آموزش تحلیل عاملی تاییدی
تحلیل عاملی تاییدی چیست ؟
تحلیل عاملی تاییدی اساسا یک روش آزمون فرضیه است و زمانی استفاده می شود که محقق ارتباطات شاخص ها (عوامل) با سوالات (گویه ها) را فرضیه سازی کرده و می خواهد داده ها را برای ساختار از قبل تعیین شده بسنجد. بدین صورت که مجموعه گویه های هر عامل یا شاخص (factor)، منحصرا بعد مربوط به خود را اندازه گیری می کنند.
کاربرد تحلیل عاملی تاییدی
تحلیل عاملی تاییدی این مطلب را که آیا گویه هایی (indicators) که برای معرفی هر بعد ارائه شده اند؛ واقعا معرف آن هستند یا نه، می آزماید و گزارش می دهد که گویه های انتخابی با چه دقتی معرف یا برازده عامل یا متغیر پنهان (latent variables) خود هستند مطالعه بیشتر.
در شکل فوق نمایی از مدل ساده ای از تحلیل عاملی تاییدی نشان داده شده است که در آن دایره ها نشان دهنده متغیرهای پنهان و مربع ها نشان دهنده متغیرهای آشکار هستند.
مراحل انجام تحلیل عاملی تاییدی
اولین مرحله در انجام تحلیل عاملی رسم مدل اندازده گیری در نرم افزار می باشد. پس از رسم مدل و برازش آن، بررسی بارهای عاملی و حذف گویه هایی که بار عاملی کمی دارند در مرحله دوم قرار می گیرد. در مرحله سوم، نوبت به بررسی شاخص های برازش مدل می باشد.
1-رسم مدل اندازه گیری برای تحلیل عاملی تاییدی
شکل زیر (مدل دارای دو عامل می باشد) اجزای تشکیل دهنده مدل اندازه گیری برای انجام تحلیل عاملی تاییدی در اکثر نرم افزارهای معادلات ساختاری را نشان می دهد. همانطوری که در شکل مشخص است، فلش دو طرفه بین عوامل، نشان دهنده همبستگی بین متغیرهای پنهان، اعداد روی پیکان های یک طرفه از متغیرهای پنهان به سمت متغیرهای آشکار نشان دهنده بارهای عاملی می باشند. همچنین مقدار واریانس خطا و مقدار کوواریانس بین خطاها نیز در شکل نشان داده شده است.
2-بررسی بارهای عاملی در تحلیل عاملی تاییدی (CFA)
بارهاي عاملي از طريق محاسبه مقدار ارتباط گویه های يك سازه با آن سازه محاسبه ميشوند كه اگر اين مقدار برابر و يا بيشتر از مقدار 0.4 شود، مؤيد اين مطلب است كه واريانس بين سازه و شاخصهاي آن از واريانس خطاي اندازهگيري آن سازه بيشتر بوده و پايايي در مورد آن مدل اندازهگيري قابل قبول است. نكته مهم در اينجا اين است كه اگر محقق پس از محاسبه بارهاي عاملي بين سازه و گویه های آن با مقاديري كمتر از 0.4 مواجه شد، بايد آن گویه ها (سؤالات پرسش نامه) را اصلاح نموده و يا از مدل تحقيق خود حذف نمايد.
3-شاخص های اندازه گیری تحلیل عاملی تاییدی
پس از برازش مدل ابتدا نیاز است بررسی شود آیا مدل مورد بررسی کفایت لازم برای بررسی روابط (یعنی معنی داری ضرایب مسیر و جملات خطا) را دارد یا خیر. برای این منظور، از شاخص های نیکویی برازش استفاده می کنند، پژوهشگران جهت ارزیابی نیکویی برازش از سه گروه شاخص ها شامل شاخص های برازش مطلق، شاخص های برازش تطبیقی، شاخص های برازش مقتصد جهت حصول اطمینان از مدل نظری پژوهش استفاده می کنند.
شاخص های برازش مطلق
شاخص های برازش مطلق شاخص هایی هستند که بر مبنای تفاوت واریانس ها و کوواریانس های مشاهده شده از یک طرف و واریانس ها و کواریانس های برآورد شده بر مبنای پارامترهای مدل تدوین شده از طرف دیگر قرار دارند و با نزدیک شدن این مقادیر به یکدیگر این شاخص ها بهبود خواهند یافت. شاخص نیکویی برازش (GFI)، شاخص نیکویی برازش اصلاح شده (AGFI)، نسبت مجذور خی دو به درجه ی آزادی از این قبیل شاخص ها می باشند.
