منابع مقاله با موضوع جذر برآورد واریانس خطای تقریب و شاخص برازندگی تطبیقی

وقتی داده‌های گروه نمونه به ماتریس همبستگی یا کوواریانس تبدیل شود و از سوی یک سری از معادلات رگرسیون توصیف گردد، آن مدل را می‌توان(با استفاده از یکی از چندین برنامه رایانه‌ای موجود) به منظوربررسی برازش آن در جامعه‌ای که نمونه از آن بیرون آمده است، تحلیل کرد. برآوردهایی از پارامترهای آن مدل(ضرایب مسیر و جمله‌های خطا) و چندین اندازه برای برازندگی آن را با داده‌های نمونه بدست می‌دهد(هومن، 1387، 35). در نمودار 4-3 مدل استاندارد که با استفاده از نرم افزار لیزرل بدست آمده، نشان داده شده است.
نمودار 4-3 مدل ضرایب استاندارد شده تحقیق با استفاده از نرم افزار لیزرل
Widget not in any sidebars

همانطور که در نمودار 4-3 مشاهده می‌شود در این مدل 4 متغیر مکنون و شاخص‌های اندازه‌گیری آنها به روشنی نشان داده شده است.
4-3-4 ارزیابی تناسب مدل
بعد از مدل سازی و تخمین پارامترهای آن، اولین سوال اساسی که مطرح می‌شود این است که آیا مدل اندازه‌گیری، مدل اندازه‌گیری مناسبی می‌باشد یاخیر. پاسخ به این سوال تنها از طریق بررسی برازش امکان پذیر است. منظور از برازش مدل این است که تا چه حد یک مدل با داده‌های مربوطه سازگاری و توافق دارد(کلانتری، 1388، 127).
اندازه‌های برازندگی برای یک مدل از طریق مقایسه ماتریس کوواریانس برآورد شده برای جامعه(براساس مدل، آن گونه که از سوی پژوهشگر مشخص شده اسیت) با ماتریس کوواریانس نمونه که از روی داده‌ها محاسبه شده است به دست می‌آید(هومن، 1387، 39). وقتی گفته می‌شود مدل با یکسری داده‌های مشاهده شده تناسب دارد، که ماتریس کوواریانس ضمنی مدل با ماتریس کوواریانس داده‌های مشاهده شده هم ارز(معادل) باشد، بعبارتی ماتریس باقیمانده و عناصر آن نزدیک صفر باشد.
وقتی یک مدل دقیقاً مشخص می‌شود و دارای ویژگی‌های همانندی باشد، و برآورد و آزمون آن امکان پذیر گردد، در این ‌صورت برای ارزشیابی برازندگی آن راه‌های زیادی وجود دارد که مهمترین آنها در زیر آورده می‌شود:
مهمترین شاخص تناسب مدل آزمون مجذور کای () است. البته از این آزمون متضمن رعایت یکسری مفروضاتی است که در برخی مواقع امکان نقص این مفروضات وجود دارد. وقتی حجم نمونه برابر با 75 تا 200باشد، مجذور کای یک اندازه معقول برازندگی است. اما برای مدل‌های با حجم نمونه بزرگ‌تر، مجذور کای تقریباً همیشه از لحاظ آماری معنادار است. علاوه بر این، مجذور کای تحت تاثیر مقدار همبستگی‌های موجود در مدل نیز است، هر چه این همبستگی‌ها زیادتر باشد، برازش ضعیف تر است. به همین دلیل برای برازش مدل‌ها، اندازه‌های دیگری توسعه یافته است(هومن، 1387، 40).
با توجه به مطالب فوق جهت ارزیابی برازش مدل این تحقیق از شاخص‌هایی همچون کای دو بر درجه آزادی()، آماره شاخص ریشه میانگین مجذور خطا(RMSEA)، P-Value، شاخص‌CFI استفاده شده است.
جذر برآورد واریانس خطای تقریب (RMSEA )، این اندازه که به صورت اعشاری گزارش می‌شود، مبتنی بر پارامتر غیر مرکزی است. این شاخص برای مدل‌های خوب برابر با 05/0 یا کمتر است. مدل‌هایی که RMSEA آن‌ها 10/0 یا بیشتر باشد، برازش ضعیفی دارند (همان منبع؛ 42).
