مراحل تحلیل مدل یابی معادلات ساختاری در زیر تشریح می شود:

- داده های پژوهش را در محیط SPSS باز کنید و سپس از سربرگ Analyze گزینه ی AMOS-16 را انتخاب کنید.

در محیط AMOS از سربرگ Diagram گزینه ی Indicator Variable Draw را انتخاب کنید تا موشواره فعال شود.

مثال پژوهشی

بررسی ارتباط ویژگی های شخصیتی از طریق عزت نفس بر رانندگی مخاطره آمیز در رانندگان.

لازم به توضیح است که این مثال پژوهشی از چند جهت با محدودیت جدی مواجه است.

اول، تعداد متغیرهای موجود در مدل، در مقایسه با این مثال پژوهشی از 7 متغیر به 14 متغیر افزایش یافته، اما حجم نمونه تغییری نکرده است.

برای تحلیل 14 متغیر، دست کم 250 الی 330 و در صورت رعایت قواعد توصیه شده، نزدیک به 400 نفر آزمودنی نیاز است.

دوم، به کارگیری سه متغیر مشاهده شده ی عزت نفس و سه متغیر رانندگی مخاطره آمیز صرفاً از تقسیم آزمودنی های عزت نفس و رانندگی مخاطره آمیز به سه بخش مجزا صورت گرفته است.

سوم، گنجاندن چندین سازه ی مستقل ویژگی های شخصیتی در یک متغیر مکنون، تبیین روابط را دشوار و یا غیر قابل فهم می نماید.

اگر قویاً مفروض باشد که وجه مشترک پنج بعد بزرگ شخصیتی واجد یک واقعیت زیر بنایی، معین مثلاً سلامت روانی است، جا دارد به جای گنجاندن ویژگی های شخصیتی در یک متغیر مکنون، نشانگرهای (ماده های) هر کدام از ویژگی های شخصیتی را در یک متغیر بگنجانیم و سپس یک متغیر مکنون مرتبه ی بالاتر را با پنج متغیر مکنون حاصل از ویژگی های شخصیتی مرتبط نماییم.

بنابراین، بیست و پنجمین مثال پژوهشی صرفاً جهت مقاصد آموزشی تهیه شده است، لذا به برازندگی مدل و شاخص آماری آن کار چندانی نداریم.

مراحل تحلیل مدل یابی معادلات ساختاری در زیر تشریح می شود:

- داده های پژوهش را در محیط SPSS باز کنید و سپس از سربرگ Analyze گزینه ی AMOS-16 را انتخاب کنید.

در محیط AMOS از سربرگ Diagram گزینه ی Indicator Variable Draw را انتخاب کنید تا موشواره فعال شود.

- اینک به وسیله ی موشواره که به شکل یک دایره ی سه شاخکدار در آمده است، در محیط سمت راست، وسط و سمت چپ کادر ارتباطی AMOS کلیک کنید تا سه دایره با فاصله ی معین از یکدیگر ترسیم شود.

- سپس موشواره را در وسط هر کدام از این سه دایره قرار داده و به تعداد متغیرهای مشاهده شده ی آن ها کلیک کنید.

به طور مثال، برای متغیر برون زاد (سمت چپ) پنج بار، متغیرهای میانجی و وابسته هر کدام سه بار کلیک کنید تا نشانگر متغیرهای مکنون رسم شوند.

هر متغیر مکنون دست کم باید دارای سه متغیر مشاهده شده باشد. مدل کامل و تحلیل شده مثال پژوهشی در شکل 6 نمایش داده شده است.

توصیه می شود به کمک شکل 6 و توضیحات این مثال های پژوهشی مدل ساختاری پژوهشی، خود را تنظیم کنید.

- در وسط هر کدام از سه عامل مکنون (دایره های بزرگ) راست کلیک کرده و گزینه Objest Properties را انتخاب کنید.

در این مرحله نامی برای هر عامل مکنون در قسمت Variable Name تایپ کنید و با کلیک بر X قرمز از آن خارج شوید.

