عوامل مؤثر بر شادمانی اجتماعی توسط نرم‌افزار AMOS

Amos

در قسمت قبلی در مورد شادی و عوامل موثر بر شادمانی اجتماعی در یک جامعه مطالبی ارائه شد و داده و متغیرهایی را نیز جمع آوری کردیم،حال در این قسمت میخواهیم تا عوامل مؤثر بر شادمانی اجتماعی را توسط یکی از نرم افزارهای تحلیل آماری بنام AMOS بررسی نماییم.

قیل از هر چیز بهتر است یک معرفی کلی در مورد نرم‌افزار AMOS ارائه دهیم.

amos

معرفی نرم‌افزار آموس (AMOS):

آموس مخفف عبارت Analysis of moment structures است. این نرم‌افزار را می‌توان یکی از موفق‌ترین نرم‌افزارهای کامپیوتری دانست که به طور خاص برای مدلسازی معادله ساختاری طراحی شده است. هرچند هدف اصلی از طراحی اموس مدلسازی است اما قابلیت اجرای مجموعه‌ای از تحلیل‌های کمی و آماری نیز به‌وسیله این نرم‌افزار وجود دارد. با استفاده از نرم‌افزار AMOS شما می‌توانید مدل‌های خود را در یک محیط داخلی تعیین ، ارزیابی و ارائه کنید و به این ترتیب فرضیات روابط بین متغیرها را نشان دهید.

این نرم‌افزار همچنین دارای یک محیط کاربری غیر گرافیکی برای تعیین مدلها است. ویژگی‌های این نرمافزار عبارت‌ا‌ند از:

  • توانایی وارسی نرمال بودن تک متغیره و چند متغیره؛
  • مدیریت مؤثر و مناسب داده‌های پرت؛
  • امکان برآورد پارامترهای روش‌های مختلف از جمله «حداکثر درست نمایی»، «حداقل مربعات» و غیره؛
  • ارائه برون دادی بسیار زیبا و قابل‌ فهم؛

(شکل شماره ۱: مدل اولیه پژوهش پیش از آزمون)

آزمون مدل با استفاده از نرم‌افزار اموس:

(شکل شماره‌۲ :مدل پژوهش پس از آزمون)

شکل 2 amos amargirha

همان‌گونه که نتایج آزمون مدل فوق نشان می‌دهد که اگرچه میزان RMSEA (ریشه میانگین مربعات خطای برآورد) برابر با ۰/۰۶۷ و در حد قابل قبولی است؛ اما میزان P از آماره کای اسکوئر قابل قبول نیست زیرا برابر با ۰/۰۰۱ است. بدین منظور به پیرایش و آرایش موارد پیشنهادی نرم‌افزار می‌پردازیم. در ضمن در مدل بالا ضریب تأثیر هر متغیر و میزان تبیین نشان داده شده است.

در این مرحله درصدد این هستیم تا برنامه اموس پیشنهادهای خود را برای پیرایش یا حذف یکسری روابط ارائه دهد.

جدول زیر در چندین ستون ترسیم شده است. در ستون اول جهت فلش روابط بین متغیرها را نشان می‌دهد و همچنین سؤالاتی که بار هر متغیر شده‌اند را نمایش می‌دهد. ستون دوم یا Estimate میزان برآوردهای تخمینی را نشان می‌دهد. ستون سوم (S.E) مربوط به انحراف معیار متغیرها و سؤالات تشکیل دهنده متغیر است. ستون چهارم(C.R) که همان مقدار بحرانی است و معادل مقدار T.value در نرم‌افزار لیزرل است. اگر در بازده ۱/۹۶ ± نباشد رابطه بین متغیرها معنادار است که طبق جدول زیر این مقدار خارج از بازده مذکور است و نشان از رابطه معنادار بین متغیرها دارد؛ اما ستون P مهمترین بخش روابط پیرایشی است. بر‌اساس منطق این نرم‌افزار چنانچه رابطه بین دو متغیر بیش از ۰/۰۵ باشد باید آن رابطه را حذف کرد. ازاین‌رو بر اساس خروجی جدول زیر باید رابطه بین متغیرهای اعتماد و امنیت،‌ اعتماد، اعتماد و شادمانی، انسجام و شادمانی را حذف کرده و سپس مدل را اجرا نمود تا نتیجه اصلاحات و تغییرات ایجادشده را بررسی کنیم.

(جدول شماره ۲: اصلاحات پیرایشی پیشنهادی:Estimate)

 

amargirha.com

(شکل شماره ۳: مدل پژوهش پس از اعمال اصلاحات پیرایشی)شکل 3amos amargirha.com

مدل فوق پس از اعمال اصلاحات پیرایشی به دست آمده است. چنانچه مشاهده میکنید تغییری در میزانP ایجاد نشده است اما میزان آماره RMSEA به میزان یکصدم کاهش یافته است که البته تغییر محسوسی محسوب نمی‌‎شود. در ادامه به اعمال اصلاحات آرایشی پیشنهادی می‌پردازیم.

اصلاحات آرایشی:

(جدول شماره ۳: اصلاحات آرایشی پیشنهادی)

جدول تحلیل اماری 3

همانگونه که جدول نشان می‌دهد هیچکدام از روابط پیشنهادی فوق منطقی به نظر نمی‌رسد. دلیل این امر آن است که روابط پیشنهادی تنها در صورتی منطقی و قابل اجرا است که نرم‌افزار اتصال دو ضریب خطای یک متغیر پنهان (سازه) را پیشنهاد دهد.لذا ارتباط و اتصال دو ضریب خطای مربوط به دو متغیر پنهان (سازه) مجاز نیست، از این‌رو از اعمال آنها خودداری می‌کنیم و مدل فوق به عنوان مدل نهایی پذیرفته می‌شود.

گام سوم در جهت اصلاح مدل:

روش محاسبه پیش‌فرض برای محاسبه ضرایب مدل روش «حداکثر درست‌نمایی» (Maximum Likelihood) نام دارد.

آزمون مدل بالا با این روش نشان از مناسب بودن تقریبی برازش مدل دارد. چون یکی از آماره‌ها(RMSEA) مدل را تأیید و آماره دیگر(P مربوط‌به کا-اسکوئر) آن را تأیید نمی‌کند. هرچند که در این‌گونه مواقع اولویت را به نتایج آماره RMSEA داده و بر اساس نتیجه آن مدل را می‌پذیریم اما برای بهبود آماره‌ها یک گام سومی هم می‌توان برداشت و آن تغییر روش محاسبه ضرایب و انتخاب روش محاسبه «حداقل مربعات تعمیم‌یافته» (Generalized Least Squares) است. علت انتخاب این روش مناسب بودن آن با داده‌های رتبه‌ای است که همه داده‌های ما نیز در این تحقیق رتبه‌ای هستند.

(شکل شماره ۴: آزمون مدل تحلیلی تحقیق با روش حداقل مربعات تعمیم یافته)

(شکل شماره 4: آزمون مدل تحلیلی تحقیق با روش حداقل مربعات تعمیم یافته)

شکل فوق آزمون مدل مفهومی تحقیق با روش حداقل مربعات (Generalized Least Squares) است. همانگونه که مشاهده می‌کنید در مدل فوق تغییری در آماره‌های برازش نسبت به مشابه آن در مدل اولیه (حداکثر درست نمایی) به وجود آمده است. میزان P-VALUE بسیار فراتر از میزان قابل قبول ۰۵/۰ است. میزان RMSEA نیز ۰/۰۳۵ و پایین‌تر از ۰/۰۵ و هردو در حد ایده‌آل قرار دارند. نتایج نشان می‌دهد که برازش مدل در نرم‌افزار اموس با روش «حداقل مربعات تعمیم‌یافته» بر اساس هردو آماره قابل قبول است.

افزودن یک دیدگاه