Basic Principles of Structural Equation Modeling: An Introduction to LISREL and EQS

در طول دو دهه گذشته، مدل‌سازی معادلات ساختاری (SEM) به عنوان یک ابزار قدرتمند تجزیه و تحلیل داده‌های چند متغیره در محیط‌های تحقیقاتی علوم اجتماعی، به‌ویژه در زمینه‌های جامعه‌شناسی، روان‌شناسی و آموزش ظاهر شده است. اگرچه ریشه‌های آن را می‌توان در نیمه اول قرن حاضر جستجو کرد، زمانی که اسپیرمن (1904) تحلیل عاملی را توسعه داد و رایت (1934) تحلیل مسیر را معرفی کرد، تا دهه 1970 بود که آثار کارل یورسکوگ و همکارانش (مثلاً Joreskog، 1977؛ Joreskog و Van Thillo، 1973) شروع به دستیابی به تکنیک های عمومی SEM برای جوامع تحقیقاتی علوم اجتماعی و رفتاری کردند. امروزه، با توسعه و افزایش قابلیت دسترسی برنامه های کامپیوتری SEM، SEM به یک روش تجزیه و تحلیل داده های معتبر و معتبر تبدیل شده است که بسیاری از تکنیک های تحلیل سنتی را به عنوان موارد خاص در خود جای داده است. بسته های نرم افزاری پیشرفته SEM مانند LISREL (Joreskog and Sorbom, 1993a,b) و EQS (Bentler, 1993; Bentler and Wu, 1993) انواع طرح های رگرسیون حداقل مربعات معمولی و همچنین معادلات ساختاری پیچیده را مدیریت می کنند. مدل هایی که شامل متغیرهایی با توزیع دلخواه هستند. متأسفانه، بسیاری از دانشجویان و محققان در استفاده از روش‌های SEM تردید دارند، شاید به دلیل تئوری و بازنمایی آماری تا حدودی پیچیده. به نظر من، دانشجویان و محققان علوم اجتماعی می‌توانند از کسب دانش و مهارت در SEM بهره‌مند شوند، زیرا روش‌های به‌کار گرفته شده مناسب می‌توانند پلی بین جنبه‌های نظری و تجربی تحقیقات رفتاری ایجاد کنند.

During the last two decades, structural equation modeling (SEM) has emerged as a powerful multivariate data analysis tool in social science research settings, especially in the fields of sociology, psychology, and education. Although its roots can be traced back to the first half of this century, when Spearman (1904) developed factor analysis and Wright (1934) introduced path analysis, it was not until the 1970s that the works by Karl Joreskog and his associates (e. g. , Joreskog, 1977; Joreskog and Van Thillo, 1973) began to make general SEM techniques accessible to the social and behavioral science research communities. Today, with the development and increasing avail­ ability of SEM computer programs, SEM has become a well-established and respected data analysis method, incorporating many of the traditional analysis techniques as special cases. State-of-the-art SEM software packages such as LISREL (Joreskog and Sorbom, 1993a,b) and EQS (Bentler, 1993; Bentler and Wu, 1993) handle a variety of ordinary least squares regression designs as well as complex structural equation models involving variables with arbitrary distributions. Unfortunately, many students and researchers hesitate to use SEM methods, perhaps due to the somewhat complex underlying statistical repre­ sentation and theory. In my opinion, social science students and researchers can benefit greatly from acquiring knowledge and skills in SEM since the methods-applied appropriately-can provide a bridge between the theo­ retical and empirical aspects of behavioral research.