نتیجه‌گیری و مقایسه سه نرم‌افزار تحلیل آماری

نتیجه‌گیری و مقایسه سه نرم‌افزار تحلیل آماری

مقایسه نرم افزارهای آماری آم

مدل «شادمانی اجتماعی» برای دو نرم‌افزار AMOS و Smart PLS، دارای یک متغیر مستقل بیرونی و سه متغیر وابسته میانی و یک متغیر وابسته اصلی است. این مدل در نرم‌افزار لیزرل (Lisrel) ن دارای یک متغیر مستقل بیرونی و دو متغیر وابسته میانی و یک متغیر وابسته اصلی است. مقایسه خروجی‌ها و نتیجه‌گیری و مقایسه سه نرم‌افزار تحلیل آماری  َAMOS، Smart PLS, LISREL  نشان می‌دهد که:

  1. در مدل اسمارت متغیری که بیشترین تأثیر را بر متغیر شادمانی اجتماعی دارد متغیر «مشارکت» با تأثیر مستقیم و ضریب بتای ۰٫۴۸۷ است. در مدل لیزرل متغیر «مشارکت» با ضریب بتای (۰٫۵۴) بیشترین تأثیر را بر روی متغیر شادمانی دارد. در مدل اموس نیز متغیر «مشارکت» با ضریب تأثیر (۰٫۴۵) بیشترین تأثیر را بر متغیر شادمانی داشته است.
  2. در هر سه نرم‌افزار متغیرهای «اعتماد» و «انسجام» تأثیر مستقیم بر متغیر «شادمانی» ندارند بلکه دارای تأثیر غیرمستقیم هستند.
  3. در مدل اسمارت متغیرهای تحقیق درمجموع ۶۲ درصد از متغیر شادمانی را تبیین کرده‌اند در مدل لیزرل میزان تبیین متغیر شادمانی توسط متغیرهای مدل ۸۱ درصد است؛ و مقدار تبیین در نرم‌افزار اموس ۷۹ درصد است.

تحلیل آماری 1 موسسه آمارگیر ها

-در مدل اسمارت متغیر «احساس امنیت» تأثیر مستقیم، متغیرهای «اعتماد» و «انسجام» تأثیر غیرمستقیم و متغیر «مشارکت» هم تأثیر مستقیم و هم تأثیر غیرمستقیم بر متغیر شادمانی اجتماعی دارند. در مدل نرم‌افزارAMOS نیز عیناً مانند مدل اسمارت متغیر «احساس امنیت» تأثیر مستقیم، متغیرهای «اعتماد» و «انسجام» تأثیر غیرمستقیم و متغیر مشارکت هم تأثیر مستقیم و هم تأثیر غیرمستقیم بر متغیر شادمانی اجتماعی دارند؛ اما در مدل نرم‌افزار لیزرل متغیر «احساس امنیت» تأثیر مستقیم، متغیر «اعتماد» تأثیر غیرمستقیم و متغیر «مشارکت» هم دارای تأثیر مستقیم و هم غیرمستقیم است و متغیر «انسجام» نیز در مدل لیزرل کلاً حذف شده‌است.

۵-مقایسه میزان بارهای عاملی هر سازه در هر سه نرم‌افزار

(جدول شماره ۸: مقایسه میزان بارهای عاملی هر سازه در سه نرم‌‌افزارAMOS، Smart PLS وLISREL)

تحلیل آماری موسسه آمارگیر ها

تحلیل آماری موسسه آمارگیر ها

-مقایسه میزان تبیین هر یک از سازه‌ها در سه نرم‌افزار

(جدول شماره ۹: مقایسه میزان تبیین هر یک از سازه‌ها توسط متغیرهای مستقل)

تحلیل آماری موسسه آمارگیر ها

همانگونه که جدول بالا نشان می‌دهد نرم‌افزار اموس و لیزرل در تبیین متغیر وابسته اصلی (شادمانی اجتماعی) از قدرت تبیین‌کنندگی بیشتری برخوردار بوده و توانسته‌اند که ۰٫۷۹ الی ۰٫۸۱ (۷۹ الی ۸۱ درصد) از این سازه را تبیین کنند. میزان تبیین این سازه در نرم‌افزار Smart نیز ۰٫۶۲ (۶۲ درصد) است.

