آزمون برازش ( ارزیابی ) مدل ساختاری

در این بخش  ضرایب معناداری z، ضریب تعیین (R2 ) و معیار Q2  مورد ارزیابی قرار می گیرد.

 ضرایب معناداری

بررسی مدل ساختاری با استفاده از ضرایب t به این صورت است که  این  ضرایب باید از بازه  -1.96 - +1.96 بیشتر باشند چرا که در صورتی که در این بازه قرار گیرند  نمی توان در سطح اطمینان 95% صحت رابطه بین سازه ها و فرضیه های تحقیق را تایید نمود. و اعداد t فقط صحت را نشان می دهد بدون آنکه به  شدت آن اشاره کند(اسفیدانی،محسنین،1393). برای این منظور، معنا‌داری ضرایب مسیر مدل تحقیق با 5000 نمونه ­گیری متوالی با حجم نمونه تحقیق ، مطابق نظر هایر، رینگل و سارست (2011)،  ارزیابی  می گردد.

 ضریب تعیین

اصلی­ترین معیار در ارزیابی مدل ساختاری، ضریب تعیین می­باشد که به مقدار واریانس تبیین شده توسط سازه­های برون­زا اشاره دارد (هایر، سارست، رینگل و منا، 2012). این معیار نشان می دهد که ٌچند درصد از تغییرات متغییر درون زا توسط متغییر برون زا (مستقل) صورت می گیرد. بیشتر تمرکز در این رابطه برای متغیر وابسته نهایی شما است که چه میزان باشد، در صورتی که بالاتر 0.2 باشد میتوانید با خیالت راحت به تایید بپردازید. اگر بالای 0.33 باشد در حد بسیار مطلوب گزارش میشود. کمتر 0.16 نیز به معنای ضعیف است. 

 معیارQ2

در نهایت قابلیت پیش­بینی مدل نیز با استفاده از آزمون ناپارامتری استون گیسر مورد ارزیابی قرار گرفت. در آزمون استون گیسر دو مقدار (مقادیر Q2 ) ارایه می­شود : افزونگی با روایی متقاطع [2] و  اشتراک با روایی متقاطع[3]. مقدار افزونگی با روایی متقاطع به ارزیابی مدل ساختاری و مقدار اشتراک با روایی متقاطع به ارزیابی مدل سنجش (همان میانگین واریانس استخراج شده می باشد) می­پردازد (تننهاوس، 2005)  که پیش­بینی به وسیله­ی افزونگی با روایی متقاطع کاملا متناسب با رویکرد حداقل مربعات جزیی در مدل معادلات ساختاری است (هایر و همکاران، 2014). Q2  مثبت و بزرگ، نشان از قابلیت بالای پیش­بینی مدل دارد و مقادیر Q2  منفی نشان دهنده­ی تخمین بسیار ضعیف متغیر پنهان است (وونگ، 2013).

 

---

[1]   به دلیل استفاده از روش بوت استرپ، امکان دارد بین مقادیر تی، تفاوت بسیار ناچیز وجود داشته باشد.

[2] Cross-Validated Redundancy (CV.Red)

[3] Cross-Validated Communality (Cv.Com)

آزمون روایی مدل اندازه گیری

روایی مدل اندازه­گیری با روایی همگرا[1] و روایی افتراقی[2] سنجیده شده است. جدول­های شماره­ی 4-6 نتایج ارزیابی مدل­های اندازه­گیری  سازه­های تحقیق را نشان می­دهد.

روایی همگرا

برمبنای نظر چین (1998) اگر  میانگین واریانس استخراج شده (AVE) بزرگتر از 0.5 باشند، روایی همگرا تایید می­شود.  

روایی واگرا 

در کنار ارزیابی روایی همگرا و پایایی، برای ارزیابی کامل ابزار اندازه­گیری به بررسی روایی واگرا نیز نیاز دارد (گاتز، لیهر-گابر و کرافت، 2010 : 696). معیار فرنل و لارکر (1982) برای ارزیابی روایی واگرای سازه­های به کار رفته است به این معنی که ریشه دوم میانگین واریانس استخراج شده یک سازه خاص می بایست از همبستگی آن سازه با سایر سازه بزرگتر باشد (ریگدان، رینگل، سارست و گودرگان، 2011، هنسلر، رینگل و سینکوییچ، 2009)، به این ترتیب که هر سازه (متغیر مکنون) (نسبت به سایر سازه­ها با مجموعه­ی شاخص خودشان)، بیشترین واریانس را با مجموعه­­ی شاخص­های مخصوص به خود به اشتراک می­گذارد (هنسلر و همکاران، 2009).

