خروجی متنی در نرم افزار smartPLS

نمایش خروجی متنی از طریق منوی Report در نرم افزار smartPLS

در smartPLS، خروجی متن به جداول و اطلاعات مختلف نمایش داده شده در نرم افزار اشاره دارد که بینش هایی را در مورد نتایج تحلیل مدل سازی معادلات ساختاری (SEM) با استفاده از رویکرد حداقل مربعات جزئی (PLS) ارائه می دهد. این خروجی های متنی اطلاعات آماری، ضرایب مسیر، سطوح اهمیت و سایر جزئیات مرتبط در مورد مدل شما را ارائه می دهند.

در اینجا برخی از خروجی های متن رایجی که می توانید انتظار داشته باشید در smartPLS ببینید، آمده است:

ضرایب مسیر و مقادیر T:
ضرایب مسیر نشان دهنده قدرت و جهت روابط بین ساختارهای پنهان در مدل شما است.
مقادیر T مرتبط با هر ضریب مسیر نشان دهنده اهمیت آماری آن روابط است. مسیرهایی با مقادیر t بیشتر از یک آستانه معین (اغلب 1.96 برای فاصله اطمینان 95٪) از نظر آماری معنی دار در نظر گرفته می شوند.

نتایج بوت استرپ:
جدول نتایج بوت استرپ اطلاعاتی در مورد میانگین و خطای استاندارد ضرایب مسیر و همچنین سطوح اهمیت بر اساس نمونه‌های مجدد راه‌اندازی ارائه می‌دهد.
فواصل اطمینان برای ضرایب مسیر، محدوده ای را نشان می دهد که احتمالاً پارامتر جمعیت واقعی در آن قرار دارد.

مقادیر R-Squared و Q²:
مقادیر R-squared (R2) نشان دهنده نسبت واریانس در ساختارهای درون زا است که توسط مدل شما توضیح داده شده است.
مقادیر Q2 ارتباط پیش بینی مدل را ارزیابی می کند. مقادیر Q2 مثبت نشان می دهد که مدل دارای قدرت پیش بینی است.

شاخص های تناسب خوب:
شاخص‌های برازش، مانند شاخص خوب بودن تناسب (GoF) و شاخص حسن تناسب تعدیل‌شده (AGoF)، ارزیابی می‌کنند که مدل چقدر با داده‌های مشاهده‌شده مطابقت دارد.
مقادیر بالاتر نشان دهنده تناسب بهتر است، اما به خاطر داشته باشید که این شاخص های برازش مختص PLS-SEM هستند.

نتایج تأیید متقابل:
نتایج تأیید متقابل، مانند اعتبارسنجی متقاطع ترک یک‌اون (LOOCV) و چشم‌بند کردن، ثبات و ارتباط پیش‌بینی‌کننده مدل شما را ارزیابی می‌کند.

بارگذاری نشانگر:
بارهای شاخص نشان دهنده قدرت روابط بین سازه های پنهان و شاخص های مشاهده شده آنها است. این بارگذاری ها به تعیین کیفیت اندازه گیری شاخص ها کمک می کند.

واریانس توضیح داده شده:
نسبت واریانس توضیح داده شده توسط هر ساختار درون زا اغلب در خروجی نمایش داده می شود. این بینشی را در مورد میزان تغییر در ساختار توسط مدل می‌دهد.

خلاصه مدل:
برخی از نسخه‌های نرم‌افزار یک جدول خلاصه ارائه می‌دهند که شامل آمارهای کلیدی برای مدل کلی، مانند اثر کل و درصد واریانس توضیح‌داده شده است.

سطوح اهمیت:
سطوح اهمیت مرتبط با ضرایب مسیر، بارگذاری ها و سایر پارامترهای مدل به شما کمک می کند تا قدرت و اعتبار روابط را ارزیابی کنید.

مهم است که این خروجی های متن را به طور کامل بررسی و تفسیر کنید تا نتایج تحلیل خود را درک کنید. تفسیر باید بر اساس اهداف تحقیق و چارچوب نظری شما باشد. اگر با PLS-SEM تازه کار هستید، به دنبال راهنمایی از کارشناسان یا منابع مشاوره در مورد تفسیر نتایج SEM با استفاده از رویکرد PLS باشید.

برای مشاهده گزارش تفصیلی نتایج آزمون به دو طریق می توانید عمل کنید:

الف) از نوار منو از طریق کلیک کردن بر گزینه Report

ب) از نوارابزار بر گزینه به نام باز کردن مرورگر گزارش کلیک کنید (. browser report Open)تا به چهار نحوه ارائه گزارش به شرح زیر دسترسی یابید:

همانگونه که مشاهده می کنید، منوی گزارش Report چهار انتخاب در اختیارتان قرار می دهد:

1 -گزارش در قالب صفحات وب برای چاپ Report)print(Html) )

2 گزارش پیش فرض Default Report

-3گزارش لاتکس Latex Report

4 -گزارش در قالب صفحات وب Report Html

نکته: این شیوه های گزارش، تفاوت زیادی با هم ندارند و معمولا استفاده از گزارش در قالب صفحات وب Report Html از همه ساده تر است.

