شاخص های نیکویی برازش

شاخص های نیکویی برازش مدل
یک از اهداف اصلی در استفاده از مدلسازی معادلات ساختاری، شناخت میزان همخوانی بین داده های تجربی با مدل مفهومی و نظری است. برای شناخت میزان همخوانی داده های تجربی و مدل مفهومی از شاخص ها و معیارهایی استفاده می شود که به آنها شاخص های نیکویی برازش مدل می گویند. در مدل سازی معادلات ساختاری از شاخص های متفاوتی برای حصول اطمینان از نیکویی برازش مدل استفاده می شود.

در مدل های اندازه گیری پرسشی که پژوهشگر بدنبال جواب آنست این است که آیا متغیرهای قابل مشاهده، سازه ای پنهان و یا متغیری پنهان را اندازه گیری می کنند یا خیر؟ چنانچه داده های گردآوری شده ، مدل مفهومی پژوهش را حمایت کنند، در آن صورت معیارهای برازش مدل وضعیت مطلوبی را نشان می دهند. گاهی ممکن است پژوهشگر برای ایجاد این برازش در مدل، در مدل مفهومی خود تغییراتی را ایجاد نماید که چگونگی ایجاد این تغییرات در قسمت بعدی توضیح داده خواهد شد.

شاخص های نیکویی برازش مدل را می توان در سه دسته کلی گروه بندی کرد. این سه گروه عبارتند از:
– شاخص های برازش مطلق

– شاخص های برازش تطبیقی

– شاخص های برازش مقتصد

بنا به اهمیت این شاخص ها یادآوری اجمالی در خصوص این تقسیم بندی مفید به نظر می رسد. شاخص های برازش مطلق شاخص هایی هستند که بر مبنای تفاوت واریانس ها و کوواریانس هیا مشاهده شده بر مبنای پارامترهای مدل از طرف دیگر محاسبه می شود.

شاخص های برازش تطبیقی، مدل پژوهش را با مدلی که در آن متغیرها از همدیگر مستقل هستند مورد مقایسه قرار می دهد. به بیان دیگر در این حالت مدل مفهومی پژوهش با مدلی مورد مقایسه قرار می گیرد که در آن هیچ رابطه ای بین متغیرها تعریف نشده است.

گروه دیگری از شاخص ها که به شاخص های برازش مقتصد مشهور هستند به پژوهشگر کمک می کند تا اثر مداخله خود را در مدل (آزاد گذاردن یک پارامتر برای برآورد) برای بهبود شاخص های برازش مورد ارزیابی قرار دهند. جدول زیر تعدادی از شاخص های مورد استفاده در نرم افزار لیزرل را معرفی می کند. در این جدول علاوه بر معرفی شاخص ها، مقدار هر شاخص برای برازش قابل قبول نیز آورده شده است. به عنوان مثال شاخص آماره تحت پوشش کای مربع اگر دارای مقداری بیشتر از 5 درصد باشد، برازش مدل مناسب است.