شاخص های برازش تطبیقی
شاخص های تطبیقی در واقع گامی در جهت تکمیل شاخص های برازش مطلق محسوب می شوند. به این ترتیب که با مبنا قراردادن یک یا چند مدل، مدل نظری تدوین شده تحت آزمون را با آن مقایسه و نشان می دهد که آیا به لحاظ آماری قابل قبولتر تلقی می شود، ضعیف تر است و یا اینکه تفاوتی با آن ندارد.
شاخص های برازش مقتصد
شاخص های برازش مقتصد، شاخص هایی هستند که به وسیله آن ها سعی می شود تا مهمترین نقطه ضعف شاخص های برازش مطلق یعنی بهبود مقدار شاخص برازش با افزایش پارامتر به مدل جبران شود. مبنای اصلی در این گروه از شاخص های برازش آن است که به ازای هر پارامتری که به مدل افزوده می شود این شاخص ها جریمه می شوند.
شاخص های برازش مانند : شاخص توکر ولیوایس (TLI)، شاخص برازش اینکریمنتال (IFI)، شاخص تطبیقی برازش (CFI) و ریشه ی میانگین مجذور برآورد خطای تقریب (RMSEA)، کمتر تحت تاثیر عوامل مزاحم و بیرونی قرار می گیرند و نتیجه به دست آمده بیشتر مبین نقص در برازش مدل است؛ یعنی اگر یعنی، اگر در تحلیل برازش مناسبی وجود ندارد، به علت ماهیت مدل آن است و کمتر تحت تأثیر عوامل مزاحم و بیرونی است.
تحلیل عاملی تاییدی در نرم افزار لیزرل (Lisrel)
برای انجام تحلیل عاملی تاییدی در نرم افزار لیزرل فرض می کنیم پرسشنامه ای در دست محقق است که دارای سه بعد می باشد. ابتدا شاخص های پرسشنامه مورد نظر را در نرم افزار به صورت زیر رسم کرده و مدل را اجرا می کنیم :
همانطوری که از شکل مشخص است، اکثر بارهای عاملی بدست آمده از برازش مدل بالاتر از 0.4 هستند. در صورتی که تنها بار عاملی گویه a2 برابر 0.36 می باشد که اختلاف چندانی با 0.4 ندارد. حذف این گویه زمانی لازم می شود که شاخص های برازش مدل در حد قابل قبولی نبوده و با حذف این گویه بهبود یابند.
معیارهای نیکویی برازش در نرم افزار لیزرل (Lisrel)
پس از بررسی بارهای عاملی، باید نسبت به برازش مدل مفهومی تحقیق با داده های گردآوری شده نیز اطمینان حاصل نمود. به این منظور، توجه به شاخص های مندرج در زیر مدل و مقایسه آن ها با سطح قابل قبول هر یک از آن ها ضروری است. در نرم افزار معادلات ساختاری لیزرل همیشه چهار شاخص کای اسکوئر (Chi-Square)، درجه آزادی (df)، سطح معنی داری (P-Value) و جذر برآورد واریانس خطای تقریب (RMSEA)، زیر نمودار نشان داده می شود.
مانند جدول زیر اگر نسبت مجذور کای به درجه آزادی کوچکتر از 4 باشد مورد قبول است. مقدار بزرگتر از 0.05 برای سطح معنی داری و مقدار کوچکتر از 0.08 برای جذر برآورد واریانس خطای تقریب نشان دهنده برازش مدل با داده های گردآوری شده است.
شاخص | نماد | مقدار قابل قبول |
نسبت کای اسکوئر به درجه آزادی | Chi-Square/df | کوچکتر از 4 |
سطح معنی داری | P-Value | بزرگتر از 0.05 |
جذر برآورد واریانس خطای تقریب | RMSEA | کوچکتر از 0.08 |
مهمترین شاخص های اندازه گیری تحلیل عاملی تاییدی در lisrel
در شکل فوق نیز مهمترین شاخص های اندازه گیری کیفیت تحلیل عاملی تاییدی هایلایت شده است که همگی در بازه قابل قبولی قرار دارند. CFI و NFI، شاخص هایی هستند که برازش مدل پیشنهاد شده به مدل مستقل (که فرض میکند بین داده ها رابطه ای وجود ندارد) را می سنجد و به ترتیب در مدل برابر 1 و 0.96 هستند. با توجه به این که مقادیر 0.90 و بالاتر قابل قبول میباشند، این اندازهها نیز نمایانگر برازش قابل قبول مدل هستند.
