تحليل المسار هو
امتداد لنموذج الانحدار . في نموذج تحليل المسار من مصفوفة الارتباط ، تتم مقارنة نموذجين
غير رسميين أو أكثر. يتم عرض مسار النموذج بواسطة مربع وسهم ، مما يدل على السببية.
يعتمد وزن الانحدار على النموذج. ثم يتم حساب جودة إحصاء الملاءمة من أجل رؤية ملاءمة
النموذج.
المفاهيم والمصطلحات
الأساسية:
طريقة التقدير: تُستخدم
طرق المربعات الصغرى البسيطة وطرق الاحتمال القصوى للتنبؤ بالمسار.
نموذج المسار: رسم
بياني يوضح المتغيرات المستقلة والمتوسطة والتابعة. يوضح السهم أحادي الرأس سبب المتغير
المستقل والمتوسط والتابع. يُظهر السهم ذو الرأسين التباين المشترك بين المتغيرين.
المتغيرات الخارجية
والداخلية: تلك التي لا يشير إليها خطأ ما عدا مصطلح خطأ القياس. إذا كانت المتغيرات
الخارجية مرتبطة ببعضها البعض ، فسيقوم سهم مزدوج الرأس بتوصيل هذه المتغيرات. قد تحتوي
المتغيرات الداخلية على الأسهم الواردة والصادرة.
معامل المسار: معامل
انحدار معياري (بيتا) ، يوضح التأثير المباشر لمتغير مستقل على متغير تابع في نموذج
المسار.
شروط الاضطراب: تسمى
مصطلحات الخطأ المتبقية أيضًا مصطلحات الاضطراب. تعكس مصطلحات الاضطراب التباين غير
المبرر وخطأ القياس.
التأثير المباشر
وغير المباشر: نموذج المسار له نوعان من التأثيرات. الأول هو التأثير المباشر ، والثاني
هو التأثير غير المباشر. عندما يكون للمتغير الخارجي سهم موجه نحو المتغير التابع ،
يقال إنه التأثير المباشر. عندما يكون للمتغير الخارجي تأثير على المتغير التابع ،
من خلال المتغير الخارجي الآخر ، فإنه يقال إنه تأثير غير مباشر. لمعرفة التأثير الكلي
للمتغير الخارجي ، علينا إضافة التأثير المباشر وغير المباشر. قد لا يكون لمتغير واحد
تأثير مباشر ، ولكن قد يكون له تأثير غير مباشر أيضًا.
أهمية وجودة الملاءمة
: تُستخدم طرق المربعات الصغرى وطرق الاحتمال القصوى للتنبؤ بمعامل المسار. البرامج
الإحصائية مثل AMOS و M-Plus و SAS و LISREL وما إلى ذلك هي برامج تحسب معامل المسار
وجودة إحصائيات الملاءمة تلقائيًا.
تُستخدم الإحصائيات
التالية لاختبار أهمية وجودة الملاءمة:
إحصائيات مربع كاي:
تُظهر قيمة مربع كاي غير الهامة في تحليل المسار جودة نموذج الملاءمة. في بعض الأحيان
، تكون إحصائيات مربع كاي مهمة. ومع ذلك ، لا يزال يتعين علينا اختبار مؤشر ملاءمة
مطلقة ومؤشر ملاءمة إضافي واحد.
مؤشر الملاءمة المطلقة: RMSEA: يجب أن يكون مؤشر المطلق المطلق الذي يستخدم فاصل ثقة 90٪ لـ RMSEA أقل من 0.08 للحصول على نموذج ملائم.
مؤشر ملاءمة الزيادة: CFI و GFI و NNFI و TLI و RFI و AGFI هي بعض مؤشرات الملائمة الإضافية ، والتي
يجب أن تكون أكبر من 0.90 للحصول على نموذج ملائم.
فهارس التعديل: يمكن
استخدام فهارس التعديل (MI) لإضافة أسهم إلى النموذج. كلما زاد حجم MI ،
ستتم إضافة المزيد من الأسهم إلى النموذج ، مما سيؤدي إلى تحسين ملاءمة النموذج.
الافتراضات:
الخطية: يجب أن تكون
العلاقات خطية.
بيانات مستوى الفاصل
الزمني: يجب أن تكون البيانات اسمية ثنائية التفرع ، أو مستوى فاصل أو نسبة القياس.
مصطلح متبقي غير
مرتبط: يجب عدم ربط مصطلحات الخطأ بأي متغير.
مصطلحات الإزعاج:
يجب عدم ربط مصطلحات الاضطراب بالمتغيرات الداخلية.
علاقة خطية متعددة:
يُفترض وجود علاقة خطية متعددة منخفضة. قد تتسبب العلاقات الخطية المتعددة المثالية
في حدوث مشكلات في تحليل المسار.
تحديد الهوية: لا
ينبغي تحديد نموذج المسار ، أو تحديده بدقة أو أن النماذج المحددة جيدة.
حجم العينة المناسب:
يوصي كلاين (1998) بأن يكون حجم العينة 10 أضعاف (أو 20 مرة بشكل مثالي) عدد الحالات
مثل المعلمات ، و 200 على الأقل.
لطلب تحليل
احصائي التواصل عبر الواتسب اضغط
هنا
ليست هناك تعليقات:
إرسال تعليق