آشنایی با مدل سازی معادلات ساختاری

🧩 مدل سازی معادلات ساختاری (SEM) چیست؟

مدل سازی معادلات ساختاری (Structural Equation Modeling) یک خانواده از روش های آماری چندمتغیره است که به پژوهشگران امکان می دهد روابط پیچیده بین متغیرها را به صورت همزمان بررسی کنند. برخلاف روش هایی مثل رگرسیون که فقط یک رابطه را در هر زمان می سنجند، SEM می تواند چندین معادله وابسته به هم را همزمان مدل سازی کند.

SEM ترکیبی از دو تحلیل کلاسیک است:

• تحلیل عاملی (Factor Analysis): برای سنجش متغیرهای پنهان (Latent Variables)
• تحلیل مسیر (Path Analysis): برای بررسی روابط علی بین متغیرها

---

 

🎯 مفاهیم کلیدی در SEM

1. متغیرهای مشاهده شده (Observed Variables)

متغیرهایی که مستقیما اندازه گیری می شوند (مثل نمره پرسشنامه، سن، درآمد).

2. متغیرهای پنهان (Latent Variables)

متغیرهایی که مستقیما قابل اندازه گیری نیستند و از طریق چند شاخص (Indicator) سنجیده می شوند (مثل رضایت شغلی، هوش، انگیزه).

3. مدل اندازه گیری (Measurement Model)

نشان می دهد هر متغیر پنهان چگونه توسط متغیرهای مشاهده شده اندازه گیری می شود (نقش تحلیل عاملی تاییدی – CFA).

4. مدل ساختاری (Structural Model)

روابط علی بین متغیرهای پنهان را نشان می دهد (نقش تحلیل مسیر).

5. خطاها (Errors)

• خطای اندازه گیری: برای هر شاخص
• خطای ساختاری: برای هر متغیر پنهان درون زا

---

 

📐 انواع SEM

نوعویژگیCB-SEM (کوواریانس محور)مبتنی بر ماتریس کوواریانس، مناسب برای آزمون نظریه و تایید مدل. نرم افزارها: AMOS، LISREL، MplusPLS-SEM (واریانس محور)مبتنی بر پیش بینی، مناسب برای نظریه سازی اکتشافی، نمونه های کوچک و مدل های پیچیده. نرم افزارها: SmartPLS، WarpPLSSEM چندسطحیبرای داده های سلسله مراتبی (مثل دانش آموزان در کلاس ها)

🔄 مراحل اجرای SEM

1. تدوین مدل نظری: بر اساس ادبیات پژوهش، مدل مفهومی ترسیم می شود.
2. تعریف سازه ها و شاخص ها: مشخص کردن متغیرهای پنهان و مشاهده شده.
3. ترسیم نمودار مسیر: نمایش روابط در نرم افزار.
4. برآورد پارامترها: با روش هایی مثل ML (حداکثر درست نمایی) یا PLS.
5. ارزیابی برازش مدل:
   مدل اندازه گیری: بارهای عاملی، پایایی ترکیبی (CR)، واریانس استخراج شده (AVE)
   مدل ساختاری: ضرایب مسیر، R²، Q²، f²
   برازش کلی: شاخص هایی مثل CFI، TLI، RMSEA، SRMR (در CB-SEM)
6. تفسیر نتایج و آزمون فرضیه ها

📊 شاخص های کلیدی ارزیابی

شاخصمقدار قابل قبولتوضیحبار عاملی> 0.4 (PLS) / > 0.5 (CB)قدرت رابطه شاخص با سازهCR (پایایی ترکیبی)> 0.7پایایی سازهAVE> 0.5روایی همگراR²0.19 / 0.33 / 0.67ضعیف / متوسط / قویQ²> 0توان پیش بینیRMSEA< 0.08برازش کلی (CB-SEM)CFI/TLI> 0.9برازش کلی (CB-SEM)SRMR< 0.08برازش کلی

🛠 نرم افزارهای رایج

• AMOS: ساده، گرافیکی، مناسب CB-SEM
• SmartPLS: مناسب PLS-SEM، رابط کاربری آسان
• Mplus: قدرتمند، مناسب مدل های پیچیده
• LISREL: کلاسیک، مناسب CB-SEM
• R (lavaan, seminr): رایگان و انعطاف پذیر

---

 

✅ مزایای SEM

• بررسی همزمان چندین رابطه
• در نظر گرفتن خطای اندازه گیری
• سنجش متغیرهای پنهان
• آزمون مدل های پیچیده علی
• امکان مقایسه مدل های رقیب

⚠️ محدودیت ها

• نیاز به نمونه بزرگ (معمولا > 200 برای CB-SEM)
• نیاز به پشتوانه نظری قوی
• پیچیدگی تفسیر
• حساسیت به داده های پرت و نرمال نبودن