RMSEA، متوسط مانده های بین همبستگی/ کوواریانس مشاهده شده نمونه و مدل مورد انتظار برآورد شده از جامعه است که بنابر توصیه لوهلین مقدار کمتر از 0.08 به معنای برازش خوب می باشد. GFI نیز مقدار نسبی واریانس ها و کوواریانس ها را به گونه مشترک از طریق مدل ارزیابی می کند. ویژگی خاص شاخص GFI این است که به حجم نمونه بستگی ندارند. دامنه تغییرات این دو شاخص بین صفر و یک می باشد و مقدار برابر یا بزرگ تر از 0.90 نمایانگر برازش مطلوب است.
تحلیل عاملی تاییدی در نرم افزار اموس (AMOS)
ویدیو آموزشی تحلیل عاملی تاییدی با AMOS
انجام تحلیل عاملی تاییدی در نرم افزار اموس (AMOS) بسیار شبیه به نرم افزار لیزرل می باشد. بدین صورت که ابتدا مدل را مانند قبل رسم کرده و آن را اجرا می کنیم. برای انجام تحلیل عاملی ابتدا بایستی بارهای عاملی و بعد از آن شاخص های نیکویی برازش مدل بررسی شود.
اعداد به دست آمده بر روی فلش ها در شکل فوق، بارهای عاملی برآورد شده را نشان می دهد که بیانگر میزان همبستگی متغیرهای آشکار و پنهان می باشد. فلش های کوچکی که از بیرون به سمت متغیرهای آشکار رسم شده اند، نشان دهنده برآورد میزان خطای مربوط به هر متغیر می باشند. در نمودار فوق که مقادیر استاندارد شده روابط بین متغیرها را نشان می دهد. بارهای عاملی مندرج بر روی فلش ها بیشتر از 0.4 است و بیانگر این است که گویه های مورد نظر، سنجه های خوبی برای متغیر پنهان هستند. در صورتی که گویه ای با بار عاملی کمتر از 0.4 وجود داشته باشد لازم است با احتیاط این موارد را حذف کرده و مجددا تحلیل عاملی تاییدی را تکرار کنیم.
با توجه به شکل فوق ملاحظه می شود بار عاملی گویه a2 برابر 0.36 و کمتر از 0.4 می باشد. حتی الامکان و در صورتی که شاخص های برازش مدل در سطح قابل قبولی باشند از حذف آن صرف نظر می کنیم.
در شکل فوق مهم ترین شاخص های نیکویی برازش مدل برای تحلیل عاملی تاییدی در نرم افزار AMOS هایلایت شده است. با توجه به مقادیر مشاهده شده همه شاخص ها در بازه قابل قبولی قرار گرفته اند.
تحلیل عاملی تاییدی در نرم افزار اسمارت پی ال اس (SmartPLS)
انجام تحلیل عاملی تاییدی در نرم افزار SmartPLS اندکی با نرم افزارهای قبل تفاوت دارد. اولین تفاوت در رسم مدل است. همانطوری که می دانیم در این نرم افزار امکان رسم فلش دو طرفه برای بیان کوواریانس وجود ندارد. مانند شکل زیر برای تحلیل عاملی تاییدی متغیرهای پنهان را به متغیر اصلی خود رسم کرده و تحلیل عاملی تاییدی مرحله دوم را انجام می دهیم.
برای مشاهده آموزش رسم مدل در نرم افزار اسمارت PLS اینجا کلیک کنید.
در نرم افزار معادلات ساختاری SmartPLS شاخص های آلفای کرونباخ، ضریب پایایی ترکیبی (CR) و میانگین واریانس استخراجی (AVE) برای تحلیل عاملی تاییدی نیز گزارش می شود. که نتایج آن به شرح زیر است.
برای مشاهده آموزش معیارهای نیکویی برازش در نرم افزار SmartPLS اینجا کلیک کنید.
جدول روایی و پایایی متغیرها در نرم افزار SmartPLS
با توجه به اینکه اعداد آلفای کرونباخ، پایایی ترکیبی (سازگاری درونی) و AVE همگی در بازه مربوطه قرار گرفته اند، می توان مناسب بودن وضعیت پایایی و روایی همگرای مدل پژوهش را تایید کرد.
