مانند AGFI ، GFI، NFI و … میباشدکه هر چقدر مقدار آنها بیشتر باشد بهتر است. مقدار پیشنهادی برای چنین شاخصهایی 9/0 میباشد. همچنین شاخص های بد بودن نیز شامل df /2χ و RMSEA میباشد که هر چقدر مقدار آنها کمتر باشد مدل دارای برازش بهتری است. حد مجاز df /2x عدد 3 میباشد و حد مجاز RMSEA 08/0 می باشد. برای پاسخ به پرسش برازش مدل بایستی شاخص های خوب بودن و بد بودن به هم (df /2χ ، RMSEA ، AGFI ، GFI، NFI و CFI) مورد بررسی قرار گیرند.
4-3-3-2 نیکویی برازش مدل
همانطور که آشکار است، نرم افزار LISREL یک سری شاخص‌های برای سنجش نیکویی برازش مدل تدوی شده ارائه می‌دهد. در ادامه کلیه شاخص های ذکر شده مورد بررسی قرار میگیرند.
شاخص کای دو (2χ) : که نشان دهندۀ میزان آمارۀ کای دو برای مدل است. در واقع این شاخص اختلاف بین مدل و داده‌ها را نشان می‌دهد و معیاری برای بد بودن مدل است. لذا هرقدر که میزان آن کمتر باشد، حاکی از اختلاف کمتر بین ماتریس واریانس-کوواریانس نمونۀ اتخاذ شده و ماتریس واریانس-کوواریانس حاصل از مدل اتخاذ شده بوده و بد بودن مدل را نشان می‌دهد. البته لازم به ذکر است که میزان این شاخص تحت تأثیر تعداد نمونۀ اتخاذ شده قرار می‌گیرد. در واقع چنانچه حجم نمونه بیشتر از 200 بشود، این شاخص تمایل زیادی به افزایش دارد. لذا تحلیل برازندگی مدل با این شاخص، معمولاً در نمونه‌های بین 100 تا 200 قابل اتکا است. همچنین بهتر است که این شاخص، با در نظر گرفتن درجۀ آزادی تفسیر شود.
درجۀ آزادی (df): این شاخص درجۀ آزادی مدل را نشان می‌دهد و نباید کوچکتر از صفر باشد.
نسبت کای دو بر درجۀ آزادی (χ^2⁄df): یکی از بهترین شاخص‌های بررسی نیکویی برازش مدل، بررسی نسبت آمارۀ کای دو بر درجۀ آزادی که است. البته حد استانداردی برای مناسب بودن میزان این شاخص وجود ندار


دیدگاهتان را بنویسید