- بر روی تکتک مربع های هر عامل مکنون راست کلیک کنید و همانند مرحله ی پیشین (نام گذاری متغیرهای مکنون) نامی برای متغیرهای مشاهده شده وارد کنید. نام انتخاب باید با نام که در محیط SPSS وجود دارد همانند باشد.

- همانند مرحله نام گذاری مربع ها (نشانگر)، اینک بر روی دایره های کوچک متصل به مربع ها کلیک کنید و به ترتیب نام Errl تا Err N را وارد کنید.

- موشواره را به کمک شکل سمت راست پیکان دو جهته فعال کنید و سپس بر روی متغیرهای مکنون داخل مدل (میانجی و وابسته) کلیک کنید و در نهایت خطای (Err) آن ها را نیز تعریف کنید. (به شکل 6 رجوع کنید).

- به کم پیکان یک جهته ارتباط میان متغیر مکنون شخصیتی را به متغیر مکنون عزت نفس وصل کنید و همین اتصال یک طرفه را میان عزت نفس و رانندگی مخاطره آمیز انجام دهید.

از متغیر مکنون شخصیتی یک فلش به سمت رانندگی مخاطره آمیز متصل کنید تا اثر مستقیم ویژگی های شخصیتی بر متغیر وابسته در مدل لحاظ شود.

- برای انتخاب شاخص های آماری، از سربرگ View گزینه ی Analyze Properties را انتخاب کنید و سپس گزینه ی Output کلید کنید.

به کمک شکل 2 گزینه های لازم برای تحلیل مدل ساختاری را علامت دار نمایید و از کادر ارتباطی خارج شود.

- برای انجام دادن تحلیل، از سربرگ Analyze بر روی گزینه ی Calculate Estimates کلیک کنید و برای ذخیره ی مدل ترسیم شده و نتایج پژوهش، درایو موردنظر و نام فایل را تعیین کنید تا فرمان اجرا شود.

- برای مشاهده ی نتایج از سربرگ View گزینه Text Output را انتخاب کنید و سپس از جعبه ی سمت چپ بر روی model fit کلیک کنید تا شاخص ها و آزمون های آماری برازندگی مدل نمایان شود.

همان گونه که در شکل6 ملاحظه می شود، متغیر مکنون شخصیتی 61 درصد واریانس متغیر توافق جویی (Agreeableness) را تبیین می کند.

اعداد موجود در بالای مستطیل های متصل به متغیر مکنون شخصیتی (Properties)، واریانس آن متغیرها را توسط متغیر مکنون نشان می دهد.

مهم ترین اوزان میان صفات شخصیتی مشاهده شده با متغیر مکنون شخصیتی بدین قرارند: توافق جویی با وزن 61% و وظیفه شناسی با وزن 58% دارای قابلیت های مهمی هستند.

همچنین، Test 1 عزت نفس در مقایسه با Test 2 و Test 3 مهم تر است.

به بیان دیگر، متغیر عزت نفس 76% درصد از واریانس تست 1 و 31 % از واریانس تست 2 را پیش بینی می کند.

اعداد 76% و 31% در بالای مربع های متصل به متغیر عزت نفس قرار دارند.

نشانگرهای متغیر مکنون (Dving) نشان می دهند که 22 درصد از واریانس متغیر Risk 2 و 17 درصد از واریانس متغیر Risk 1 توسط متغیر مکنون Dving تبیین می شود.

نکنه ی مهم:

مقادیر R^2 که در بالای مستطیل ها یا مربع های متصل به متغیرهای مکنون هستند، در واقع اعتبار هر کدام از این آزمون ها را برای سنجش آن سازه نشان می دهند.

به طور مثال، اعتبار (Reliability) آزمون Risk 2 در سنجش رانندگی مخاطره آمیز برابر با 22/0 است.

همچنین، ضریب 81/0 در بالای متغیر مکنون Dving نشان می دهد که 81 درصد واریانس رانندگی مخاطره آمیز توسط ویژگی های شخصیتی و عزت نفس تبیین می شود.