معیار مهم دیگری که با روایی واگرا مشخص می گردد، میزان رابطه ی سازه با شاخص هایش در مقایسه رابطه آن سازه با سایر سازه ها است؛ به گونه ای که روایی واگرای قابل قبول یک مدل حاکی از آن است که یک سازه در مدل تعامل بیشتری با شاخص های خود دارد تا با سازه های دیگر. نتایج جدول روایی واگرا به صورت زیر می باشد :
جدول روایی واگرا در نرم افزار SmartPLS
فورنل و لارکر (1981) بیان می کنند : روایی واگرا وقتی در سطح قابل قبول است که میزان AVE برای هر سازه بیشتر از واریانس اشتراکی آن سازه و سازه های دیگر (مربع مقدار ضرایب همبستگی بین سازه ها) در مدل باشد. بررسی این امر به وسیله یک ماتریس صورت می پذیرد که خانه های این ماتریس حاوی مقادیر ضرایب همبستگی بین سازه ها و جذر مقادیر AVE مربوط به هر سازه است. این مدل در صورتی روایی واگرای قابل قبولی دارد که اعداد مندرج در قطر اصلی از مقادیر زیرین خود بیشتر باشند.
در واقع ماتریس فورنل و لارکر همان ماتریس خروجی از نرم افزار است با این تفاوت که در قطر اصلی مقدار جزر AVE متغیرها وارد می شود و نکته دیگر اینکه تنها متغیرهای پنهان مرتبه اول در ماتریس فورنل و لارکر وارد می شوند. همان طور که در جدول بالا مشاهده می شود، مقادیر موجود در روی قطر اصلی ماتریس، از کلیه مقادیر موجود در ستون مربوطه بزرگتر است. بنابراین نتیجه می گیریم این مدل از روایی واگرای قابل قبولی برخوردار است.
منبع: علی مردی، مسعود. زارع، رقیه (2022). آموزش معادلات ساختاری با Amos و SmartPLS مخصوص پایان نامه. انتشارات دیباگران تهران.
نویسنده: مسعود علی مردی
سلام و درود
روز خوش
برای محاسبه اثر کل و همچنین نوع میانجی (جزئی یا کلی) به صورت دستی، از چه فرمولی استفاده میشه؟
ممنون
با سلام. وقت بخیر من تحلیل عاملی تاییدی را در لیزرل8 طبق توضیحات و دستورالعمل ها انجام دادم. ولی بار عامل ها صفر اومد. به نظر شما علت چیه؟ با تشکر
سلام دلایل زیادی می تونه داشته باشه. یکی از دلایل عدم رسم دست مدله. یکی دیگه مناسب نبودن دیتا هست و … کلا نرم افزار لیزرل یه مقدار سخت و رابط کاربری جالبی نداره
سلام
اگر یکی از فرضیات پژوهش رو حذف کنم کدوم یک آزمون های زیر رو دوباره انجام بدم و مدل رو در نزم افزار ران کنم؟
آزمون کولموگروف اسمیرنف
ضرایب همبستگي متغیرهای تحقیق
آزمون کفایت نمونهبرداری
روایي همگرایی
بارهای عاملي (و آزمون های بعد مثل روایی واگرا و آلفای کرونباخ و …)
سلام وقت بخیر اگر متغیر یا سوالی را حذف کنید بایستی تمام این موارد مجدد اجرا شود. اگر فقط فرضیه را حذف میکنید و مدل تغییری نمیکند نیازی به تغییر هیچکدام از این موارد نیست.
تا وقتی که روابط متغیر های مستقل و وابسته راو با فلش به هم وصل نکنم مدل ران میشه و بار های عاملی نشان داده میشه اما وقتی روابط رو با فلش ترسیم میکنم مدل ران نمیشه
سلام وقتتون بخیر
من تمام روابط متغیر هام رو رسم کردم متغیر های اشکار رو هم برای متغیر های پنهان تعریف کردم اما مدلم ران نمیشه
لطفا راهنمایی کنید
سلام میخواستم شاخص های روایی و پایایی و برازش لیزرل را بپرسم
سلام وقت بخیر شاخص های نیکوئی برازش که مانند نرم افزار Amos هست (GFI ،NFI ،CFI و …). شاخص های روایی و پایایی (AVE, Cr, Alpha) نیز مانند اموس بایستی به صورت دستی محاسبه شود.
