شناسایی و رتبه بندی پیش آیندهای مؤثر بر ساخت و سازهای غیر مجاز یزد- قسمت ۱۳

۳-۹-۳- آزمون مقایسه میانگین دو جامعه مستقل
در مواردی که نیاز به مقایسه دو گروه از هم مستقل از نظر یک متغیر پیوسته باشد، از این آزمون استفاده میشود. در این آزمون دو گروه با توجه به متغیر مورد نظر مقایسه شده و میزان تفاوت گروه ها نمایان میشود. در صورتیکه مقدار معناداری آزمون کمتر از سطح معناداری آزمون شود، وجود تفاوت تایید میشود.
۳-۹-۴- مدل‌یابی معادله ساختاری
یکی از عمده‌ترین مشکلات، توجیه باورها و نظرهایی است که درباره‌ی روابط فرضی بین متغیرها با استفاده از داده‌های غیرآزمایشی ارائه می‌دهند. مدل‌یابی معادلات ساختاری^[۳] از جمله مدل‌های آماری برای بررسی روابط خطی بین متغیرهای مکنون (مشاهده نشده) و متغیرهای آشکار (مشاهده شده) است. متغیرهای آشکار یا مشاهده شده به شکل مستقیم به وسیله تحقیقگر اندازه‌گیری می‌شود در حالی که متغیرهای مکنون یا مشاهده نشده به شکل مستقیم اندازه‌گیری نمی‌شوند بلکه بر اساس روابط یا همبستگی‌های بین متغیرهای اندازه‌گیری شده استنباط می‌شوند‌. مدل معادلات ساختاری دو مؤلفه دارد: مدل اندازه‌گیری که در آن متغیرهای مکنون پیشنهاد و از طریق تحلیل عاملی تأییدی^[۴] آزمون می‌شود. مدل ساختاری که در آن متغیرهای مکنون و نیز متغیرهای مشاهده نشده‌ای که نشانگر متغیرهای مکنون است از یک راه منطقی با هم مرتبط می‌شود (هومن، ۱۳۸۴).
نرم‌افزار آموس^[۵] برای برآورد آزمون مدل‌های معادلات ساختاری طراحی شده‌اند. این نرم‌افزار با استفاده از همبستگی و کوواریانس بین متغیرهای اندازه‌گیری شده، می‌توانند مقادیر بارهای عاملی، واریانس‌ها و خطاهای متغیرهای مکنون را برآورد و یا استنباط کنند و از آن‌ها می‌توان برای اجرای تحلیل عاملی اکتشافی، تحلیل عاملی تأییدی و نیز تحلیل مسیر استفاده کرد.
مدل‌ یابی معادله ساختاری یک تکنیک تحلیل چند متغیری بسیار کلی و نیرومند از خانواده رگرسیون چند‌ متغیری است که به تحقیقگر امکان می‌دهد مجموعه‌ای از معادلات رگرسیون را به‌گونه همزمان مورد آزمون قرار دهد (هومن، ۱۳۸۴). مدل سازی معادله ساختاری به عنوان یکی از پیشرفت‌های روش‌شناختی نوید بخش در علوم اجتماعی و رفتاری می‌تواند مدل‌های سنتی را مورد آزمون قرار دهد و در عین حال امکان بررسی روابط و مدل‌های پیچیده‌تری مانند تحلیل عاملی (تاییدی) را فراهم آورد (بنتلر^[۶]، ۱۹۸۰).
۳-۹-۴-۱- تحلیل مسیر^[۷] برقراری روابط علّی در مدل
در این مرحله، هدف، به دست‌آوردن برآوردهای کمّی از روابط علّی بین متغیرهای تحقیق می‌باشد. بدین منظور لازم است تا در ابتدا نمودارهای درونداد مسیر^[۸] که معرف روابط علّی پیش‌بینی شده و برمبنای فرضیات تحقیق است، ترسیم کرد. در ترسیم نمودارهای مسیر، نوع ارتباطات علّی بین متغیرها اعم از اثر مستقیم، غیر مستقیم، کاذب^[۹] و تحلیل نشده تعیین می‌شود. نمودارهای مسیر نقش اساسی در مدل‌یابی ساختاری دارند. معادلات ساختاری با یک نمودار مسیر که روابط نظری مورد آزمون را به نمایش می‌گذارد، شکل می‌گیرد. از معادلات ساختاری تعریف شده بر مبنای نمودار مسیر، برای محاسبه چندین شاخص برازندگی بهره گرفته می‌شود. بررسی پارامترهای برآورد شده و شاخص‌های گوناگون برازندگی نشان می‌دهد که در مدل مورد مطالعه باید چه تغییراتی انجام و در چه مواردی اصلاحات صورت گیرد؟ اصلاحات مدل باید با احتیاط صورت گرفته و از لحاظ نظری با معنا باشد.