نکته ی مهم:

توجه داشته باشید که مقدار واریانس تبیین شده ی رانندگی مخاطره آمیز از روی ویژگی های شخصیتی و عزت نفس در مدل تحلیل مسیر برابر با 31/0 بود، در حالی که در مدل یابی معادلات ساختاری برابر با 81/0 است.

اگر ضریب 81/0 از یک نمونه بزرگ (بیش از 300 نفر) حاصل شود، گام بلندی برای تبیین رفتارهای مخاطره آمیز به حساب می آید.

نمونه ی این پژوهش 148 نفر می باشد.

شاخص های برازندگی این پژوهش بدین قرارند: (011/0 = RMSEA ، 9/2 = X^2 ، 78/0 = GFI ، 78/0 = CFI ، 78/0 = IFI و 70/0 = TLI ).

پس از بحث و بررسی پیرامون نحوه ی آرایش متغیرهای شخصیتی در یک مدل میانجی گر، اینک لازم است تا دو روش متداول و نسبتاً متفاوت از کاربرد نشانگرهای متغیرهای مستقل را به دو صورت متغیرهای مکنون و متغیرهای مکنون مرتبه ی بالاتر توضیح دهیم.

در شکل 7 و 8 نحوه ی ترسیم نشانگرهای مکنون و مکنون مرتبه ی بالاتر ارائه شده است.

در شکل 7 سه متغیر مکنون شخصیتی و هر کدام با چهار نشانگر (به منظور رعایت اختصار و به دلیل حجم محدود نمونه از تمام نشانگرهای شخصیتی استفاده نشده است) ارائه شده اند.

این سه متغیر مکنون (روان نژندی، برون گرایی و توافق جویی) به متغیر مکنون عزت نفس که در این مدل به عنوان متغیر میانجی گر تلقی می شود، متصل می شوند و سپس، متغیر میانجی گر به متغیر مکنون رانندگی مخاطره آمیز متصل می شود.

ویژگی این مدل این است که می توان وزن هر کدام از متغیرهای شخصیتی را بر متغیر وابسته از طریق متغیر میانجی گر به دست آورد.

لازم به ذکر است که در مدل مذکور، امکان دست یابی به اندازه اثر کلی متغیرهای شخصیتی و یا به عبارت دیگر، وجه مشترک ویژگی های شخصیتی بر رانندگی مخاطره آمیز از طریق متغیر عزت نفس وجود ندارد.

در شکل 8 نحوه ی آرایش مدل میانجی گر با متغیرهای مکنون مرتبه ی بالاتر ارائه می شود.

همان گونه که پیش تر گفته شد، اگر تصور می شد که وجه اشتراک معقولی میان ویژگی شخصیتی وجود دارد می توان وجه اشتراک ویژگی های شخصیتی را به رانندگی مخاطره آمیز از طریق عزت نفس، بررسی کرد.

به منظور پاسخ به این پرسش که اندازه ی اثر وجه مشترک ویژگی های شخصیتی بر رانندگی مخاطره آمیز از طریق عزت نفس چقدر است، باید از متغیرهای مکنون مرتبه ی بالاتر استفاده نمود.

همان گونه که در مدل شکل 8 ملاحظه می شود، مسیرهای استاندارد روان نژندی، برون گرایی و توافق جویی با عزت نفس به ترتیب برابر با 57/0- ، 13/0- و 25/0 و مسیر عزت نفس با رانندگی مخاطره آمیز 38/0- است.

اثر مستقیم روان نژندی به رانندگی مخاطره آمیز 16/0 است.

اثرات استاندارد غیر مستقیم متغیرهای روان نژندی، برون گرایی و توافق جویی به ترتیب برابر با 247/0 ، 074/0 و 001/0 است.

از میان این اثرات غیر مستقیم تنها اثر غیر مستقیم روان نژندی از لحاظ آماری معنی دار است.

