مدل سازی معادلات ساختاری با SMARTPLS |
|
چکیده:موضوع پایان نامههدف این مقاله ارائه یک مثال آموزشی از مدل سازی معادلات ساختاری با استفاده از نرم افزار SmartPLS می باشد. برنامه ذکر شده از روش حداقل مربعات جزئی استفاده می کند و به دنبال رسیدگی به موقعیت های زیر است که اغلب در تحقیقات بازاریابی مشاهده می شود: عدم توزیع متقارن متغیرهای اندازه گیری شده توسط نظریه ای که هنوز در مرحله ابتدایی خود است یا با “تثبیت” کمی، مدل های شکل دهنده، و/ یا مقدار محدودی از داده ها. مسالهاستفاده روزافزون از SmartPLS استحکام و کاربرد این مدل را در مناطقی که در حال مطالعه هستند نشان داده است. این مقاله قصد ندارد به طور کامل در این زمینه جامع باشد، بلکه شروعی را برای کسانی که قصد استفاده از نرم افزار و مدل های آماری را در تحقیقات خود دارند، ارائه می دهد. موقعیتهای زیادی در علوم اجتماعی و رفتاری کاربردی وجود دارد که با دادههایی مواجه میشویم که به توزیع چند متغیره نرمال پایبند نیستند، به مدلهای پیچیدهتری نیاز دارند (بسیاری از سازهها و متغیرهای زیادی مشاهده میشوند)، مدلهای تکوینی هستند ، دادههای کمی، و/یا مدلهایی هستند که پشتیبانی نظری کمتری دارند. در این شرایط، مدلسازی معادلات ساختاری مبتنی بر کوواریانس[1] یا مدلهای مبتنی بر برآورد حداکثر درستنمایی[2] توصیه میشود، بلکه مدلسازی معادلات ساختاری مبتنی بر واریانس[3] یا مدلهای حداقل مربعات جزئی[4] توصیه نمیشود. تفاوت اساسی بین معادلات ساختاری مبتنی بر کوواریانس یا مدلهای مبتنی بر برآورد حداکثر درستنمایی در نحوه برخورد آنها با داده ها، به اصطلاح آموزشی است. تحلیل آماریحالت اول، رگرسیون های خطی چندگانه به طور همزمان محقق می شود. حالت دوم، همبستگی بین سازه ها و متغیرها یا آیتم های اندازه گیری یا مشاهده شده آنها (مدل های اندازه گیری) محاسبه می شود و در نهایت رگرسیون های خطی بین سازه ها (مدل های ساختاری) ایجاد می شود. به این ترتیب، می توان مدل های پیچیده تر را با حجم کمتری از داده ها تخمین زد. برای توضیح بیشتر، نمونه ای از مدل های معادلات ساختاری با PLS را در نرم افزار SmartPLS ارائه خواهیم کرد. این نرم افزار رایگان است و از طریق درخواست رجیستری کاربر از سایت www.smartpls.de قابل دریافت است. |
|
واژگان کلیدی: مدل سازی معادلات ساختاری; SmartPLS؛ حداقل مربع جزئی; اپلیکیشن بازاریابی. |
[1] CB-SEM
[2] MLE
[3] VB-SEM
[4] PLS-SEM