شاخص برازندگی تطبیقی (CFI)، اگر این شاخص بزرگتر از 0/1 باشد برابر با 0/1 و اگر کوچکتر از صفر باشد برابر با صفر قرار داده می‌شود و همانند شاخص‌های قبلی چنان چه مقدار این کسر بین 90% تا 95% باشد قابل قبول تلقی می‌گردد در حالی برخی از پژوهشگران نقطه برش 80/0 را به کار می‌برند(همان منبع؛ 41).
یکی دیگر از شاخص‌های عمومی برای به حساب آوردن پارامترهای آزاد در محاسبه شاخص برازش، کای اسکوئر بهنجار یا نسبی است که از تقسیم ساده مقدار کای اسکوئر بر درجه آزادی مدل محاسبه می‌شود که اغلب مقادیر کمتر از 5 را برای این شاخص قابل قبول می دانند با این حال دیدگا‌ه‌ها در این باره متفاوت است.
از میان شاخص‌های برازندگی به گونه کلی RMSEA به عنوان یک شاخص مطلوب و CFI به عنوان بهترین شاخص در نظر گرفته می‌شود. شاخص‌های برازندگی به گونه کلی در دامنه بین صفر و یک قرار داده می‌شود. ضرایبی که بالاتر از 90/0 باشد قابل قبول در نظر گرفته می‌شود، هر چند این نیز مانند سطح، 05/0= P، اختیاری است(همان منبع، 43).
در پژوهش حاضر مقدار محاسبه شده برای شاخص RMSEA برابر با 056/0 و برای شاخص‌های 91/0GFI=91/0 IFI= ، 060/0= SRMR و 91/0= CFI و می‌باشد که حکایت از قابل قبول بودن بودن مدل پژوهش دارد.
شاخص‌های ارائه شده و مقایسه آن با مقدار مطلوب برای یک مدل برازش یافته، نشان از برازش مناسب مدل دارد. نکته قابل توجه در برازش مدل این است که، در حالیکه برازش مدل ساختاری آن مدل را تایید می‌کند، هرگز ثابت نمی‌کند که آن مدل، یگانه مدل معتبر است.
4-3-5 نتایج آزمون فرضیه های تحقیق
در این قسمت به بررسی معنادار بودن اعداد بدست آمئه مدل می‌پردازیم؛ در رابطه با معنی‌داری اعداد، باید گفت از آنجایی‌که در این تحقیق در سطح اطمینان 95/0 یا خطای 05/0 بدنبال آزمون فرضیات هستیم، برای آزمون t اعدادی معنادار خواهند بود که بزرگ‌تر از 96/1- و 96/1+ باشند. به این معنی که اگر در آزمون t عددی بین 96/1-و 96/1+ باشد، بی‌معنا خواهد بود. در مدل زیر (نمودار4-4) اعداد بدست آمده برای آزمون t معنادار هستند و می‌توان به بررسی روابط علّی (شاخص‌های اندازه‌گیری با متغیر مکنون) و اثرات (متغیرهای مکنون با هم)با توجه به موارد ذکر شده در جداول و نمودارهای بالا، مدل از نظر شاخص‌های تناسب در وضعیت مناسبی قرار دارند.
نمودار 4-4 مدل در حالت معناداری با t-value
از این رو با توجه به مدل در حالت اعداد معناداری(نمودار 4-4) و مدل تخمین استاندارد(نمودار 4-3) به بررسی فرضیات تحقیق می‌پردازیم.
4-3-5-1 آزمون فرضیه 1
سطح آموزش کارکنان شعب بانکی برکیفیت ادراک شده خدمات تاثیر مستقیم دارد.
فرض صفر: سطح آموزش کارکنان شعب بانکی برکیفیت ادراک شده خدمات تاثیر مستقیم ندارد.
ادعا: سطح آموزش کارکنان شعب بانکی برکیفیت ادراک شده خدمات تاثیر مستقیم دارد.
نتیجه آزمون فرضیه 1 با توجه به اطلاعات نمودار 4-3 و 4-4 ، مورد بررسی قرار می‌گیرد. ضریب مسیر متغیر مکنون برون زای آموزش کارکنان بر متغیر درون زای کیفیت ادراک شده خدمات 57/0، با ارزش t برابر با 34/3 در سطح خطای 05/0 با اطمینان 95/0 آماره مورد نظر معنادار است در نتیجه فرض صفر مبنی بر عدم وجود ضریب مربوطه رد می شود وفرض H1 پذیرفته می شود.