اینک باید از متغیر مکنون مرتبه ی بالاتر استفاده کرد تا بتوان به پاسخ این پرسش که اثر غیرمستقیم وجه مشترک ویژگی های شخصیتی بر رانندگی مخاطره آمیز از طریق عزت نفس چگونه است، دست یافت.

در شکل 8 مدل میانجی گر متغیر مکنون مرتبه ی بالاتر برای نشان دادن اثر وجه مشترک ویژگی های شخصیتی بر رانندگی مخاطره آمیز از طریق عزت نفس، نشان داده شده است.

همان گونه که در شکل 8 ملاحظه می شود، ضرایب استاندارد روان نژندی، برون گرایی و توافق جویی با متغیر مکنون مرتبه ی بالاتر این سه مؤلفه یعنی متغیر شخصیتی، به ترتیب برابر با 63/0 ، 43/1 و 64/0 است.

شایان ذکر است که کل اثر متغیر مکنون بالاتر، یعنی متغیر شخصیت، با رانندگی مخاطره آمیز برابر با 228/0 – است که از این میزان 218/0 – متعلق به اثر غیرمستقیم متغیر وجه مشترک شخصیتی بر رانندگی مخاطره آمیز از طریق عزت نفس است.

نتایج حاصل از تحلیل بوت استرپ نشان داد که این اثر غیرمستقیم در سطح012/0 P < از لحاظ آماری معنی دار است.

به عبارت دیگر، در ازای هر واحد تغییر در نمره ی متغیر مکنون مرتبه ی بالاتر شخصیتی، 218/0- تغییر به طور غیرمستقیم 009/0- به طور مستقیم در نمره ی رانندگی مخاطره آمیز تغییر رخ می دهد.

مجموع اثر مستقیم و غیر مستقیم، برابر با کل اثر غیراستاندارد متغیر مستقل با متغیر وابسته است.

با توجه به رابطه ی غیر معنی دار اثر مستقیم متغیر شخصیتی با رانندگی مخاطره آمیز، می توان نتیجه گرفت که تمام اثر متغیر شخصیتی بر رانندگی مخاطره آمیز از طریق عزت نفس عبور می کند.

بنابراین، هر چه نمره ی فرد در متغیر روان نژندی پایین تر و در متغیرهای برون گرایی و توافق جویی بالاتر باشد، موجب بالا رفتن عزت نفس و در نتیجه باعث کاهش رانندگی مخاطره آمیز خواهد شد.

نکته ی مهم:

چگونه می توان وزن دو متغیر مکنون مرتبط با متغیر مکنون مرتبه ی بالاتر را با یک دیگر مقایسه و تفاوت آن ها را آزمون کرد؟

به طور مثال، ممکن است پژوهشگری عقیده داشته باشد که عزت نفس یا خستگی با وجه مشترک ویژگی های شخصیتی (متغیر مرتبه ی بالاتر شخصیتی) بیش از یک از ویژگی های شخصیتی (مثلاً وظیفه شناسی) با متغیر مرتبه ی بالاتر (واریانس مشترک شخصیت) ارتباط دارد؛ به بیان دیگر، در این فرضیه، پژوهشگر نه تنها می خواهد ارتباط عزت نفس یا چیز دیگر را با متغیر شخصیتی مرتبه ی بالاتر آزمون کند، بلکه اساساً می خواهد بگوید که عزت نفس بیش از خود یکی از متغیرهای شخصیتی با واریانس مشترک شخصیت مرتبط است.

این نوع فرضیه آزمایی برای درک روابط ساختاری میان متغیرها بسیار ضروری و از جمله شیوه های روش شناختی پیشرفته است.

برای آزمودن فرض مذکور، اول باید ببینیم که جهت ارتباط عزت نفس و وظیفه شناسی با متغیر مرتبه ی بالاتر چگونه است.

اگر هر دو متغیر دارای رابطه ی مثبت یا منفی با متغیرمرتبه ی بالاتر هستند کار چندانی پیش رو نداریم.

