مدل یابی معادلات ساختاری یک روش منفرد آماری نیست؛ بلکه به خانواده ای از فرآیندهای مرتبط اطلاق می شود و در ادبیات موجود، معادلهای متفاوتی از جمله تحلیل ساختار کوواریانس، مدل یابی ساختار کوواریانس و مدلیابی علیتی نیز برای معرفی آن به کار رفته است.

دلیل کاربرد وسیع و محبوبیت این تکنیک در بین پژوهشگران علوم اجتماعی این است که علاوه بر فراهم نمودن یک روش کمی برای آزمون نظریه،بر دشواری تحلیل روابط بین متغیرها در پژوهشهای انسانی فائق آمده و برخلاف مدلهای خطی مورداستفاده در روشهای سنتی (همانند رگرسیون چندگانه)،قادر است خطای اندازه گیری را نیز برآورد نماید.

با این وجود پژوهشگران نیاز دارند تا قبل از به کارگیری این تکنیک، اطلاعات وسیعی را در مورد روابط بین متغیرهای تحت مطالعه در اختیار داشته باشند؛ از جمله این که کدام متغیر/متغیرها بر کدام یک از متغیر/متغیرهای دیگر تأثیر میگذارند و جهت این تأثیرگذاری چگونه است. این یک امر ساده نیست؛ به ویژه این که برخی از متغیرهای مورد علاقه و استفاده پژوهشگر در مدل پیشنهادی، به طور مستقیم قابل مشاهده و اندازه گیری نیستند؛ و پژوهشگر مجبور (یا علاقه مند) است که اندازه های مربوط به این متغیرهای مکنون یا پنهان variables Latent  یا عاملها (Factors) و یا به اصطلاح دیگر، سازه ها (Constructs )را از روی تعداد بیشتری از متغیرهای قابل مشاهده  (Indicators) شاخصها یا Observable variables برآورد نماید. تکنیکهای آماریSEM از طریق محاسبه واریانس مشترک یا عمومی بین متغیرهای آشکار این کار را انجام می دهند. در واقع محاسبه واریانس یا تغییر اندازه متغیرها، زیربنای بسیاری از تکنیکهای آماری است. به عنوان مثال پژوهشگر در یک مطالعه تجربی علاقمند است با ایجاد تغییر در متغیر مستقل، میزان تغییرات ایجاد شده در متغیر وابسته را برآورد نماید.

در تکنیک مدلیابی معادلات ساختاری پژوهشگر با مشاهده و محاسبه تغییرات همزمان (واریانس مشترک) چند متغیر قصد دارد نتیجه بگیرد که احتمالاً عامل مشترکی تبیین کننده این تغییرات همزمان است. در واقع واریانس مشترک در یک شاخص، بخشی از واریانس است که با سایر شاخصها در اشتراک بوده و توسط یک یا چند عامل تبیین میگردد.

با این وجود پژوهشگر همیشه نمیتواند به راحتی قضاوت کند که تغییرات یک یا چند متغیر مشخص تبیین کننده واریانس در متغیر یا متغیرهای موردنظر است؛ چرا که در مطالعات مربوط به علوم انسانی متغیرهای بیشماری وجود دارند که ممکن است از چشم پژوهشگر پنهان مانده و حتی ناشناخته بوده و تبیین کننده واریانس در متغیرهای مطلوب باشند. لبته چالش دیگری نیز وجود دارد، این که غالباً اندازه گیری متغیرهای انسانی همانند مهارتهای ارتباطی با درجاتی از خطا همراه است که ممکن است مربوط به ابزار اندازه گیری، خطای پژوهشگر و یا تأثیر عوامل ناشناخته باشد.

از این منظر میتوان واریانس مربوط هر شاخص یا متغیر آشکار را به دو بخش شامل الف)واریانس عمومی و ب)واریانس انحصاری variance Unique آن شاخص تقسیم نمود؛ که خود شامل ترکیبی از واریانس واقعی و واریانس خطا در شاخص اندازه گیری شده است. مدلیابی معادلات ساختاری و تکنیکهای زیر مجموعه همانند تحلیل عاملی نقش تفکیک واریانس مربوط به هر شاخص را به عهده دارد.این گونه عملیات با استفاده از نرم افزارهای مختلفی از جمله AMOS ،LISREL،PLS صورت می گیرد.

اطلاعات مورد نیاز برای تحلیل در قالب پارامترهای مدل در اختیار نرم افزار قرار داده میشوند. پژوهشگرانی که قصد استفاده از تکنیک مدلیابی معادلات ساختاری را دارند لازم است به خوبی با این مفهوم آشنا باشند. پارامترهای مدل شامل ویژگیهایی از جامعه انسانی است که قرار است در تحلیل، برآورد شده و آزمون گردند.نرم افزار، پارامترهای آشکار که توسط پژوهشگر فراهم شده را به کار میبرد تا پارامترهای مکنون را با استفاده از آنها برآورد نماید. پارامترهای آشکار شامل ویژگیهایی هستند که پژوهشگر از نمونه ها جمع آوری کرده و پارامترهای مکنون نیز ویژگیهایی هستند که پژوهشگر انتظار دارد مدل طراحی شده وبرازش یافته با داده ها، آنها را نشان دهد.

روابط بین متغیرهای مکنون و متغیرهای آشکار در مدل از جمله پارامترهای موسوم به بارهای عاملی هستند که شامل ضرایب رگرسیونی برای پیش بینی متغیرهای آشکار با استفاده از متغیرهای مکنون هستند. پارامتر دیگر شامل واریانس عامل است که همان واریانس مربوط به هر عامل در داده های حاصل از نمونه گیری است. پارامتر دیگر نیز شامل واریانس خطا  است که نشان میدهد تغییرات مشاهده شده در متغیرهای آشکار علاوه بر تأثیر اعمال شده از طرف عامل مشترک، متأثر از سایر عوامل ناشناخته است. همچنین روابط (همبستگی یا کوواریانس) بین عاملها از دیگر پارامترها هستند.

تحلیل مدل غالباً روی ماتریس واریانس-کوواریانس به عنوان ورودی تحلیل صورت میگیرد که توسط نرم افزار از داده های خام وارد شده، تولید میگردد خروجی تحلیل نیز پارامترهای برآورد شدهای هستند که حاصل برازش یافتن دادههای ورودی با مدل مشخص شده توسط پژوهشگر است.

از آنجایی که پارامترهای مدل (یا همان پارامترهای مکنون) باید از روی پارامترهای آشکار (ماحصل تحلیل اولیه نرم افزار روی داده های خام) برآورد گردند، لازم است تعداد پارامترهای آشکار بیش از تعداد پارامترهای مکنون باشند؛ یا به عبارت دیگر مدل باید مشخص (Identified )باشد؛ در غیر این صورت لازم است پژوهشگر در مدل خود تجدیدنظر نماید.گامهای کلی که پژوهشگران برای اجرای این روش لازم

است دنبال نمایند، شامل الف) قالب بندی مطالعه، ب) کنترل از نظر برقرار بودن مفروضات اجرای مدل معادله ساختاری، ج) بررسی برازش و اصلاح مدل، و د) تفسیر مناسب یافته ها هستند.

منبع: دکتر مرادی- اکادمی تحلیل آماری ایران