۷-مقایسه میزان برازش مدل توسط سه نرم‌‌افزارAMOS، Smart PLS وLISREL

 در نرم‌افزار اموس بررسی برازش و نکویی مدل با استفاده از دو آماره P و RMSEA صورت می‌گیرد. بهترین برازش مربوط به مدلی است که میزان P (کا-اسکوئر) آن بیش از ۰۵/۰ و میزان آماره RMSEA آن زیر ۰۸/۰ (قابل قبول و یا زیر ۰۵/۰ ایده آل) باشد.

در مدل نرم‌افزار اموس با روش محاسبه ضرایب «حداقل مربعات تعمیم‌یافته» میزان P (کا-اسکوئر) برابر با ۱۷۳/۰ و میزان RMSEA نیز برابر با ۰۳۵/۰ است. ازاین‌رو می‌توان گفت که میزان برازش و نکویی مدل بر اساس هر دو آماره در حد قابل قبولی است.

برای بررسی برازش مدل در نرم‌افزار اسمارت ابتدا در قسمت Calculate، گزینه Blindfolding را فعالمی‌کنیم.

در بخش فهرست بر روی لینکConstruct Cross Validated Communality  کلیک می‌کنیم .نتایج آزمون، بررسی برازش مدل را ممکن می‌سازد. SSO مجموع مجذورات مشاهدات برای هر بلوک متغیر پنهان را ،SSE مجموع مجذورات خطاهای پیش‌بینی برای هر بلوک متغیر پنهان را و (SSE/SSO) – 1 و نیز شاخص اعتبار اشتراک CV-COM را نشان می‌دهد. عدد مقابل CV-Red شاخص بررسی اعتبار حشو یا افزونگی (CV- Redundancy) است که کیفیت مدل ساختاری را نشان می‌دهد و اعدادی که در مقابل-CV COM نوشته‌شده‌اند، شاخص بررسی اعتبار اشتراک یا روایی متقاطع (CV-Communality) را نشان می‌دهند.

اعداد مثبت نشانگر کیفیت مناسب مدل هستند.

(جدول شماره ۱۰: شاخص اعتبار اشتراک یا CV-COM

تحلیل آماری موسسه آمارگیر ها

همانگونه که جدول فوق نشان می‌دهد، مقدار اعتبار همه سازه‌ها مثبت بوده و درنتیجه می‌توان گفت که این مدل در نرم‌افزار Smart PLS دارای برازش مناسبی است.

همانگونه که می‌دانید ارزیابی نکویی و برازش در نرم‌افزار لیزرل نیز توسط دو آماره RMSEA و P (کا-اسکوئر)انجام می‌گیرد. میزان آماره RMSEA بایستی زیر ۰٫۰۸ (قابل قبول و یا زیر ۰٫۰۵ ایده آل)باشد و میزان آماره P بایستی بیش از ۰٫۰۵ باشد تا مدل از برازش مناسبی برخوردار باشد.

با توجه به میزان آماره‌های فوق می‌توان چنین گفت که مدل ساخته شده با روش پیش‌فرض «حداکثر درست نمایی» بر اساس میزان آماره RMSEA از برازش مناسبی برخوردار است (چون مقدار آن ۰٫۰۶۳ است) ولی بر اساس میزان آماره P (کا-اسکوئر) از برازش مناسبی برخوردار نیست .

همانطور که قبلاً گفتیم مرسوم است که اگر این دو آماره باهم تفاوت داشتند مبنا بر آماره RMSEA خواهد بود چون این آماره ثبات بیشتری دارد و کمتر تحت تأثیر عواملی چون تعداد پاسخگویان و همچنین تعداد متغیرها قرار می‌گیرد؛

بنابراین مدل حاصل شده از نرم‌افزار لیزرل را هم به همین شکل نهایی می‌توان پذیرفت.

۸-مقایسه شکل نهایی مدل مفهومی در سه نرم‌‌افزارAMOS، Smart PLS وLISREL

(شکل شماره ۲۰: مدل نهایی AMOS )

تحلیل آماری موسسه آمارگیر ها

(شکل شماره ۲۱: مدل نهایی Smart PLS)

تحلیل آماری موسسه آمارگیر ها

(شکل شماره ۲۲: مدل نهایی lisrel)

تحلیل آماری موسسه آمارگیر ها

 

 

 

 

پست های مرتبط

افزودن یک دیدگاه