مزیت های مدل با معادلات ساختاری در pls

مزایای مدل با معادلات ساختاری در نرم افزار pls

استفاده از مدل‌سازی معادلات ساختاری (SEM) با نرم‌افزار حداقل مربعات جزئی (PLS) چندین مزیت را ارائه می‌دهد که آن را به انتخابی محبوب برای محققان در زمینه‌های مختلف تبدیل می‌کند.

مزایای کلیدی استفاده از مدل معادلات ساختاری در نرم افزار PLS آورده شده است:

انعطاف پذیری برای مدل های پیچیده: PLS-SEM به ویژه برای مدل های پیچیده با ساختارهای پنهان متعدد و متغیرهای مشاهده شده مناسب است. می‌تواند مدل‌هایی با حجم نمونه کوچک تا متوسط و داده‌های غیرعادی را مدیریت کند، که آن را برای طیف وسیعی از زمینه‌های تحقیقاتی همه‌کاره می‌سازد.

بدون فرض توزیع: برخلاف روش های سنتی SEM، PLS-SEM توزیع خاصی از داده ها را فرض نمی کند. این باعث می شود که هنگام برخورد با داده های غیرعادی توزیع شده، که در علوم اجتماعی رایج است، قوی تر باشد.

سازه‌های تکوینی: PLS-SEM می‌تواند مدل‌های اندازه‌گیری تکوینی را در جایی که ساختار پنهان توسط شاخص‌های آن شکل می‌گیرد، در خود جای دهد. این در برخی از رویکردهای SEM سنتی که مدل‌های اندازه‌گیری بازتابی را فرض می‌کنند ممکن نیست.

تحمل چند خطی: PLS-SEM حساسیت کمتری نسبت به همخطی چندگانه در میان پیش بینی کننده ها دارد، که هنگام برخورد با متغیرهای بسیار همبسته سودمند است.

تاکید پیش بینی کننده: PLS-SEM اغلب زمانی استفاده می شود که تاکید بر پیش بینی نتایج به جای آزمایش روابط علّی پیچیده باشد. برای بررسی روابط و ایجاد فرضیه مناسب است.

ساختمان مدل تکراری: PLS-SEM امکان ساخت مدل تکراری را فراهم می کند و آن را برای تحقیقات اکتشافی که در آن ساختار ممکن است در طول زمان تکامل یابد، انعطاف پذیر می کند.

نمونه‌برداری مجدد بوت استرپ: PLS-SEM اغلب از نمونه‌گیری مجدد بوت استرپ برای تخمین توزیع پارامترها و فواصل اطمینان استفاده می‌کند و استحکام نتایج را به‌ویژه با نمونه‌های کوچک‌تر افزایش می‌دهد.

تجزیه و تحلیل تعدیل و میانجیگری: PLS-SEM از تحلیل های تعدیل و میانجی پشتیبانی می کند و محققان را قادر می سازد تا تعاملات و اثرات غیرمستقیم بین متغیرها را بررسی کنند.

آسان برای استفاده: نرم افزار PLS مانند SmartPLS یک رابط کاربر پسند ارائه می دهد که برای محققان با سطوح مختلف تخصص آماری قابل دسترسی است.

مفروضات کمتر سختگیرانه: PLS-SEM زمانی که مفروضاتی مانند عادی بودن و همسویی بودن نقض می شود، بخشنده است و آن را برای داده های درهم و برهم دنیای واقعی مناسب می کند.

تحقیقات مرحله اولیه: PLS-SEM اغلب زمانی ترجیح داده می شود که محققان در مراحل اولیه توسعه نظریه هستند، زیرا امکان کاوش مدل و تولید فرضیه را فراهم می کند.

استفاده بین رشته ای: PLS-SEM در رشته های مختلف از جمله بازاریابی، مدیریت، روانشناسی و سیستم های اطلاعاتی استفاده می شود که به محبوبیت گسترده آن کمک می کند.

توجه به این نکته مهم است که در حالی که PLS-SEM این مزایا را ارائه می دهد، ممکن است بهترین انتخاب برای همه سناریوهای تحقیقاتی نباشد. محققان باید قبل از انتخاب PLS-SEM به عنوان روش تجزیه و تحلیل خود، ماهیت داده‌ها، اهداف تحقیقاتی و مفروضاتی را که با آنها راحت هستند، در نظر بگیرند.

مزیت های مدل با معادلات ساختاری در pls به شرح زیر است و در ادامه به توضیح هر کدام می پردازیم:

تخمین روابط چندگانه.
قابلیت سنجش متغیرهای پنهان.
محاسبه خطای اندازه گیری.
قابلیت بررسی تاثیر هم خطی.
آزمون روابط جعلی و غیرواقعی.

الف) تخمین روابط چندگانه

آشکار ترین تفاوت بین مدل سازی معادلات ساختاری و تکنیک های پیشین، به کار گیری روابط چندگانه مربوط به هر یک از متغیرهای وابسته است. مدل سازی معادلات ساختاری مجموعه ای از معادلات رگرسیون چندگانه را با تعیین مدل ساختاری مورد استفاده در برنامه آماری در نرم افزار PLS به طور همزمان پیش بینی می کند.

ب) قابلیت سنجش متغیرهای پنهان

یکی از کاربرد های مهم مدل سازی معادلات ساختاری، امکان وارد ساختن متغیرهای پنهان یا مکنون برای تحلیل داده ها می باشد. از آنجایی که سازه مکنون مفهومی است فرضی و مشاهده نشده، می توان آن را با متغیرهای قابل مشاهده یا قابل اندازه گیری از طریق پرسشنامه یا سوالات مخصوص، اندازه گیری کرد. یک متغیر پنهان یا مکنون با بررسی میزان سازگاری با سوالات قابل اندازه گیری مربوطه، به طور غیر مستقیم اندازه گیری می شود و به همین دلیل خطای اندازه گیری در محاسبات متغیر مکنون کاهش می یابد.

ج) قابلیت بررسی تاثیر هم خطی

هم خطی به حالتی گفته می شود که نشان می دهد یک متغیر مستقل به صورت خطی با سایر متغیر های مستقل دیگر رابطه دارد یا به عبارت دیگر تابع خطی از متغیرهای مستقل دیگر می باشد. اگر این رابطه خطی در معادله رگرسیون دیده شود نشان دهنده همبستگی و رابطه شدید بین متغیرهای مستقل در مدل می باشد و اعتبار مدل دچار مشکل می شود. از طرفی یک تاثیر مستقیم و علی وقتی تایید می شود که بتوان ثابت کرد هیچ سازه یا متغیر دیگری بر رابطه و همبستگی بین متغیر معلول و متغیر علت تاثیر نمی گذارد. در این حالت می توان گفت که هم خطی و یا همبستگی وجود ندارد یا این هم خطی بسیار کم و اندک است.

د) آزمون روابط غیر واقعی

در برخی موارد در تدوین مدل تحقیق، برخی رابطه ها بین یک متغیر مستقل و متغیر وابسته پیش می آید که غیر واقعی و جعلی هستند و در واقع رابطه معنی داری بین این متغیر وجود ندارد. این امر بسته به عامل های زیادی دارد که یکی از آنها خطای اندازه گیری متغیرها می باشد.

اگر رابطه بین متغیر برون زای اصلی و متغیر درون زا با اضافه شدن متغیر برون زا تغییر چشمگیری نداشته باشد، نشان دهنده آن است که رابطه بین این دو متغیر جعلی و غیر واقعی نبوده است.

ه) محاسبه خطای اندازه گیری

در هر تحقیق و پژوهشی، محقق واقف است که خطای محاسباتی در هر نوع اندازه گیری وجود دارد.

خطای محاسباتی زمانی رخ می دهد که افرادی که به سوالات پاسخ می دهند، درباره این که به سوالات چطور و چگونه پاسخ دهند مطمئن نیستند یا برداشتی متفاوت از سوالات مورد نظر دارند.

در تحقیق و کار با نرم افزار پی ال اس (PLS) دو نوع خطا وجود دارد:

۱- خطای سنجش متغیرهای آشکار یا مشاهده شده.

۲- خطای تبیین متغیر پنهان یا مشاهده نشده (مکنون).

منبع:

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

مزیت های مدل با معادلات ساختاری در pls

مزیت های مدل با معادلات ساختاری در pls