حجم نمونه استاندارد در PLS

حجم نمونه استاندارد در PLS یکی از دلایل محبوبیت و پرکاربرد بودن روش PLS، عدم نیاز به استفاده از حجم بالای نمونه در پژوهش ها است. در حالی که روش های پیشین (نسل اول)، احتیاج مبرم به تعداد نمونه بالا (بیشتر از ۲۰۰) برای اجرای صحیح مدل های معادلات ساختاری داشتند.

پژوهش های با حجم نمونه اندک، باعث ایجاد دو مشکل عمده در معادلات ساختاری (SEM) با استفاده از روش های نسل اول می شوند:

حجم نمونه استاندارد در پی ال اس

۱- عدم همگرایی

۲- ارائه راحل های نامناسب

در روش PLS (پی ال اس) پژوهشگران با دو مشکل فوق مواجه نمی شوند.

عدم حساسیت PLS به حجم نمونه تا آنجاست که حتی تعداد نمونه می تواند کمتر از تعداد کل متغیرهای پژوهش باشد.

اندازه نمونه استاندارد در PLS

در مدل‌سازی معادلات ساختاری حداقل مربعات جزئی (PLS)، اندازه نمونه «استاندارد» دقیقی مانند روش‌های SEM سنتی وجود ندارد. PLS-SEM اغلب برای موقعیت‌هایی توصیه می‌شود که اندازه نمونه کوچک‌تر یا متوسط است و از این نظر انعطاف‌پذیرتر می‌شود. با این حال، حجم نمونه مناسب به عوامل مختلفی بستگی دارد:

پیچیدگی مدل: هرچه مدل شما (تعداد ساختارهای پنهان، شاخص ها، مسیرها) پیچیده تر باشد، برای اطمینان از برآورد پارامترهای پایدار و نتایج قابل اعتماد، باید حجم نمونه شما بزرگتر باشد.

اندازه‌های اثر: معمولاً وقتی اثراتی که می‌خواهید تشخیص دهید کوچک هستند، به اندازه‌های نمونه بزرگ‌تر نیاز است. اگر انتظار افکت های بزرگ را دارید، ممکن است بتوانید با نمونه کوچکتری کار کنید.

نوع تجزیه و تحلیل: اگر در حال انجام تجزیه و تحلیل اکتشافی یا توسعه نظریه هستید، نمونه های کوچکتر می توانند قابل قبول باشند. برای تجزیه و تحلیل تاییدی یا آزمایش فرضیه، نمونه های بزرگتر اغلب ترجیح داده می شوند.

اهداف تحقیق: اگر هدف شما تعمیم پذیری به یک جمعیت بزرگتر است، حجم نمونه بزرگتر مطلوب است. اگر تحقیق شما دقیق تر و متمرکزتر باشد، نمونه کوچکتر ممکن است کافی باشد.

دقت برآوردها: اگر به برآوردهای دقیق پارامترهای مدل خود نیاز دارید، حجم نمونه بزرگتر به دستیابی به آن کمک می کند.

تکنیک‌های نمونه‌گیری مجدد: در PLS، تکنیک‌های نمونه‌گیری مجدد مانند بوت استرپینگ می‌تواند به بهبود قابلیت اطمینان تخمین‌های شما کمک کند، که می‌تواند به ویژه در اندازه‌های نمونه کوچک‌تر مفید باشد.

در حالی که هیچ قانون سختگیرانه ای برای اندازه نمونه استاندارد در PLS-SEM وجود ندارد، یک دستورالعمل رایج که اغلب به آن اشاره می شود، داشتن حداقل 10-20 برابر تعداد شاخص ها در مقایسه با تعداد متغیرهای پنهان در مدل شما است. با این حال، این فقط یک قانون سرانگشتی است و الزامات خاص بر اساس عوامل ذکر شده در بالا متفاوت خواهد بود.

به عنوان یک محقق، انجام یک تحلیل توان برای تعیین حجم نمونه مناسب بر اساس ویژگی های تحقیق، اهداف تحقیق و پیچیدگی مدل شما بسیار مهم است. علاوه بر این، مشاوره با متخصصان در این زمینه یا مراجعه به ادبیات مربوطه برای راهنمایی در مورد ملاحظات اندازه نمونه در PLS-SEM را در نظر بگیرید.

قواعد تعیین حجم نمونه روش PLS

یکی از قواعد شناخته شده برای تعیین حداقل نمونه لازم در روش PLS، توسط بارکلای و همکاران ارائه شده است. این نویسندگان اظهار می دارند که حداقل حجم نمونه لازم برای استفاده از روش PLS، برابر است با بزرگترین مقدار حاصل از دو قاعده:

۱۰ ضرب در تعداد شاخص های مدل اندازه گیری ای که دارای بیشترین شاخص در میان مدل های اندازه گیری مدل اصلی پژوهش است.
۱۰ ضرب در بیشترین روابط موجود در بخش ساختاری مدل اصلی پژوهش که به یک متغیر مربوط می شوند.

البته ذکر این مطلب ضروری است که تعیین حجم نمونه مناسب برای پژوهش های مختلف به عوامل زیادی بستگی دارد و تکنیک ها و شیوه های ارائه شده تنها در مورد تعیین حداقل حجم نمونه کارایی دارند.

تعیین حجم نمونه ای که با آن بتوان مدل پژوهش را به درستی سنجید، به عوامل زیادی از جمله توزیع داده ها و تعداد داده های مفقود بستگی دارد. از رو برای تعیین حجم نمونه مناسب در تحقیقاتی که قصد استفاده از روش PLS می باشد، باید این موارد را نیز در نظر گرفت.

حجم نمونه استاندارد در PLS

منبع:

کتاب معادلات ساختاری با نرم افزار اسمارت پی ال اس، نوشته علی داوردی و آرش رضا زاده، انتشارات جامعه شناسان، چاپ اول، پاییز ۹۲

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

حجم نمونه استاندارد در PLS