شاخص RMSEA

فرمول محاسبه شاخص RMSEA

منبع : شاخص RMSEA نوشته آرش حبیبی از کتاب مدل یابی معادلات ساختاری

شاخص Root Mean Square Error of Approximation یا RMSEA یکی از شاخص های اصلی نیکویی برازش در مدل معادلات ساختاری است. ریشه میانگین مربعات خطاهای تخمین یا همان RMSEA در بیشتر تحلیل‌های عاملی تائیدی و مدلهای معدلات ساختاری استفاده می‌شود. براساس دیدگاه مک‌کالوم، براون و شوگاوارا (۱۹۹۶) اگر مقدار این شاخص کوچکتر از ۰.۱ باشد برازندگی مدل بسیار عالی است. اگر بین ۰.۱ و ۰.۵ باشد برازندگی مدل خوب است و اگر بین ۰.۵ و ۰.۸ باشد برازندگی مدل متوسط است.

بیشتر پژوهشگران از این قاعده استفاده می‌کنند که اگر شاخص RMSEA کوچکتر از ۰.۱ باشد، برازندگی مدل خوب است و اگر بزرگتر از این مقدار باشد مدل ضعیف طراحی شده است. کلاین معتقد است این شاخص باید کوچکتر از ۰.۰۵ باشد. با توجه به امکان ایجاد مدل‌های اشباع می‌توان گفت اگر این شاخص کوچکتر از ۰.۰۵ باشد مطلوب است. شاخص RMSEA در خروجی گرافیکی لیزرل قابل مشاهده است. برای اطمینان از فرمول می توانید مقدار خی-دو و درجه آزادی خروجی لیزرل را در کادرهای زیر وارد کنید:

دقت کنید این محاسبه دقیقا همان چیزی است که در خروجی لیزرل هم مشاهده می شود. اگر با قرار دادن مقدار خی-دو ، درجه آزادی و حجم نمونه مقدار RMSEA متفاوت از محاسبه فوق بدست آمد مطمئن باشید خروجی لیزرل دستکاری شده است و به آن منبع دیگر نمی شود اعتماد کرد.