یک مدل تحلیل عاملی را فرض کنید. یک سازه به نام رضایت شغلی که با دو شاخص سنجیده می شود . چون دو شاخص هست بنام ایکس یک و ایکس دو اگر ماتریس واریانس کواریانس بگیریم سه پارامتر خواهیم داشت . اما در مدل ما چهار پارامتر داریم که دو تای اضافه شده واریانس دو شاخص هستند . بنابراین درجه ازادی برابر است با سه منهای چهار مساوی منفی یک .
به عبارتی مدل فرومشخص مدلی است که تعداد پارامترهایی که بر آورد می شود از تعداد واریانس ها و کواریانس های مدل بیشتر است.
مدل just-identified
فرض کنید سازه رضایت شغلی با سه شاخص سنجیده می شود و مدل ان را رسم کردیم . اگر ماتریس واریانس کواریانس این سه شاخص را محاسبه کنیم ۶ پارامتر خواهیم داشت . اما در مدل سه ضریب مسیر ( سه ضریبی که به سمت هر شاخص رفتند) و سه خطا داریم . بنابرای شش منهای شش می شود صفر . به عبارتی مدل دقیقا مشخص مدلی است که بدلیل صفر شدن درجه ازادی امکان انجام ازمون اماری در مدلسازی را ندارد.
حال همین مدل را در نظر بگیرید. فرض کنین بین دو خطا کواریانس برقرار کردیم . میشود underidentified
مدل overidentified
فرض کنید رضایت با چهار شاخص سنجیده می شود . اگر ماتریس واریانس کواریانس این چهار شاخص را محاسبه کنید ده پارامتر بدست می اید . اما در مدل هشت پارامتر است . ده منهای هشت می سود دو . به عبارتی مدل فرامشخص مدلی است که تعداد پارامترهایی که براورد می شود از تعداد واریانس ها و کواریانس های مدل کمتر است . در این مدل درجه ازادی مثبت است و بیش از یک جواب برای براورد پارامترهای مدل وجود دارد. در مدل فرامشخص امکان انجام ازمون های اماری وجود دارد
با سپاس
حامد سام