pls یا (partial least squares) به معنای حدأقل مربعات جزئی توسط هرمن ولد ابداع شد. از مهمترین دلایل برای استفاده از این نرم افزار نمونه های کوچک (زیر 100 نفر)، داده های غیرنرمال و سروکار داشتن با مدل های اندازه گیری از نوع سازنده است. یک مزیت مهم دیگر این نرم افزار اجرای مدل های تک سوالی می باشد که نرم افزارهای لیزرل و آموس این امکان را ندارند و برای آزمودن صحیح روایی همگرا نیاز به حدأقل سه سوال دارند.
حجم نمونه لازم در pls
در محاسبه حجم نمونه بایستی گفت تعداد نمونه ها می تواند کمتر از تعداد متغیرها نیز باشد از نظر بارکلای و همکاران (1995) حدأقل حجم نمونه در نرم افزار pls برابر است با بزرگترین مقدار حاصل از دو قاعده زیر:
1- 10 ضرب در تعداد شاخص های مدل اندازه گیری ای که دارای بیشترین شاخص در میان مدل های اندازه گیری مدل اصلی پژوهش است.
2- 10 ضرب در بیشترین روابط موجود در بخش ساختاری مدل اصلی پژوهش که به یک متغیر مربوط می شوند.
البته تعیین حجم نمونه به موارد زیادی بستگی دارد و تکنیک ارائه شده تنها در مورد تعیین حدأقل حجم نمونه کارایی دارند.
منبع: داوری، علی، رضازاده، آرش، (1392)، مدل سازی معادلات ساختاری با نرم افزار pls، انتشارات جهاد دانشگاهی، تهران
نرم افزار لیزرل Lisrel مخفف linear structural relations است که جهت محاسبات تحلیل عاملی و مدل معادلات ساختاری استفاده میشود.
مدل معادلات ساختاری (SEM) و نرم افزار لیزرل یکی از ﻗﻮیترین و ﻣﻨﺎﺳﺐﺗﺮین روشﻫﺎی تجزیه و تحلیل در ﺗﺠﺰیه و تحلیل ﭼﻨﺪ متغیره اﺳﺖ. زیرا ﻣﺎهیت این ﮔﻮﻧﻪ ﻣﻮﺿﻮﻋﺎت، دارای چند متغیر بوده و این متغیرها نیز با هم ارتباطات پیچیده ای دارند و ﻧﻤﯽﺗﻮان آﻧﻬﺎ را ﺑﺎ شیوه ای که ﺗﻨﻬﺎ ارتباط میان یک متغیر ﻣﺴﺘﻘﻞ ﺑﺎ یک متغیر واﺑﺴﺘﻪ بررسی مشود ﺣﻞﻧﻤﻮد.
روابط علی متغیرهای وابسته و متغیر مستقل از طریق ضریب استاندارد و عدد معناداری با نرم افزار لیزرل مورد سنجش قرار می گیرد و بر اساس آن نسبت به تأیید یا رد فرضیات تصمیم گیری می شود. در مجموع در تحلیل ساختاری با نرم افزار لیزرل ابتدا از تحلیل عاملی مرتبه اول و مرتبه دوم(مدلهای اندازه گیری) و در مرحله بعدی تحلیل مسیر(مدل ساختاری) استفاده می شود.
در جزوه زیر به طور خلاصه چگونگی کار با نرم افزار زیر آموزش داده شده است:
دانلود جزوه آموزشی نرم افزار لیزرل
تمامی تحلیل های آماری با نرم افزار لیزرل زیر نظر سرکار خانم دکتر حاتمی انجام می شود. برای مشاوره و انجام کار می توانید با شماره و یا ایمیل زیر با ما تماس حاصل فرمایید:
شماره تماس: 09383351063
ایمیل: modirane@gmail.com
قبل از شروع تحلیل بایستی نرمال بودن داده ها بررسی شود. کم توجهی به این مورد باعث نتایج اریب در پژوهش می شود. منظور از توزیع یک متغیر و نرمال بودن آن این است که یک متغیر از حیث نرمال بودن توزیع آن مورد بررسی قرار گیرد. نرمال بودن توزیع چند متغیره به آن مفهوم است که نرمال بودن دو متغیر و یا بیشتر از دو متغیر مد نظر قرار گیرد. بنابراین زمانی که توزیع چند متغیره نرمال است می توان نتیجه گرفت که تک تک متغیرهای آن دارای توزیعی نرمال می باشند ولی عکس این رابطه نمی تواند ضرورتا درست باشد.
