آزمون های آماری در SmartPLS

بخش پنجم تدریس pls ، آزمون های آماری در SmartPLS

آزمون های آماری در SmartPLS

smartPLS در درجه اول برای مدل سازی معادلات ساختاری (SEM) با استفاده از رویکرد حداقل مربعات جزئی (PLS) استفاده می شود. در حالی که PLS-SEM بر کاوش روابط بین سازه های پنهان و شاخص های آنها متمرکز است، توجه به این نکته مهم است که smartPLS خود طیف وسیعی از آزمون های آماری سنتی مانند آزمایش های موجود در نرم افزار تجزیه و تحلیل آماری اختصاصی را ارائه نمی دهد. با این حال، چندین ارزیابی آماری مهم مربوط به فرآیند PLS-SEM را ارائه می دهد. در اینجا چند آزمایش و تجزیه و تحلیل آماری کلیدی موجود در smartPLS آمده است:

تجزیه و تحلیل بوت استرپینگ:
Bootstrapping یک تکنیک نمونه‌گیری مجدد است که برای ارزیابی اهمیت پارامترهای مدل، مانند ضرایب مسیر، بارگذاری‌ها و مقادیر مربع R استفاده می‌شود.
smartPLS از bootstrapping برای تولید توزیع های تجربی پارامترهای مدل استفاده می کند که به شما امکان می دهد خطاهای استاندارد، مقادیر t و فواصل اطمینان را محاسبه کنید.
این نتایج به شما کمک می کند تا تعیین کنید که آیا روابط در مدل شما از نظر آماری معنی دار هستند یا خیر.

مقادیر R-Squared و Q²:
smartPLS مقادیر R-squared (R²) را برای سازه های درون زا محاسبه می کند، که نشان دهنده نسبت واریانس توضیح داده شده توسط مدل است.
مقادیر Q2 اطلاعاتی در مورد ارتباط پیش بینی مدل ارائه می دهد. آنها دقت پیش‌بینی مدل را با یک پیش‌بینی ساده مبتنی بر میانگین مقایسه می‌کنند.

شاخص های تناسب خوب:
smartPLS چندین شاخص برازش، مانند شاخص Goodness-of-Fit (GoF) و Adjusted Goodness-of-Fit (AGoF) را برای ارزیابی میزان تناسب مدل با داده ها ارائه می دهد.
این شاخص ها به ارزیابی تناسب کلی مدل با داده های مشاهده شده کمک می کنند.

اعتبار سنجی متقابل:
اعتبارسنجی متقابل، ثبات و قابلیت اطمینان مدل شما را با ارزیابی میزان تعمیم آن به نمونه های داده جدید ارزیابی می کند.
smartPLS تکنیک‌های اعتبارسنجی متقاطع (LOOCV) و چشم‌بند را برای ارزیابی پایداری ضرایب مسیر و ارتباط پیش‌بینی‌کننده مدل ارائه می‌کند.

تست اهمیت مسیر:
به عنوان بخشی از تجزیه و تحلیل بوت استرپینگ، smartPLS مقادیر t را برای هر ضریب مسیر محاسبه می کند، که نشان می دهد آیا روابط بین سازه ها از نظر آماری معنی دار هستند یا خیر.
شما می توانید از این مقادیر t برای ارزیابی اهمیت اثرات مستقیم و غیر مستقیم استفاده کنید.

درک این نکته مهم است که اگرچه smartPLS این آزمایش‌ها و تحلیل‌های آماری را در چارچوب PLS-SEM ارائه می‌کند، ممکن است طیف کاملی از آزمایش‌های آماری موجود در نرم‌افزارهای آماری همه منظوره مانند R، SPSS یا SAS را پوشش ندهد. اگر نیاز به انجام تجزیه و تحلیل های آماری متنوع تری فراتر از PLS-SEM دارید، ممکن است لازم باشد تجزیه و تحلیل خود را با ابزارها یا نرم افزارهای دیگر تکمیل کنید.

برای تعیین آزمون‌ها و تحلیل‌های آماری مناسب، همیشه با اهداف تحقیق و الزامات خاص مطالعه خود مشورت کنید.