 

---

[1] Convergent Validity

[2] Discriminant Validity

آزمون روایی مدل اندازه گیری

روایی مدل اندازه­گیری با روایی همگرا[1] و روایی افتراقی[2] سنجیده شده است. جدول­های شماره­ی 4-6 نتایج ارزیابی مدل­های اندازه­گیری  سازه­های تحقیق را نشان می­دهد.

روایی همگرا

برمبنای نظر چین (1998) اگر  میانگین واریانس استخراج شده (AVE) بزرگتر از 0.5 باشند، روایی همگرا تایید می­شود.  

روایی واگرا 

در کنار ارزیابی روایی همگرا و پایایی، برای ارزیابی کامل ابزار اندازه­گیری به بررسی روایی واگرا نیز نیاز دارد (گاتز، لیهر-گابر و کرافت، 2010 : 696). معیار فرنل و لارکر (1982) برای ارزیابی روایی واگرای سازه­های به کار رفته است به این معنی که ریشه دوم میانگین واریانس استخراج شده یک سازه خاص می بایست از همبستگی آن سازه با سایر سازه بزرگتر باشد (ریگدان، رینگل، سارست و گودرگان، 2011، هنسلر، رینگل و سینکوییچ، 2009)، به این ترتیب که هر سازه (متغیر مکنون) (نسبت به سایر سازه­ها با مجموعه­ی شاخص خودشان)، بیشترین واریانس را با مجموعه­­ی شاخص­های مخصوص به خود به اشتراک می­گذارد (هنسلر و همکاران، 2009).

 

---

[1] Convergent Validity

[2] Discriminant Validity

آزمون پایایی مدل اندازه گیری

این آزمون شامل پایایی مشاهده پذیر یا بار عالی و پایایی آلفای کرونباخ و پایایی مرکب می باشد.

پایایی مشاهده پذیر(بارعاملی)

بارهای خارجی پایایی متغیر های مشاهده پذیر را می سنجد و در صورتیکه بالای 0,4 باشد مناسب می باشد و اگر کمتر از 0,4 باشد آن شاخص را از مدل حذف می کنیم. 

پایایی مرکب و آلفای کرونباخ

پایایی ترکیبی و آلفای کرونباخ فقط برای متغییرهای پنهان مدل انعکاسی اندازه گیری می شود. اگر مقادیر پایایی ترکیبی و آلفای کرونباخ بالاتر از 0.7 باشد پایایی مورد تایید می باشد. این مهم با استفاده از نرم افزار smart pls انجام بشود بهتر از نرم افزارهای دیگر است. 

PLS و شناخت آن

تحلیل داده­ها در بسیاری از کارهای تحقیقات امروزه با استفاده SMART PLS  V2.0 M3 انجام میشود. نرم افزار مذکور یک بسته نرم افزاری مدل معادلات ساختاری برای ارزیابی مدل اندازه­گیری و مدل ساختاری بر مبنای روش حداقل مربعات جزیی است (تینینهاوس و همکاران[1]، 2005). حداقل مربعات جزیی یک رویکرد پیش­­بینی محور و مبتنی بر واریانس به مدل معادلات ساختاری است که محدودیت­های معادله ساختاری مبنی بر کوواریانس از جمله توزیع نرمال چند متغیره و حداقل حجم نمونه را ندارد(هایر و همکاران[2]، 2013) به عبارت دیگر این رویکرد هیچ پیش فرضی درباره کیفیت توزیع متغیرها نداشته و با نمونه­های کوچک نیز قابل اجراست. همچنین در این مطالعه رویکرد دو مرحله­ای به کار رفته است(اندرسون و گیربینگ[3]، 1988) در مرحله اول، کیفیت (روایی و پایایی) مدل­های اندازه­گیری و در مرحله دوم قدرت توضیحی[4] مدل ساختاری ارزیابی می­شود(اندرسون و گیربینگ، 1988: مهمت اغلو[5]، 2012). با این رویکرد می­توان قبل از نتیجه ­گیری  درباره قدرت پیش­بینی (و توضیحی) مدل ساختاری، از روایی و پایایی مدل­های اندازه­گیری (سازه­ها) اطمینان حاصل کرد (رولدان و سانچز فرانسیسکو[6]، 2012).

 

---

[1] Tenenhaus

[2] Hair et al

[3] Anderson & Gerbing

[4] Explanatory  Power

[5] Mehmetoglu

[6]  Roldán & Sánchez-Franco