روش های متعددی برای بررسی نرمال بودن یک متغیر وجود دارد یکی از این روشها رسم نمودار هیستوگرام آن متغیر با نرم افزار spss می باشد این روش ممکن است در نمونه های کوچک درست جواب ندهد. روش دیگری برای بررسی نرمال بودن استفاده از شاخص های چولگی و کشیدگی است. مقادیر مثبت چولگی دلالت بر آن دارد که بیشتر مقادیر مورد بررسی، پایین تر از مقدار میانگین قرار دارند و مقادیر منفی نشان می دهد که بیشتر مقادیر، بالاتر از مقدار میانگین قرار دارد. مقادیر منفی برای معیار کشیدگی بیانگر آن است که توزیع مورد بررسی نسبت به توزیع نرمال تخت تر می باشد و نیز مقادیر مثبت بیانگر ان است که توزیع مورد بررسی از توزیع نرمال بلند تر است. علامت شاخص چولگی نشانگر جهت آن و مقدار آن بیانگر وضعیت توزیع می باشد (ابارشی و حسینی، 1391). معمولا میزان (2،2-) برای شاخص چولگی و کشیدگی نشان دهنده نرمال بودن توزیع می باشد. دو آزمون معروف دیگر برای نرمال بودن کولموگروف- اسمیرنف و شاپیرو-ویلکس می باشد.
در نرم افزار آموس نیز مستقیما نتایج نرمال بودن تک متغیره و چند متغیره در خروجی ها می توانید مشاهده نمایید.
فرمول کوکران یکی از مهم ترین روش ها برای محاسبه حجم نمونه آماری می باشد که در دو حالت جامعه محدود و جامعه نامحدود مورد استفاده قرار می گیرد. در حالتی که جامعه محدود (حجم جامعه مشخص) است فرمول کوکران برای محاسبه حجم نمونه به صورت زیر می باشد (حجازی، سرمد و بازرگان، 1385):
در این فرمول علائم به ترتیب زیر جایگذاری می شوند:
n: حجم نمونه آماری
N: حجم جامعه آماری که برای مثال فرض کنید 500 نفر می باشد.
P: نسبت وجود صفت در جامعه آماری است. در اینجا واریانس در سطح حدأکثر در نظر گرفته شده و بنابراین 0.5=p می باشد.
P یا 1-p: نسبت عدم وجود صفت در جامعه آماری است در اینجا چون 0.5 p= است q=1-p برابر 0.5 دست می آید.
Z: در این تحقیق با در نظر گرفتن سطح معناداري 95/0 ، مقدار Z برابر 96/1 می باشد.
d: دقت احتمالی مطلوب (سطح خطا) است و برای مثال در اینجا 0.1 در نظر گرفته شده است.
بنابراین حجم نمونه به ترتیب فوق 81 نفر محاسبه شد برای دقت بیشتر بهتر است سطح خطا (d) کمتر از 0.1 و برابر 0.06 یا 0.08 در نظر گرفته شود
وقتی حجم جامعه نامحدود باشد فرمول کوکران برای محاسبه حجم نمونه به صورت زیر می باشد:
در فرمول فوق نیز به تناسب اینکه تعداد نمونه در سطح چند درصد تمایل دارید برآورد شود اعداد را جایگذاری و حجم نمونه مورد نظر برآورد نمایید به عنوان مثال اگر می خواهیم در سطح خطای 5 درصد حجم نمونه تعیین شود عدد 1.96 را جایگزین z و عدد 0.5 را جایگزین p و q و همین طور در مخرج نیز باید سطح خطا را مشخص سازید که 0.05 جایگزین می نمایید در نتیجه حجم نمونه برابر 384 نفر محاسبه می شود مانند زیر:
افزایش شاخص های نیکویی برازش نشان دهنده حمایت قوی تر داده ها از مدل و افزایش شاخص های بدی برازش نشان دهنده حمایت ضعیف تر داده ها از مدل می باشد.
