۳-۶-۱- مدل یابی معادلات ساختاری

در مطالعات حوزه علوم انسانی و اجتماعی، تجزیه و تحلیل داده های پژوهش طبق فرآیندی با قالب کلی مشخص و یکسان صورت می‌پذیرد که تا کنون روش‌های تحلیل آماری متعددی در ارتباط با آن معرفی شده‌است. در این میان، مدل‌سازی معادلات ساختاری^[۲۳] که در اواخر دهه شصت میلادی معرفی شد، ابزاری در دست محققین جهت بررسی ارتباطات میان چندین متغیر در یک مدل فراهم می‌ساخت. قدرت این تکنیک در توسعه نظریه ها باعث کاربرد وسیع آن در علوم مختلف از قبیل بازاریابی، مدیریت منابع انسانی، مدیریت استراتژیک و سیستم‌های اطلاعاتی شده است که ‌بر اساس آن، محقق در فصل چهارم پژوهش به آزمون مدل فرض اهتمام ورزیده است.

یکی از مهم‌ترین دلایل استفاده زیاد پژوهشگران از مدل­سازی معادلات ساختاری، قابلیت آزمودن تئوری‌ها در قالب معادلات میان متغیرهاست. دلیل دیگر لحاظ نمودن خطای اندازه‌گیری توسط این روش است که به محقق اجازه می‌دهد تا تجزیه و تحلیل داده های خود را با احتساب خطای اندازه‌گیری گزارش دهد. مدل‌های مرسوم در مدل‌سازی معادلات ساختاری در واقع متشکل از دو بخش هستند. مدل اندازه‌گیری که چگونگی توضیح و تبیین متغیرهای پنهان توسط متغیرهای آشکار (سوالات) مربوطه را بررسی می‌کند و مدل ساختاری که نشان می‌دهد چگونه متغیرهای پنهان در پیوند با یکدیگر قرار گرفته‌اند. استفاده از مدل سازی معادلات ساختاری مزایای زیادی دارد که پنج مورد از مهمترین آن ها عبارتند از: الف) تخمین روابط چندگانه، ب) قابلیت سنجش متغیرهای پنهان (مفاهیم مشاهده نشده)، ج) محاسبه خطای اندازه‌گیری، د) قابلیت بررسی تأثیر هم خطی، ه) آزمون روابط جعلی و غیرواقعی(داوری و رضازاده، ۱۳۹۲).

نقطه ‌ضعف بسیار مهم آزمون فرضیه در روش‌های آماری کلاسیک مانند تحلیل مسیر و تحلیل رگرسیون خطی، چشم‌پوشی از خطاهای اندازه‌گیری متغیرهای مکنون است که در الگوی مدل یابی معادله‌ی ساختاری، این مهم لحاظ می‌شود. به بیان دیگر، از نظر روش‌شناختی، انتظار آن می‌رود که برآورد پارامتر بتای استانداردشده در حالتی‌که خطاهای اندازه‌گیری متغیرهای مکنون نیز لحاظ شود، نتایج واقعی‌تری به دست دهد (قاسمی، ۱۳۸۹). به‌زعم تاناکا و همکارانش (۱۹۹۰)، به‌جای این‌که محققان تناسب یک مدل معین با داده ها را به طور ساده آزمون کنند می‌بایست بر ارزیابی‌های مقایسه‌ای مدل‌های چندگانه تأکید داشته باشند. در حالی که میانجی‌گری و تعدیل‌گری می‌تواند ازطریق مدل‌های رگرسیونی مورد آزمون قرار گیرد، استفاده از متغیرهای مکنون در الگوی مدل یابی معادله‌ی ساختاری، پسندیده‌تر است (ویلیامز^[۲۴]، ۱۹۹۵).

قسمت تابع ساختاری یا تحلیل مسیر، روابط مفروض بین متغیرهای مکنون را به نمایش می‌گذارد. در مدل یابی معادله‌ی ساختاری، سلسله‌مراتبی علّی مطرح می‌شود که در آن، یک متغیر ممکن است علت احتمالی متغیرهای دیگر باشد، اما به طور قطع، معلول آن‌ ها نیست. به بیان دیگر، ترتیب متغیرها به گونه‌ای است که متغیری در بالای سلسله‌مراتب، ممکن است علت متغیر مرتبه‌ی پایین‌تر از خود باشد، اما بعید است که متغیر پایین‌تر، متغیر بالاسری خود را علت باشد. در روش‌شناسی معادله‌ی ساختاری، دو دسته ضرایب مختلف بین متغیرهای مکنون برآورد می‌شوند که عبارتند از:

الف) ضریب گاما (γ)؛ که معرف ضریب رگرسیونی بین یک متغیر مکنون برون‌زا و یک متغیر مکنون درون‌زا است.

