Untitled000000000000000

برای ارزیابی برازندگی الگوی معادلات ساختاری از چند شاخص استفاده می شود . یک شـاخص مـورد اسـتفاده، شاخص مجذور کای (X2) است که یک شاخص برازندگی مطلق مدل به حساب می آید و هر چه از صفر بـزرگ تـر باشد برازندگی مدل کمتراست. وقتی حجم نمونه برابر ۷۵ تا ۲۰۰باشد مقدار مجذور کای(X2) یک اندازه معقـول برازندگی است .اما برای مدل های با N بزرگ تر، مجذور کای (X2) تقریباً همیشه از نظر آماری معنادار اسـت ) بـولن و لانگ، ۱۹۹۳ و کنی، ۲۰۰۱ ، به نقل از هومن، ۱۳۸۴) و این موجب می شود که آماره مجذور کای (X2) تقریباً همیشـه مدل را رد کند ) یوروسکوگ و سوربوم، ۱۹۹۳ ؛ به نقل از هوپر، کـافلان و مـولن، ۲۰۰۱ .( از آنجـا کـه مجـذور کـای نسبت به اندازه نمونه بسیار حساس است، بسیاری از پژوهشگران مجذور کای را نسبت بـه درجـه آزادی آن، یعنـی مجذور کای نسبی (X2/df) می سنجند . نسبت این شاخص اثر اندازه نمونه را بر مدل مجذور کای به حداقل می رساند . چنان چه این شاخص کمتر از ۲ باشد برازندگی عالی و چنان چه بین ۲ تا ۵ باشـد، برازنـدگی خـوب و چنـان چـه بزرگ تر از ۵ باشد، برازندگی ضعیف و غیرقابل قبول الگو را نشان می دهد )ویتون، موتن، آلوینو سامرز، ۱۹۷۷ .( یکـی از شاخص های مورد نظر در الگوی معادلات ساختاری، شاخص نیکویی برازش (GFI) است که مقادیر آن بین صـفرو یک متغیر است و هر چه به یک نزدیک تر باشد برازش بیشتری دارد . همچنین شاخص نیکویی برازش تعدیل شده (AGFI) یک سنجه کلی برازندگی است و تعداد درجات آزادی را به حساب   می آورد. وقتی این شاخص برابر ۰٫۸۵ یــا بیشــتر باشــد بــرازش الگــو قابــل قبــول اســت و مقــادیر نزدیــک بــه ۰٫۹۵ یــک بــرازش خــوب را نشــان می دهد )ورشون، ۱۹۹۱، به نقل از ارشدی،۱۳۸۶ .( شـاخص هـا ی برازنـدگی ماننـد شـاخص بـرازش تطبیـق (CFI) و شاخص برازندگی افزایشی (IFI)  شاخص ها یی هستند کـه بـرازش یـک مـدل را بـا مـدل پایـه کـه قائـل بـه وجـود کوواریانس میان متغیرها نیست، مقایسه می کنند )بنتلر، ۱۹۹۰ .( هر چه این شاخص ها بـه ۱نزدیـک تـر باشـد، بـرازش مدل بهتر است . البته این مقدار باید حداقل ۰٫۹۰ باشد تا مدل مورد نظر پذیرفته شود ) بنتلر، ۱۹۹۰ ؛ هیو و بنتلر، ۱۹۹۵ ؛ به نقل از هومن، ۱۳۸۴ .( شاخص برازندگی هنجار نشده که به نام شاخص تـوکر – لـویس (TLI) شـناخته مـی شـود، برای سنجش برازش بهتر یک الگو نسبت به الگوی مستقل) یعنی الگوی صفر، با فـرض رابطـه صـفر بـین متغیرهـا ( استفاده می شود ) بنتلر، ۱۹۹۰ ؛ به نقل از ارشـدی، ۱۳۸۶ .( همچنـین شـاخص برازنـدگی هنجـار شـده (NFI) کـه یـک شاخص برازندگی افزایشی هنجار شده است در تعیین برازش یک الگو به کار می رود.مقدار این دو شـاخص بایـد بالاتر از ۰٫۹۰ باشد . شاخص ریشه خطای تقریـب میـانگین مجـذورات (RAMSEA) یکـی دیگـر از شـاخص هـای برازندگی است که ریشه دوم میانگین مجذورات باقی مانده اسـت و بـه عنـوان تـابعی از مقـدار کواریـانس تفسـیر می شود ) هومن، ۱۳۸۴ .( براون و کودک ) ۱۹۹۳ ( مقادیر بالاتر از ۰٫۱۰را برای مدل های با برازش ضعیف، بین ۰٫۰۸ تا ۰٫۱۰ را برای مدل های با برازش متوسط، بین ۰٫۰۵ تا ۰٫۰۸ برای مدل های با برازش مناسب و کمتر از ۰٫۰۵ را برای مدل های با برازش عالی، متناسب می دانند.

معیارهای برازش مدل پژوهش

نوع شاخص معیار برازش مدل حد قابل قبول
شاخص های مطلق (برازندگی مدل) کای اسکوئر(CMIN)
درجه آزادی(df)
سطح معناداری(P) کمتر از۰٫۰۵
نسبت کای اسکوئر به درجه آزادی (CMIN/df) بین ۱ تا ۵
شاخص های نسبی ریشه میانگین مجذورات خطای برآورد (RMSEA) ۰٫۱۰ به پایین
شاخص نیکویی  برازش (GFI) ۰٫۹۰ به بالا
شاخص نیکویی برازش اصلاح شده(AGFI) ۰٫۹۰ به بالا
شاخص برازش اصلاح شده(NFI) نزدیک به یک
شاخص توکر – لوئیس(TLI) ۰٫۹۰ به بالا
شاخص برازندگی فزاینده(IFI) ۰٫۹۰ به بالا
شاخص برازندگی تطبیقی(CFI) ۰٫۹۰ به بالا
شاخص برازش نسبی(RFI) ۰٫۶۰ به بالا
شاخص برازش تطبیقی مقتصد(PCFI) ۰٫۶۰ به بالا
شاخص برازش هنجار شده مقتصد(PNFI) ۰٫۶۰ به بالا