۳-۹-۴-۲- برازندگی مدل
داده‌های خام قبل از آن‌که به عنوان درونداد برنامه رایانه‌ای به کار رود، معمولاً ابتدا به یک ماتریس کوواریانس یا همبستگی از روابط بین متغیرهای مشاهده‌شده تبدیل می‌شود. اندازه‌های برازندگی برای یک مدل از طریق مقایسه ماتریس کوواریانس یا همبستگی از روابط بین متغیرهای مشاهده شده تبدیل می‌شود. اندازه‌های برازندگی از طریق مقایسه ماتریس کوواریانس برآورد‌شده برای جامعه با ماتریس کوواریانس نمونه که از روی داده‌ها محاسبه شده است به دست می‌آید. البته برازش مدل‌ها با داده‌ها لزوماً دلالت بر این ندارد که آن مدل درست است. چرا که هنوز ممکن است مدل دیگری وجود داشته باشد که با داده‌ها به همان اندازه و به همان خوبی برازش داشته باشد (کنی^[۱۰]، ۲۰۰۱).
وقتی یک مدل دقیقاً مشخص شود و دارای ویژگی همانندی باشد و برآورد و آزمون آن امکان پذیر شود، در این صورت برای ارزشیابی برازندگی آن راه‌های زیادی وجود دارد. اهم شاخص ها در ادامه آمده است:
-شاخص RMSEA: این شاخص، ریشه‌ی میانگین مجذورات تقریب است. شاخص RNSEA هرچقدر به صفر نزدیکتر باشد بهتر است (هومن، ۱۳۸۴).
مجذور کای (χ۲) : آزمون مجذور کای (خی‌دو) این فرضیه را که مدل موردنظر هماهنگ با الگوی هم‌پراشی بین متغیرهای مشاهده شده است را می‌آزماید، کمیت خی‌دو بسیار به حجم نمونه وابسته است و نمونه بزرگ کمیت خی‌دو را بیش ازآنچه بتوان آن را به غلط بودن مدل نسبت داد، افزایش می‌دهد (هومن، ۱۳۸۴).
شاخص NFI و CFI: شاخص NFI که شاخص بنتلر- بونتهم نامیده می‌شود، برای مقادیر بالای ۹/۰ قابل‌قبول و نشانه برازندگی مدل است. شاخص CFI بزرگتر از ۹/۰ قابل‌قبول و نشانه برازندگی مدل است. این شاخص از طریق مقایسه یک مدل به اصطلاح مستقل که در آن بین متغیرها هیچ رابطه‌ای نیست با مدل پیشنهادی مورد نظر مقدار بهبود را نیز می‌آزماید. شاخص CFI از لحاظ معنا مانند
NFI است با این تفاوت که برای حجم گروه نمونه جریمه می‌دهد (هومن، ۱۳۸۴).
شاخص IFI و RFI: شاخص IFI که شاخص برازش افزایشی و شاخص RFI که شاخص برازش نسبی نامیده میشود برای مقادیر بزرگتر از ۹/۰ قابل‌قبول و نشانه برازندگی مدل است.
در تحلیل تاییدی با استفاده از نرم‌افزار آموس یک سری شاخص‌های قراردادی وجود دارندکه درصورتی‌که مقدار آن‌ها در حد قابل‌قبولی باشد، اجرای مدل را معنی‌دار و مسیر پیشنهادی را مناسب می‌سازد. تحلیل عاملی تأییدی به‌منظور بررسی روایی مقیاس مورد استفاده قرار می‌گیرد. چنانچه اشاره شد، ابتدا بایستی میزان انطباق‌پذیری مدل ارزیابی، مورد آزمون قرارگیرد. ادبیات موجود پیشنهاد می‌کند که برای برازندگی و تناسب یک مدل خوب باید:
درجه کای‌دو تقسیم بر درجه آزادی کمتر از ۵ باشد.
شاخص (NFI) و شاخص (CFI) باید بزرگتر از ۹/۰ باشد.
شاخص RMSEA باید کمتر از ۰۸/۰ باشد.
جدول ۳-۲: معیارهای برازش و سطح قابل قبول مدل تحقیق