اما، اگر رابطه ی یکی از متغیرها مثبت و دیگری منفی است، باید ماده های یکی از متغیرها را تغییر جهت بدهیم تا رابطه ی هر دو متغیر با متغیر مرتبه ی بالاتر هم جهت شوند.

برای آزمودن فرض مذکور، باید ضرایب غیراستاندارد مورد مقایسه قرار گیرند.

مراحل زیر را برای آزمودن فرض مذکور دنبال کنید.

1- ابتدا مدل مرتبه ی بالاتر را آزمون کنید و مقدار مجذور کای مدل را یادداشت نمایید.

در این مدل، لازم است ماده های متغیرهای شخصیتی و عزت نفس را به متغیرهای مکنون مرتبط با خودشان متصل کنید و سپس این متغیرهای مکنون را به متغیر مکنون مرتبه ی بالاتر متصل نمایید.

2- به طور مثال، فرض کنید ضریب غیراستاندارد عزت نفس برابر با 2/1 و ضریب وظیفه شناسی برابر با 9/0 است.

3- بر شکل زیرین سمت چپ گزینه ی Analyze کلیک کنید (به شکل 6 رجوع کنید) تا نرم افزار از حالت فعال تحلیل مدل خارج شود.

اینک می توانید با راست کلیک بر مسیر متغیر وظیفه شناسی و عزت نفس و انتخاب گزینه ی Object Properties ، بر گزینه ی Parameters نیز کلیک کنید و در جعبه ی زیرین Variance نام معینی (مثلاً Path 1 ) را برای هر دو مسیر عزت نفس و مسیر وظیفه شناسی تعیین کنید.

در واقع با مفید کردن هر دو مسیر به یک نام مشابه، فرض می شود که این دو ضریب برابر هستند.

4- اینک، دوباره مدل را تحلیل کنید و مجذور کای جدید و قبلی را با یک دیگر مقایسه کنید.

اگر ضرایب غیر استاندارد عزت نفس (2/1) و وظیفه شناسی (9/0) متفاوت باشند، تفاوت مجذور کای در دو مرحله ی تحلیل با درجه آزادی 1 معنی می شود؛ به بیان دیگر، اگر اختلاف دو مسیر معنی دار نباشد، مقدار مجذور کای در دو مرحله ی تحلیل تفاوت ناچیزی خواهد کرد.

اما، اگر تفاوت دو مسیر معنی دار باشد، برازش مدل در دومین مرحله ی تحلیل نسبت به نتایج مرحله ی اول ضعیف تر می شود.

پژوهشگر می تواند با مفید نمودن هر مسیر دلخواه با یک عدد معین، ضریب آن مسیر را با مقدار مفید شده آزمون نماید.

برای نمونه، پژوهشگر می تواند جهت آزمودت اعتبار افتراقی عامل ها در تحلیل عامل تأییدی ارتباط میان دو عامل را با عدد یک (یعنی رابطه ی کامل و عدم اعتبار افتراقی میان عامل ها ) مفید نماید و سپس دو مدل با پارامتر مقید و آزاد را مقایسه کند.

اگر مجذور کای مدل دارای پارامتر مقید با توجه به درجه آزادی یک بزرگ تر از این شاخص در مدل با پارامتر آزاد باشد، عامل ها از اعتبار افتراقی برخوردار خواهند بود.

نکته ی مهم:

در تحلیل مسیر و از نوع مدل یابی معادلات ساختاری (به کار گرفتن متغیرهای مکنون) وارد کردن تمام نشانگرهای هر متغیر مکنون در مدل، موجب افزایش قابل توجه تعداد پارامترهای مدل می شود.

با افزایش تعداد پارامترها در مدل، توان آماری جهت برآورد دقیق پارامترها کاهش می یابد.

آماردانان و متخصصین روان سنجی در حوزه ی علوم اجتماعی برای غلبه بر این مشکلات روش های خاصی را پیشنهاد می کنند که در ذیل به برخی از آن ها به اختصار اشاره می شود.