لذا در این جا به نوع چهارم استخراج و ارائه گزارش نتایج پروژه میپردازیم:

پس از اجرای آزمون PLS Algorithm ،بر روی گزینه Html Report از منوی Report کلیک کنید. تا صفحه مرورگر اینترنتی باز شده و نتایج خروجی آزمون را نشان دهد. صفحه باز شده، فهرستی از ملاک ها را نشان می دهد. سه ملاک مربوط به پایایی را باید بررسی کنید.( شکل شماره1)

1 -برای بررسی پایایی (همسانی درونی ) هر یک از گویه ها ، بر روی لینک Quter Loading کلیک کنید. در جدولی که با میشود. در سطر اول بالای جدول ماتریس، نام متغیرهای پنهان و در اولین ستون سمت چپ نام معرف ها یا نشانگرها ذکرشده است. بار عاملی موردقبول برای هر متغیر 0/7 و سطح معنی داری 0/1 است. لذا از ماتریس مزبور اعداد موردنیاز را استخراج و گزارش کنید.( شکل شماره 2) خروجی متنی در PLS

چنانکه در جدول شکل 2 مشاهده می کنید، گویه هایی که بار عاملی آنها بیش از 0/7 است، مناسب تر هستند. برای بررسی معناداری بارهای عاملی دستور آزمون Bootstrapping را ا منوی Calculate اجرا نموده و سپس بر گزینه Report Html ا منوی Report کلیک کنید تا صفحه مرورگر اینترنتی با شده و نتایج خروجی آزمون را نشان دهد. صفحه باز شده، فهرستی از مالاک ها را نشان می دهد. در این ماتریس آماره های t مربوط به بارهای عاملی هر گویه در مقابل آن ذیل هر سازه نوشته شده و مال اعتبار قابل قبول در اینجا این است که اعداد بالاتر از 1/96 در سطح 0/05 و بالاتر از 2/58 در سطح 0/01 معنی دار هستند(شکل شماره 3 ): خروجی متنی در PLS

2- برای بررسی اعتبار ترکیبی هر یک از سازه ها بر روی لینک Criteria Quality در جدول نتایج آزمون Algorithm PLS کلیک کنید تا نتایج آن را نمایش دهد . در این ماتریس نیز در زیرستون Reliability Composite در مقابل هر سازه یا متغیر پنهان عددی جهت اعتبار مرکب آن نوشته شده است که باید آن عدد را برای گزارش نمودن استخراج کنید. در این مورد نیز مقادیر بیش از 0/7 برای اعتبار ترکیبی قابل قبول هستند. در مثال ما، این اعداد بیش از 0/8 هستند و لذا اعتبار ترکیبی سازه ها قابل پذیرش است(شکل شماره 4):

2- مقادیر واریانس استخراج شده AVE مربوط به سازه هاست، مقادیر قابل قبول برای این معیار که بیانگر اعتبار مناسب ابزار های اندازه گیری است، مقدار 0/5 است. این مقادیر نیز از لینک Quality Criteria از اولین ستون سمت چپ جدول فوق یعنی AVE قابل استخراج هستند.

منبع خروجی متنی در نرم افزار smartPLS:

1 -آذر، عادل و همکاران(1391 )مدلسازی مسیری – ساختاری در مدیریت: کاربرد نرم افزار SmartPLS

2- Chin, W. W. (2001): PLS – Graph user, s Guide, version 3, Hoston, TX: Soft Modeling.

3-Haenlein, Michael & Kaplan, Andreas M. (2004): A Beginner’s Guide to Partial Least Squares Analysis, in: UNDERSTANDING STATISTICS, 3(4)

4- Temme, Dirk & Kreis,H, and Lutz,L (2006):PLS Path Modeling – A..Software Review, SFB 649 Discussion Paper 2006-08

خروجی متنی در نرم افزار smartPLS

در ادامه در قسمت های بعدی می توانید مطالب کامل آموزشی نرم افزار PLS را مشاهده فرمایید:

نحوه دانلود نرم افزار smartPLS

نحوه آماده سازی و ورود دیتا جهت تحلیل در نرم افزار smartPLS

شیوه طراحی و آرایش مدل در smartPLS

انتقال و وارد کردن پروژه جهت تحلیل در smartPLS

آزمون های آماری مناسب در smartPLS

نتایج آزمون، ببرسی کیفیت مدل و نتیجه در smartPLS

خروجی متنی در smartPLS

بررسی روایی در smartPLS

بررسی و آزمون مدل ساختاری در smartPLS

خروجی متنی در نرم افزار smartPLS