מה זה SEM? מודל משוואות מבניות, ניתוח נתיבים ומשתנים לטנטיים - מדריך לתזה
מה זה SEM (מודל משוואות מבניות), ההבדל בין ניתוח נתיבים למודל עם משתנים לטנטיים, מודל המדידה והמודל המבני, מדדי התאמה (CFI, RMSEA, SRMR), גודל מדגם, תוכנות (AMOS, lavaan) ודיווח לפי APA.
חלק מהסדרה: ניתוח סטטיסטי לעבודה סמינריונית ולתזה: המדריך המלא
SEM (Structural Equation Modeling - מודל משוואות מבניות) הוא משפחה של שיטות שמאפשרת לבדוק מודל שלם בבת אחת: כמה משתנים, כמה קשרים ביניהם, ולפעמים משתנים שאי אפשר למדוד ישירות. אם המנחה אמר "תריצי SEM" או "תעשה ניתוח נתיבים" - המדריך הזה יסביר מה זה, מתי משתמשים, ומה צריך לדווח.
SEM במשפט אחד
רגרסיה בודקת משוואה אחת: כמה מנבאים ← תוצאה אחת. SEM בודק כמה משוואות יחד, כולל משתנה שהוא תוצאה במשוואה אחת ומנבא בשנייה (מתווך), ומשווה את המודל כולו לנתונים: האם התמונה שציירתם מתאימה למה שנמדד.
שלושה מושגים שצריך להכיר
משתנה נצפה (observed): משהו שנמדד ישירות - פריט בשאלון, ציון, גיל.
משתנה לטנטי (latent): מושג שלא נמדד ישירות, אלא מוסק מכמה משתנים נצפים. "חרדה" היא משתנה לטנטי; עשרת הפריטים בשאלון החרדה הם המשתנים הנצפים שלה. היתרון: SEM מתקן את טעות המדידה של הפריטים, ולכן האומדנים מדויקים יותר מממוצע פריטים.
ניתוח נתיבים (path analysis): SEM עם משתנים נצפים בלבד - למשל ציוני סולמות מחושבים. זו הצורה הפשוטה ביותר, וטובה למודלי תיווך עם כמה מתווכים.
שני חלקי המודל
| החלק | מה בודקים | בשאלה |
|---|---|---|
| מודל המדידה (CFA - ניתוח גורמים מאשש) | האם הפריטים באמת מודדים את המשתנים הלטנטיים שלהם | "האם השאלון מודד את מה שהוא אמור?" |
| המודל המבני | הקשרים בין המשתנים הלטנטיים | "האם חרדה מנבאת ביצוע דרך דאגה?" |
הסדר המקובל: קודם בודקים את מודל המדידה, ורק אם הוא תקין - עוברים למודל המבני.
מדדי התאמה: האם המודל מתאים לנתונים?
ב-SEM אין "p אחד". מסתכלים על כמה מדדי התאמה יחד. ספי אצבע מקובלים (Hu & Bentler, 1999):
| מדד | התאמה טובה |
|---|---|
| χ² | לא מובהק - אבל כמעט תמיד מובהק במדגמים גדולים, ולכן לא מסתמכים עליו לבד |
| CFI / TLI | 0.95 ומעלה (0.90 נחשב סביר) |
| RMSEA | 0.06 ומטה (עד 0.08 סביר), עם רווח בר-סמך |
| SRMR | 0.08 ומטה |
אלה ספי אצבע, לא חוקים: מדווחים כמה מדדים ומפרשים אותם יחד.
כמה נבדקים צריך?
אין כלל אחד, אבל SEM הוא שיטה "רעבה" לנתונים. כלל אצבע מקובל הוא 200 ומעלה למודלים לטנטיים בגודל בינוני; ניתוח נתיבים פשוט יכול להסתפק בפחות. מודל מורכב עם מדגם קטן ייתן אומדנים לא יציבים או לא יתכנס. ראו חישוב גודל מדגם וניתוח עוצמה.
באיזו תוכנה?
- AMOS (תוסף ל-SPSS) - מציירים את המודל בגרפיקה. נפוץ באוניברסיטאות בארץ.
- lavaan (חבילה ב-R, חינמית) - כותבים את המודל בשורות קוד קצרות; גמיש מאוד.
- Mplus - חזק במיוחד למודלים מורכבים; בתשלום.
- JASP (חינמי) - יש בו מודול SEM שמבוסס על lavaan, עם ממשק פשוט.
דיווח לפי APA
מדווחים את מודל המדידה, מדדי ההתאמה, ואת המקדמים המתוקננים של הנתיבים - לרוב בתרשים של המודל עם המקדמים על החצים:
"מודל המדידה הראה התאמה טובה לנתונים, χ²(48) = 71.32, p = .016, CFI = .97, TLI = .96, RMSEA = .048, 90% CI [.022, .070], SRMR = .041. במודל המבני, חרדת מבחנים ניבאה דאגה (β = .58, p < .001), ודאגה ניבאה ביצוע נמוך (β = −.34, p < .001). האפקט העקיף היה מובהק, β = −.20, 95% CI [−.29, −.12]."
SEM או PROCESS?
אם יש לכם מתווך או ממתן אחד וציוני סולמות - PROCESS ב-SPSS פשוט יותר ומספיק. עוברים ל-SEM כשיש: כמה מתווכים בשרשרת, כמה תוצאות, משתנים לטנטיים, או כשהמנחה רוצה לבדוק את מבנה השאלון (CFA).
טעויות נפוצות
- לדווח רק χ² - או לפסול מודל רק בגלל χ² מובהק במדגם גדול.
- לשנות את המודל לפי "Modification Indices" בלי הצדקה תאורטית - זה מתאים את המודל לנתונים, לא בודק אותו.
- לדלג על מודל המדידה ולקפוץ ישר לקשרים.
- לפרש SEM כהוכחה לסיבתיות - המודל מתאים לנתונים, אבל גם מודלים אחרים עשויים להתאים.
- מדגם קטן מדי למורכבות המודל.
שאלות נפוצות
מה ההבדל בין SEM לרגרסיה? רגרסיה היא משוואה אחת עם משתנים נצפים. SEM בודק כמה משוואות יחד, יכול לכלול משתנים לטנטיים, ונותן מדדים להתאמת המודל כולו.
מה זה משתנה לטנטי? מושג שלא נמדד ישירות אלא מוסק מכמה פריטים - כמו חרדה, מוטיבציה או אינטליגנציה.
מה ההבדל בין ניתוח נתיבים ל-SEM? ניתוח נתיבים הוא SEM עם משתנים נצפים בלבד, בלי משתנים לטנטיים.
איזה ערך RMSEA טוב? 0.06 ומטה נחשב התאמה טובה, ועד 0.08 התאמה סבירה. מדווחים גם רווח בר-סמך.
המנחה ביקש SEM ואני לא יודע מאיפה להתחיל? זה בדיוק סוג הניתוח שאנחנו מלווים. ספרו לנו על המודל ונעבור יחד על כל שלב - מהשרטוט ועד הדיווח.
מקור
- Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55.
ספרו לנו מה צריך, ונחזור עם מומחה בניתוח סטטיסטי והצעת מחיר.
עודכן לאחרונה: