مدل سازی معادلات ساختاری با SMARTPLS

داده‌های کم، و/یا مدل‌هایی هستند که پشتیبانی نظری کمتری دارند.

در این شرایط، مدل‌سازی معادلات ساختاری مبتنی بر کوواریانس (CB-SEM) یا مدل‌های مبتنی بر برآورد حداکثر درستنمایی (MLE) توصیه نمی‌شود، بلکه مدل‌سازی معادلات ساختاری مبتنی بر واریانس (VB-SEM) یا مدل‌های حداقل مربعات جزئی (PLS-SEM) توصیه نمی‌شود.

تفاوت اساسی بین CB-SEM و VB-SEM در نحوه برخورد آنها با داده ها، به اصطلاح آموزشی است.

در حالت اول، رگرسیون های خطی متعددی وجود دارد که به طور همزمان محقق می شوند و

در 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 رگرسیون خطی بین سازه ها (مدل های ساختاری) ایجاد می شود.

به این ترتیب، می‌توان مدل‌های پیچیده‌تری را با حجم کمتری از داده‌ها تخمین زد.

پس از ترسیم مدل برخی شاخص های آماری بایستی مورد تجزیه و تحلیل قرار گیرند که شامل شاخص های زیر می شوند:

شاخص Stone-Geisser (Q2) ارزیابی می کند که چقدر مدل به آنچه از آن انتظار می رود (یا کیفیت پیش بینی مدل یا دقت مدل تعدیل شده) نزدیک می شود.

به عنوان معیار ارزیابی، مقادیر بیشتر از صفر باید به دست آید (HAIR و همکاران، 2014).

یک مدل کامل Q2 = 1 خواهد داشت (نشان می دهد که مدل واقعیت را منعکس می کند – بدون خطا). شاخص کوهن (f2) با گنجاندن و حذف سازه های مدل (یک به یک) به دست می آید.

اینکه هر ساختار چقدر برای مدل تعدیل مفید است، ارزیابی می شود.

مقادیر 0.02، 0.15 و 0.35 به ترتیب کوچک، متوسط و بزرگ در نظر گرفته می شوند (HAIR et al., 2014).

همچنین، f 2 با نسبت بین قسمت توضیح داده شده و قسمتی که توضیح داده نشده ارزیابی می شود (f 2 = R2 / (1- R 2). هر دو با استفاده از ماژول Blindfolding در SmartPLS به دست می آیند.

مقادیر Q2 با خواندن افزونگی کلی مدل و f2 با خواندن اشتراکات بدست می آید.

در نهایت، باید شاخص تعدیل کلی مدل را نیز ارزیابی کرد.

از این نظر، برای مدل‌هایی که در آن‌ها همه ساختارها بازتابی هستند، Tenenhuaus و همکاران (2005) Goodness of Fit (GoF) را پیشنهاد کرد که اساساً میانگین هندسی (ریشه دوم حاصلضرب دو شاخص) بین میانه R2 (خوبی برازش مدل ساختاری) و میانگین وزنی AVE (خوبی از) است.

وتزلز و همکاران (2009) نشان می دهد که مقدار 0.36 برای حوزه های علوم اجتماعی و رفتاری کافی است.

بنابراین، با انجام این محاسبه با آن مقدار، 0.4492 را به دست آوردیم که نشان می دهد مدل دارای تعدیل کافی است.

هنگامی که ارزیابی کیفیت تعدیل به پایان رسید، ما تفسیر ضرایب مسیر را ارائه می کنیم. اینها به گونه ای تفسیر می شوند که بتای رگرسیون های خطی ساده یا معمولی، به عنوان مثال، بین سازه ها یا LV ها نگرانی های زیست محیطی دیگران اعلام شده خرید دیگران ارزش ضریب مسیر 0.288 است.

مدل سازی معادلات ساختاری; SmartPLS؛ حداقل مربع جزئی; اپلیکیشن بازاریابی