انواع شاخص های برازش:
شاخص های برازش مطلق
شاخص های برازش تطبیقی
شاخص های برازش مقتصد
شاخص های برازش مطلق: شاخص های برازش مطلق شاخص هایی هستند که بر مبنای تفاوت واریانس ها و کواریانس های مشاهده شده از یک طرف و واریانس ها و کواریانس های پیش بینی شده بر مبنای پارامترهای مدل تدوین شده از طرف دیگر قرار دارند. وجود درجه آزادی بالا(نزدیک به مدل استقلال) و کای اسکوئر پایین(نزدیک به مدل اشباع شده) نشان از قابل قبول بودن مدل و مطلوبیت آن می باشد.
معادل فارسی | اختصار | معادل انگلیسی |
کای اسکوئر- خی دو | CMIN | Chi-Square |
شاخص نیکویی برازش | GFI | Goodness-of-Fit Index |
شاخص نیکویی برازش اصلاح شده | AGFI | Adjusted Goodness-of-Fit Index |
ریشه میانگین مربعات باقیمانده | RMR | Root Mean Squared Residual |
معادل فارسی | اختصار | معادل انگلیسی |
شاخص برازش هنجار نشده | NNFI | Non-Normed Fit Index |
شاخص برازش هنجار شده | NFI | Normed Fit Index |
شاخص برازش تطبیقی | CFI | Comparative Fit Index |
شاخص برازش نسبی | RFI | Relative Fit Index |
شاخص برازش افزایشی | IFI | Incremental Fit Index |
معادل فارسی | اختصار | معادل انگلیسی |
کای اسکوئر هنجار شده | NC | Normed Chi-Square |
نسبت اقتصاد | PRATIO | Parsimony Ratio |
شاخص برازش مقتصد هنجار شده | PNFI | Parsimonious Normed Fit Index |
شاخص نیکویی برازش مقتصد | PGFI | parsimonious Goodness-of-Fit Index |
ریشه میانگین مربعات خطای برآورد | RMSEA | Root Mean Squared Error of Approximation |
کای اسکوئر بهنجار شده | CMIN/DF | Normed Chi-Square |
اگر حجم جامعه معلوم باشد سادهترين روش براي تعيين حجم نمونه استفاده از جدول مورگان است. زماني که نه از واريانس جامعه و نه از احتمال موفقيت يا عدم موفقيت متغير اطلاع داريد و نمي توان از فرمولهاي آماري براي براورد حجم نمونه استفاده کرد از جدول مورگان استفاده ميکنيم. جدول مورگان به شرح زیر می باشد به تناسب اینکه تعداد جامعه شما چند نفر است، تعداد نمونه آماری را برآورد می نمایید. لازم به ذکر است که جدول مورگان برای افزایش دقت مطالعه حجم نمونه ها را بالا پیشنهاد می نماید که در صورت عدم وقت کافی برای پخش تعداد متناسب پرسشنامه ها می توانید برای تعیین حجم نمونه از فرمول کوکران استفاده نمایید که حجم نمونه کمتری را پیشنهاد می دهد. در جدول ستون های تعداد جامعه آماری و ستون های نشان دهنده تعداد نمونه مشخص شده اند به عنوان مثال اگر تعداد جامعه شما 10 نفر باشد تعداد نمونه شما نیز 10 نفر می باشد اما اگر تعداد جامعه شما 15 نفر باشد تعداد نمونه 14 نفر است و به همین ترتیب با افزایش تعداد جامعه، تعداد نمونه را می توان به راحتی از جدول استخراج نمود.