اشباع سازی مدل ساختاری

ویدیوی آموزشی اشباع سازی مدل ساختاری

هدف: آموزش اشباع سازی مدل ساختاری

کاربرد : مدلسازی معادلات ساختاری و تحلیل عاملی تاییدی

آموزگار : آرش حبیبی

منبع : کتاب مدل‌یابی معادلات ساختاری

مدت زمان آموزش : هفت دقیقه

فرمت فایل: ویدیوی MP4 سازگار با موبایل و ویندوز

تعریف اشباع سازی مدل

مدل اشباع شده Saturated Model مدلی است که در آن پارامترهای تخمین زده شده estimated parameters با نقاط داده data points برابر است. در این حالت برازش کاملی وجود خواهد شد و از داده‌ها برای تخمین واریانس‌های تبیین نشده خطا نیز استفاده می‌شود. از دیدگاه مدیریتی و کاربردی با زبانی ساده می‌توان گفت اشباع سازی فرایندی برای بهبود برازش مدل است. بعد از انجام عملیات لازم و ایجاد یک مدل اشباع شده، شاخص‌های برازش به صورت قابل توجهی بهبود پیدا می‌کنند. دقت کنید این مراحل ممکن است دو یا سه یا حتی دفعات بیشتری نیز انجام شود. برای بهبود مدل باید از فرایند اشباع‌سازی استفاده کرد. برای این منظور باید واریانس‌های تبیین نشده (جملات خطا یا خطای برآورد: در فصل یک به تفصیل بیان شده است) که ریشه مشترک دارند را به یکدیگر متصل کنید.

چرا در مدل اشباع پارامترهای برازش بهبود یافت؟ چه اتفاقی می‌افتد که پارامترها بهبود می‌یابد؟ داده‌ها که همان داده‌ها هستند و اصول کار که همان است. آیا این یک حقه نرم‌افزاری است؟ بگذارید دقایقی ذهن شما را به چالش بکشم. همه چیز در بن مقادیر خطا نهفته است. مقادیر خطا چه بودند؟ وقتی در یک مدل y براساس X سنجیده می‌شود چقدر امکان دارد تغییرات در y منسوب به متغیری مانند Z باشد که در مدل لحاظ نشده است؟ بنابراین جمله خطا (ɛ) تاحدودی یعنی همین: تغییرات در متغیر وابسته که توسط متغیر مستقل مدل توجیه نمی‌شود. لازم به توضیح است این مورد در فایلی که با پسوند out ذخیره شده است نیز وجود دارد. پیشنهاد می‌کنم همیشه از  فایل out استفاده کنید زیرا naviagte کردن از این فایل بسیار ساده‌تر است.