اندازه گیری مقادیر خطا در سطح متغیرهای مشاهده پذیر در تحلیل مبتنی بر رگرسیون
 
عدم برازش مدل اندازه گیری در تحلیل های مبتنی بر رگرسیون و مسیر
 
قابل مشاهده بودن تمامی متغیرها در تحلیل های مبتنی بر رگرسیون و مسیر 
 
عدم اندازه گیری روابط غیرمستقیم در تحلیل مبتنی بر رگرسیون
 
ساختار مدل ساده (متشکل از حداکثر یک متغیر وابسته و چند متغیر مستقل) در تحلیل های مبتنی بر رگرسیون و مسیر
 
عدم کاربرد چندین متغیر وابسته
 
و ...

اسلاید 4 :

 
تکنیک تحلیل چندمتغیری بسیار کلی و نیرومند از خانواده رگرسیون چندمتغیری که به پژوهشگر این امکان را می دهد تا مجموعه ای از معادلات رگرسیونی را بر مبنای ماتریس کواریانس – واریانس مورد آزمون قرار دهد. 
 
 
به بیان ساده تر، تجزیه و تحلیل همزمان چند متغیر مکنون مستقل و وابسته (مدل ساختاری) از طریق متغیرهای مشاهده پذیر (مدل اندازه گیری یا تحلیل عاملی تأئیدی)
 
 
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 بین پژوهشگران به اختصار SEM (Structural Equation Modeling) است. 
 
مدل روابط ساختاری خطی (LISREL) یا LInear Structural RELationships در کلی ترین شکل خود، شامل مجموعه ای از معادلات ساختاری خطی است که با دو مسئله اساسی یعنی؛ اندازه گیری متغیرها (اعتبار و روایی ابزار اندازه گیری) و روابط علی میان متغیرها و توان تبیین این روابط (روابط ساختاری) سرکار دارد و مقصود از آن کمک به حل این دو مسئله است. 
 
 
 
 
 
 

اسلاید 5 :

 
 
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)
 

اسلاید 6 :

 
رویکرد مبتنی بر کواریانس (CBSEM)
 
لیزرل (LISREL)
 
 
رویکرد مبتنی بر واریانس (VBSEM) 
 
مدل سازی معادلات ساختاری مبتنی بر حداقل مربعات جزئی
PLS (Partial Lean Square)
PLS-SEM
 
 

اسلاید 7 :

 
رویکرد مبتنی بر کواریانس (CBSEM) 
 
در این رویکرد بیشتر به برآورد مجموعه ای از پارامترهای مدل توجه می شود و هدف، نزدیک تر شدن ماتریس کواریانس نظری به ماتریس کواریانس مشاهده شده در نمونه برآوردی است. 
 
این رویکرد به تخمین ضرایب مسیرها، بارهای عاملی با استفاده از به حداقل رساندن تفاوت بین ماتریس کواریانس مبتنی بر نمونه و ماتریس کواریانس مبتنی بر مدل می پردازند.
 
متداولترین و معروف ترین نرم افزار این حوزه، نرم افزار لیزرل است.
 
سایر نرم افزارها:
 
AMOS
EQS
NPLUS
 
 

اسلاید 8 :

 
رویکرد مبتنی بر کواریانس (CBSEM) 
 
(تکنیک های برآورد)
متغیرهای ابزاری (IV)
کمترین مجذورات دو مرحله ای (TSLS)
کمترین مجذورات بدون وزن (ULS)
کمترین مجذورات تأمین یافته (GLS)
بیشینه احتمال (ML)
کمترین مجذورات وزن دار کلی (WLS)
کمترین مجذورات وزن دار قطری (DWLS)
گزینه برجسته (OR)
 
روش پیش فرض نرم افزار لیزرل در مدل یابی معادلات ساختاری، روش بیشینه احتمال (ML) است. 

اسلاید 9 :

 
رویکرد مبتنی بر کواریانس (CBSEM) 
 
(تکنیک های برآورد)
 
 
چنانچه ماتریس کواریانس مدل منفی شد (خطای negative covariance matrix)، می توانید از سایر روش های برآورد برای تحلیل کمک بگیرید (در تکنیک های برآورد GLS، ML و WLS باید ماتریس کواریانس نمونه مثبت باشد)
 
رویکرد گزینه برجسته (RO) یکی از مناسب ترین تکنیک های برآورد در زمانی است که با ماتریس کواریانس منفی، و یا زمانی که همخطی چندگانه بالا (همبستگی بالای 0.8 بین متغیرهای مستقل مدل) وجود داشته باشد. 
 
تکنیک های کمترین مجذورات (ULS، TSLS، GLS، WLS و DWLS) مناسب زمانی است که متغیرهای مدل از مقیاس طبقه ای باشد، نه رتبه ای و فاصله ای. 
 
 

اسلاید 10 :

رویکرد مبتنی بر کواریانس (CBSEM) 
 
(پیش فرض) 
 
از آنجا که مدل سازی معادلات ساختاری یک روش تحقیق مبتنی بر همبستگی بوده که از طریق اندازه گیری ماتریس واریانس – کواریانس قابل اندازه گیری است؛ مواردی که ماتریس مذکور و ضرایب همبستگی را در مدل سازی معادلات ساختاری مبتنی بر ML 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
غیر خطی بودن روابط
غیر نرمال بودن داده های توزیع شده 
 
علاوه بر موارد فوق، مهمترین پیش فرض اساسی مدل سازی معادلات ساختاری مبتنی بر ماتریس کواریانس – واریانس (CBSEM) منطق حجم نمونه می باشد. 
در متن اصلی پاورپوینت به هم ریختگی وجود ندارد. برای مطالعه بیشتر پاورپوینت آن را خریداری کنید