ب) ضریب بتا (β)؛ که معرف ضریب رگرسیونی بین یک متغیر مکنون درون‌زا و یک متغیر مکنون درون‌زای دیگر است.

‌بنابرین‏ با توجه به مزیت های گفته شده، در این تحقیق از این تکنیک جهت آزمون فرضیات استفاده شد.

۳-۶-۱- ۱- نرم افزار مورد استفاده

برای تحلیل مدل­های معادلات ساختاری نرم افزارهای مختلفی مانند پی ال اس^[۲۵]، آموس^[۲۶]و لیزرل^[۲۷] معرفی شده است که هرکدام ویژگی­ها و کاربردهای خاص خود را دارند. لیزرل اولین و یکی از متداول‌ترین روش­ها برای این منظور ‌می‌باشد و اولین بار توسط جورسکاج^[۲۸] در سال ۱۹۷۳ معرفی شده است. لیزرل از روش درست‌نمایی ماکزیمم (ام ال ای) و ‌بر اساس بیشینه‌سازی کواریانس به برازش مدل می‌پردازد در حالی که این روش مستلزم چندین شرط و فرضیه زیربنایی از جمله نرمال بودن می‌باشد و این شروط نیز نیازمند حجم نمونه نسبتاً بالایی می‌باشد (در حدود ۱۰ الی ۱۵ پرسشنامه به ازای هر سؤال پرسشنامه). نرم افزار اموس نیز یکی از نرم افزارهای آماری مناسب برای تحلیل داده های پایان نامه مدیریت و علوم انسانی است. در مقایسه با سایر نرم افزارها، آموس فراتر از توانمندی های معمول نرم افزارهای مدل سازی رفته و به عنوان مثال به خوبی می‌تواند بر اساس جدیدترین روش های آماری ‌در مورد نحوه برخورد با داده های مفقود شده به جایگزینی آن ها دست زند. نگارش جدید آموس نه تنها کلیه ویژگی های نرم افزارهایی نظیر لیزرل را دارا است بلکه خصایص منحصر به فردی دارد که آن را از سایر نرم افزارهای مدل سازی متمایز ساخته است.

آموس مدل ترسیم شده در صفحه میانجی را به عنوان مدل مدل می پذیرد و خروجی های آن به خوبی و با کیفیت بالا قابل انتقال به سایر برنامه های تحت ویندوز است. کاربر این امکان را دارد که با تغییر قلم ها، رنگ ها، ضخامت پیکان ها، اندازه پارامترها و مکان قرار گرفتن آن ها مدل مدون را به زیباترین شکل و مطابق با سلیقه خود درآورد. یکی از مهم ترین خصایص این نرم افزار در ویرایش جدید این است که با بهره گرفتن از روش بیزی می‌تواند به برآورد پارامترها در مدل هایی بپردازد که متغیرهای حاضر در آن ها از نوع مقوله ای رتبه ای یا اسمی هستند. خصیصه ای که در نگارش اولیه این این نرم افزار وجود نداشت.

از دیگر ویژگی های این نرم افزار عبارتند از:

• • امکان مدیریت داده ها به اشکال مختلف را دارا است و به خوبی می‌تواند داده ها را در قالب های مختلف چه به شکل خام و چه به شکل ماتریس های واریانس- کوواریانس یا همبستگی از سایر نرم افزارها فراخواند.

• • توانایی مدیریت داده های چند گروهی است به نحوی که می توان مدل ها را برای نمونه های مختلف مورد آزمون قرار داد و نتایج را به سادگی با یکدیگر مقایسه کرد.

• • به خوبی از توانایی وارسی نرمال بودن تک متغیره و چند متغیره برخوردار است

• • می‌تواند به خوبی با داده های پرت رفتار کند.

• • امکان برآورد پارامترها با روش های مختلف را دارا است که از جمله آن ها می توان به حداکثر درست نمایی، حداقل مربعات تعمیم یافته، حداقل مربعات غیر وزنی و حداقل مربعات غیر وابسته به مقیاس اشاره کرد.

• • در این نرم افزار همچنین امکان استفاده از روش خودگردان سازی برای برآورد اعتبار پارامترهای برآورد شده، مقایسه مدل های مختلف با داده های یکسان و مقایسه روش های مختلف برآورد برای انتخاب بهترین آن ها در یک موقعیت خاص پژوهشی وجود دارد.

• علاوه بر موارد ذکر شده زیبایی و جذابیت این نرم افزار به علاوه وجود یک جعبه ابزار متنوع و کاربردی را باید به خصایص ذکر شده افزود.

۳-۶-۱-۲- شاخص های برازش در آموس