آزمون مدل در SmartPLS دو نوع است:

الف) آزمون الگوی اندازه گیری که مربوط به بررسی روایی ابزارهای اندازه گیری است.

ب)آزمون الگوی ساختاری که به آزمون فرضیات تحقیق و اثر متغیرهای پنهان بر یکدیگر مربوط است.

. آزمون مدل ازطریق منوی Calculate انجام می گیرد. در این منو چهار گزینه وجود دارد.

Algorithm PLS :

این گزینه مربوط به محاسبه ضرایب مسیر، واریانس تبیین شده متغیرهای وابسته توسط متغیرهای مستقل، بار عاملی متغیرهای مشاهده شده و اثر غیرمستقیم و کل متغیرها بر یکدیگر است . برای انجام این آزمون از منوی نرم افزار بر روی گزینه Calculate کلیک کرده و گزینه PLS Algorithm را انتخاب کنید.( شکل شماره1)

کادری باز میشود که دارای دو جزء است: تنظیمات مربوط به داده های مفقوده Setting -Values Missing و تنظیمات مربوط به الگوریتم .Setting – Algorithm PLS( شکل شماره 2)

در قسمت تنظیمات مربوط به داده های مفقوده Setting -Value Missing با کلیک روی زبانه آن، دو گزینه در دسترستان قرار میگیرد: Replacement Mean که میانگین متغیر مشاهده شده را جایگزین داده های مفقوده میکند و برخی محققان همین گزینه را پیشنهاد میکنند و گزینه دوم Replacement Wise Case است که مواردی را که دارای داده های مفقوده هستند را حذف میکند. با انتخاب گزینه اول، گزینه Algorithm value Missing Apply را تیک بزنید. تا محاسبه انجام شود.( شکل شماره3)

در قسمت تنظیمات مربوط به الگوریتم setting – Algorithm PLS پنج گزینه پیشاروی کاربر قرار دارد.(شکل شماره 4)

الف) طرح وزن دهی (Scheme Weighting) )این منو سه گزینه دارد: 1 -طرح وزن دهی عامل ( Factor Scheme Weighting )

2 -طرح وزن دهی مرکز( Scheme Weighting Centroid)

3 -طرح وزن دهی مسیر(Path Weighting Scheme )

نرم افزار SmartPLS خود به صورت پیش فرض طرح وزن دهی مسیر Scheme Weighting Pathرا انتخاب کرده است که آن را به همان صورت بدون دست کاری باقی بگذارید.

. ب) معیار داده ها یا Metrics Data که دو گزینه دارد: اولی 1 var, 0 Mean است و دومی Original یا اصلی است که کاربرد چندانی ندارد . گزینه 1 var, 0 Mean بدین معناست که تمام متغیرها به صورت استاندارد در نظر گرفته می شوند و نرم افزار تمام داده ها را به نمرات استانداردz تبدیل می کند. تا مقایسه اثرات متغیرهای مستقل بر متغیر وابسته را امکان پذیر سازد.

ج) حداکثر چرخش برای رسیدن به پوشش

د)معیار لغو چرخش

ه) وزن اولیه این سه گزینه آخر را دستکاری نکنید، زیرا همین تنظیمات کافی است.

پس از انجام تنظیمات فوق بر روی Finish کلیک کنید تا الگوریتم اجرا شود.( شکل شماره 5)

برای بررسی معناداری ضرایب مسیر و بارهای عاملی از منوی Calculate دستور Bootstrapping را اجرا کنید. این دستور یک منوی پایین افتادنی دارد که دارای دو گزینه است:

الف) Construct level changes

ب ) individual changes

نرم افزار به صورت پیشفرض اولی را انتخاب می کند که آن را تغییر نمی دهیم.( شکل شماره 6)

این دستور همچنین دو فیلد دارد که در اولی أعداد نمونه را می نویسند. مثالً نمونه ما 334 است و در فیلد دوم نیز أعداد نمونه های آزمون Bootstrapp است که میتواند بین 200 تا 500 باشد که در اینجا ما همان 200 نمونه آزمون پیشفرض را انتخاب کرده ایم. سپس بر روی دکمه Finish کلیک کنید. تا آزمون اجرا شود.( شکل شماره7). آزمون در SmartPLS