منبع تغییرات

مجموع مربعات

درجه آزادی

میانگین مربعات

آماره F

سطح معنی‌داری

رگرسیون

SSR

K

MSR=SSR/k

MSR/MSE

P-Value

خطا

SSE

n-k-1

MSE=SSE/n-k-1

مجموع

SST

n-1

تصمیم‌گیری:
اگر فرض را در سطح خطای ۰۵/۰ رد می‌کنیم و در غیر این صورت را می پذیریم.
معیارهای NFI، RFI، IFI، CFI، RMSEA
NFI: این شاخص به مقایسه مدل مستقل (مدلی که در آن بین متغیرها هیچ رابطه‌ای نیست به این مدل، مدل پایه نیز گفته می‌شود) با مدلی که توسط ما پیشنهاد داده می‌شود، می‌پردازد. این شاخص هرچه به عدد یک نزدیک‌تر باشد به این معناست که مدل پیشنهادی ما مناسب بوده است و به‌صورت زیر محاسبه می‌شود:

(‏۳‑۴)
به‌طوری‌که A = مقدار آماره خی دو تحت مدل مستقل و B = مقدار آماره خی دو تحت مدل پیشنهادی هستند.
RFI: شاخص برازش نسبی است و مناسبت مدل ارائه‌شده را می‌سنجد و به‌صورت زیر محاسبه می‌شود:
(‏۳‑۵)
که در فرمول فوق، A = مقدار آماره خی دو تحت مدل مستقل و B = مقدار آماره خی دو تحت مدل پیشنهادی هستند. و به ترتیب نشان‌دهنده درجه آزادی مدل مستقل و درجه آزادی مدل پیشنهادی هستند. هرچه مقدار RFI به یک نزدیک‌تر باشد، مدل بهتر است.
IFI: این معیار شاخص برازش نموی است و به‌صورت زیر محاسبه می‌شود:
(‏۳‑۶)
به‌طوری‌که A = مقدار آماره خی دو تحت مدل مستقل و B = مقدار آماره خی دو تحت مدل پیشنهادی و نشان‌دهنده درجه آزادی مدل پیشنهادی هستند. هرچه مقدار IFI به یک نزدیک‌تر باشد نتیجه می‌گیریم که مدل پیشنهادی مناسب است.
CFI: این معیار شاخص برازش مقایسه‌ای است و به‌صورت زیر محاسبه می‌شود:
(‏۳‑۷)
در این فرمول نیز مقادیر A، B، d و همانند قبل تعریف می‌شوند. هرچه مقدار CFI به یک نزدیک‌تر باشد نتیجه می‌گیریم که مدل پیشنهادی مناسب است.
RMSEA: این شاخص نشان‌دهنده جذر میانگین مربعات خطای تقریبی است و به‌صورت تفاضل بین مجموع مربعات خطای کلی و مجموع مربعات خطای مدل پیشنهادی محاسبه می‌شود. درصورتی‌که مقدار RMSEA از ۰۵/۰ کمتر باشد نتیجه می‌گیریم مدل مناسب است. درصورتی‌که مقدار آن بین ۰۵/۰ تا ۰۸/۰ باشد، مدل برازش داده‌شده مناسب و درصورتی‌که از ۱/۰ بالاتر باشد نتیجه می‌گیریم که مدل برازش داده‌شده ضعیف است.
آزمون دوربین واتسون
یکی از مفروضاتی که در رگرسیون مدنظر قرار می‌گیرد، استقلال خطاها (تفاوت بین مقادیر واقعی و مقادیر پیش‌بینی‌شده توسط معادله رگرسیون) از یکدیگر است. مفهوم مستقل بودن به این معنی است که نتیجه یک مشاهده تأثیری بر نتیجه مشاهدات دیگر نداشته باشد. در رگرسیون، بیشتر در مواقعی که رفتار متغیر وابسته در یک بازه زمانی موردمطالعه قرار می­گیرد ممکن است با مشکل مستقل نبودن خطاها برخورد کنیم به این نوع ارتباط درداده‌ها خودهمبستگی می­گویند. در صورت وجود خودهمبستگی در خطاها نمی­ توان از رگرسیون خطی استفاده کرد. به‌منظور بررسی استقلال خطاها از آزمون دوربین واتسون استفاده می‌کنیم. درصورتی‌که فرضیه استقلال خطاها رد شود و خطاها با یکدیگر همبستگی داشته باشند امکان استفاده از رگرسیون وجود ندارد. آماره دوربین واتسون بین ۰ تا ۴ می­باشد. اگر بین باقیمانده‌ها همبستگی متوالی وجود نداشته باشد، مقدار این آماره باید به ۲ نزدیک باشد. اگر به صفر نزدیک باشد نشان‌دهنده همبستگی مثبت و اگر به ۴ نزدیک باشد نشان‌دهنده همبستگی منفی می­باشد. درمجموع اگر این آماره بین ۵/۱ تا ۵/۲ باشد جای هیچ نگرانی نیست.
ضریب همبستگی اسپیرمن:
در مباحث آماری نحوه همبستگی و ارتباط دو متغیر از اهمیت بسیاری برخوردار است. برای سنجش همبستگی ضرایب گوناگونی وجود دارد. در بعضی از تحقیقات به دست آوردن داده‌های فاصله‌ای ممکن نیست یا اگر هم ممکن باشد فاقد ویژگی‌های لازم است. در این‌گونه مواقع می‌توان رتبه را جانشین عدد خام کرد. هرگاه داده‌ها به‌صورت رتبه‌ای جمع‌ آوری‌شده باشند، می‌توان از همبستگی رتبه‌ای اسپیرمن استفاده کرد.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )