شاخص RMSEA

شاخص خطای تقریب (RMSEA) یک شاخص اصلی برازش مدل است در مدل معادلات ساختاری است که میزان تناسب مدل با واقعیت را نشان می‌دهد. هدف هر مدل نظری آن است که با واقعیت بیرونی سازگار باشد و شاخص رمسه یکی از ابزارهای تخمین همین تقریب است.

تعریف شاخص خطای تقریب (RMSEA)

شاخص RMSEA مخفف Root Mean Square Error of Approximation است. در پارسی گاه شاخص خطای جذر میانگین تقریب یا شاخص ریشه میانگین مربعات تقریب گفته می‌شود. در تحلیل عاملی تاییدی و مدل‌یابی معادلات ساختاری از این شاخص استفاده می‌شود.

براساس دیدگاه مک‌کالوم، براون و شوگاوارا (۱۹۹۶) مقدار این شاخص به‌صورت زیر قابل تفسیر است:

  • کمتر از ۰.۰۵ : برازندگی عالی
  • بین ۰.۰۵ تا ۰.۰۸ : برازش قابل قبول
  • بین ۰.۰۸ تا ۰.۱۰ : برازش ضعیف
  • بالاتر از ۰.۱۰ : برازش نامطلوب

شاخص RMSEA برآوردی از خطای تقریب مدل به واقعیت است؛ یعنی نشان می‌دهد مدل پیشنهادی چقدر با ماتریس کوواریانس جامعه تفاوت دارد، اگر در جامعه اجرا می‌شد.

هر چه RMSEA به صفر نزدیک‌تر باشد، برازش بهتر است. اگر این شاخص مطلوب نبود از اشباع‌سازی مدل ساختاری استفاده کنید.

برآورد آنلاین شاخص RMSEA

شاخص RMSEA در خروجی گرافیکی لیزرل قابل مشاهده است. برای اطمینان از فرمول می‌توانید مقدار خی-دو و درجه آزادی خروجی لیزرل را در کادرهای زیر وارد کنید:

مقدار خی-دو =

درجه آزادی =

حجم نمونه =

مقدار RMSEA برابر است با :

دقت کنید این محاسبه دقیقا همان چیزی است که در خروجی لیزرل هم مشاهده می‌شود. 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.

که به آن یکی از شاخص‌های اصلی نیکویی برازش  ریشه میانگین مربعات خطاهای تخمین یا همان RMSEA در بیشتر تحلیل‌های عاملی تائیدی و مدلهای معدلات ساختاری استفاده می‌شود.

سخن پایانی

شاخص RMSEA یکی از معتبرترین و پراستنادترین سنجه‌های برازش در مدل‌یابی معادلات ساختاری است که بر پایه تقریب مدل با داده‌های جامعه طراحی شده است. تفسیر درست این شاخص، نیازمند توجه به میزان درجه آزادی، حجم نمونه و سایر شاخص‌های مکمل است. مقدار مطلوب RMSEA باید با رویکردی تحلیلی و نه صرفاً عددی ارزیابی شود. درک عمیق این شاخص به پژوهشگر کمک می‌کند تا مرز میان برازش ظاهری و برازندگی واقعی مدل را بهتر تشخیص دهد.

منبع: حبیبی، آرش؛ کلاهی، بهاره. (۱۴۰۱). مدل‌یابی معادلات ساختاری و تحلیل عاملی. تهران: جهاد دانشگاهی، چاپ دوم.