چرا در نرم افزار لیزرل در حالت ران کردن فرضیه های پژوهش در نمودار حالت t یا همون معناداری یکی از فلش ها کشیده نمی شود؟
سلام وقت بخیر عرض ادب احتمالا شما به آن فلش پارامتر ثابت 1 را داده اید.
سلام و وقت به خیر.
آیا اساسا آزمونی مثل آزمون تعیین سطح زبان که با پرسشنامه های دیگر متفاوتند، تحلیل عامل تاییدی، آزمون مناسبی برای سنجش روایی است؟؟
سلام وقت بخیر عرض ادب برای آزمون های زبان بهتر است که از روایی محتوایی استفاده شود. نحوه امتیازدهی آزمون شما به چه صورت است ؟
سلام مجدد. خیلی ساده نمره دادیم به پاسخ دهندگان. هر سوال یک نمره. ماکزیمم نمره 25 است.
پس در واقع شما 25 سوال دارید که هر کدام به صورت 0 و 1 پاسخ داده می شوند. گزینه یک یعنی جواب صحیح و گزینه 0 یعنی گزینه غلط. میتوانید از تحلیل عاملی تاییدی هم استفاده بفرمایید. پاسخی که از تحلیل عاملی تاییدی برای آزمون بدست می آورید این است که آیا تمام سوالات آزمون همگن هستند یا نه.
بسیار متشکرم از لطف شما.
خواهش میکنم
سلام و وقت به خیر.
آیا اساسا آزمونی مثل آزمون تعیین سطح زبان که با پرسشنامه های دیگر متفاوتند تحلیل عامل تاییدی، آزمون مناسبی برای سنجش روایی است؟؟
با سلام. من قصد دارم روایی یک آزمون زبان رابسنجم که مثلا سوالات گرامر و vocab درآن تفکیک نشده، فقط ۲۵سوال را به صورت ۴گزینه ای ارائه کرده.آیا امکان محاسبه دستی هست ؟چون به نرم افزارها وارد نیستم.متشکرم.
سلام وقت بخیر عرض ادب از چه روشی میخواین روایی رو بسنجین؟ چطوری میخواین دستی انجام بدین
به نام خدا سلام جناب آقای علیمرادی. خدا قوت. خدا خیرتون بده. من یک روز کامل توی اینترنت دنبال تفسیر نتایج معادلات ساختاری می گشتم تا به مطلب شما رسیدم. واقعاً عالی بود. هیچکدوم مثل شما اینقدر زیبا و گویا این مسأله را توضیح نداده بودند. انشالله موفق و پیروز باشید
سلام عرض ادب ممنون و متشکرم از نظرتون
سلام
در شاخص های برازش لیزرل نسبت خی دو به درجه آزادی را 3.63 به دست آورده ام، آیا این نسبت در مدل مورد تایید است یا اینکه باید زیر 3 باشد تا مدل مورد تاییدقرار بگیرد. ضمنا باقی شاخص ها را با توجه به دامنه نسبت های مطلوب درست به دست آورده ام.
لطفا راهنمایی بفرمایید.
سلام وقت بخیر به نظرم مناسب هست. هر چند فکر میکنم که باید این عدد کمتر از 4 باشد. البته وقتی حجم نمونه زیاد باشد این شاخص قابل اطمینان نیست.
سلام و وقت بخیر
آیا امکانش هست تحلیل عاملی تاییدی رو با استفاده از نرم افزار spss انجام داد؟
سلام و عرض ادب. نرم افزار SPSS قابلیت سینتکس رو داره و اگه زبانش رو بلد باشید همه کاری میشه باهاش انجام داد. اما اگه منظورتون منویی باشه که به صورت مستقیم این کار رو انجام بده، نه من که تا به حال چیزی ندیدم.
سلام و تشکر
محاسبه ave و پایایی ترکیبی با لیزرل هم میشه؟
سلام وقت بخیر تا جایی که اطلاع دارم به صورت دستی بایستی محاسبه کنید.
با سلام
برای دیدن برونداد کلی مدل در لیزرل پس از طی کلیه مراحل، گزینه new و فایل out *. را باید از کجا پیدا کنم؟
با سلام و احترام
در صورتی از مطالب شما استفاده نماییم، برای رعایت امانت چگونه رفرنس بدهم؟ متشکرم
سلام وقت بخیر عرض ادب می تونید به صورت زیر رفرنس بدید:
علی مردی، مسعود. زارع، رقیه (2022). آموزش معادلات ساختاری با Amos و SmartPLS مخصوص پایان نامه. انتشارات دیباگران تهران.
سلام
میشه تحلیل عاملی تاییدی مرتبه اول مدل انعکاسی رو با smart pls 3 انجام داد؟
سلام وقت بخیر عرض ادب تحلیل عاملی تاییدی مرتبه اول را کلا نمی شود با SmartPLS انجام داد.
روش پژوهش من آمیخته است. مدل کیفی گرندد تئوری هست و در قسمت کمی قصد دارم صرفا عوامل کمیو اعتبار یابی کنم. در تحلیل عاملی تاییدی میشه فقط مدل اندازه گیری بیارم . و فرضیه نسازم. و مدل ساختاری نیارم.؟ در جلسه دفاع چه طور توجیح کنم صرفا مدل اندازه گیری اوردم
سلام وقت بخیر اگر هدف از انجام پایان نامه ارائه مدل مفهومی در حالت ساختاری است بایستی فرضیه داشته باشید. اما اگر هدف طراحی پرسشنامه و شناسایی ابعاد بوده است می توانید فقط مدل اندازه گیری را بیاورید. همه چیز بر اساس موضوع پایان نامه، اهداف و سوالات پژوهش شما مشخص می شود.
سلام وقت بخیر . هنگام import data از spss به لیزرل ، خطای عدم وجود فایل یا عدم توانایی در خواندن فایل میاره.
سلام وقت شما بخیر
یکی از همکارانمون اصرار داشتند که تحلیل عاملی تأییدی را نمی شود با نرم افزار pls انجام داد و این کار کاملا اشتباه است هرچند اصلا هم زیر بار نمی روند که استدلالشان غلط است ممنون بابت توضیحاتتون که نشان دادین با سه نرم افزار مختلف میشه این کار رو انجام داد و فقط فرق pls در مورد عدم رسم فلش دو طرفه هست و عملا هیچ علتی در این بین وجود ندارد.
ممنونم. به نظرتون برای قانع کردن ایشان چه رفرنسی را میشه جهت مطالعه این نکته معرفی کرد.ممنون میشم کتاب یا رفرنسی رو معرفی کنید
سلام وقت بخیر
فصل چهارم این کتاب می تونید مطالعه کنید.
لینک کتاب معادلات ساختاری مخصوص پایان نامه
درود بر شما روزتون بخیر من پرسشنامه با 36 سوال دارم طراحی می کنم که اثر 4 متغیر مستقل رو بر یک متغیر وابسته رو مورد تحلیل قرار دادم. هر چند سوال یکی از این متغیرها رو داره مورد سنجش قرار میده. سوالم اینه که چطور و از چه روشی باید در پرسشنامه تعیین کنم که این سوال مربوط که کدام متغیر هست؟ چطور و از چه روشی می تونم وزن هر سوال رو مشخص کنم؟ در واقع ابهام اصلی و اولیه من اینه که آیا این کار رو باید بعد از گردآوری پاسخ ها انجام بدم یا در زمان طراحی پرسشنامه؟ چون رشته تحصیلی من مرتبط با آمار نبوده آشنایی با این روش ها ندارم. ممنون میشوم راهنمایی بفرمایید.
سلام وقت بخیر – با توجه به این که در طراحی پرسشنامه می دانید که هر سوال مربوط به کدام شاخص یا بعد است و میخواهید این نتیجه را تایید کنید. می توانید از تحلیل عاملی تاییدی استفاده کنید. طبیعتا باید پس از توزیع و جمع آوری داده ها این کار را انجام دهید. چون بدون پاسخ ها که نمی شود کار آماری انجام داد.
سلام با نرم افزار اسمارت pls نسخه 3 کار کردم شاخص خی دو و srmr انجام دادم این شاخص ها برا چه کار انجام میشه و چه کارایی دارد؟!
سلام
از نرم افزار لیزرل برای تدوین مدل استفاده کردم، گام به گام مطابق دستور لیزرل پیش رفتم ولی در پایان این خطا رو میزنه
at least two varible name are identical.
کل داده ها رو بررسی کردم هیچ دو متغیری یکسان نبودن.
لطفا راهنمایی بفرمایید.
سلام وقت بخیر
مشخص است که اسم دو متغیر شما کاملا یکسان هستش.
مجدد چک کنید اگر مشکل برطرف نشد فایل دیتاهاتون ارسال بفرمایید.