[block id=”breadcrumb”]

مدل سازی معادلات ساختاری با نرم افزار PLS با توجه در شرایط حجم نمونه کم و توزیع غیر نرمال می توان از این نرم افزار استفاده کرد، به همین دلیل مدل سازی معادلات ساختاری با نرم افزار PLS در علم آمار بسیار مورد توجه قرار می‌گیرد. در این مقاله ابتدا شرح مختصری بر مدل سازی معادلات ساختاری داریم و پس از آن به سراغ نرم افزار PLS و نحوه کار با آن می پردازیم. تمامی مراحل اجرای معادلات ساختاری در PLS با مثالی واقعی انجام می گیرد.

در خصوص مدلسازی معادلات ساختاری و توضیحات مربوط به متغیر پنهان و آشکار، مدل تحلیل مسیر، مدل ساختاری و … به مقاله مدلسازی معادلات ساختاری با نرم افزار لیزرل مراجعه کنید. با یک مثال ساده مدلسازی معادلات ساختاری را توضیح می‌دهیم.

فرض کنید می‌خواهیم تاثیر مسئولیت اجتماعی بر وفاداری خوانندگان نشریات داخلی را با میانجیگری تصویر برند بررسی کنیم.پس مدلی مانند مدل زیر داریم که هر کدام از این شاخص‌ها در پرسشنامه دارای سوالاتی هستند. حال برای بررسی تاثیر این متغیرها به صورت همزمان از مدل سازی معادلات ساختاری با نرم افزار PLS استفاده می‌کنیم. در این مثال اگر حجم نمونه کم باشد و داده‌ها دارای توزیع نرمال نباشند ما نمی‌توانیم از نرم افزارهای Lisrel و Amos برای تحلیل این داده‌ها استفاده کنیم. در این مرحله از نرم افزار PLS جهت بررسی تاثیر این متغیرها استفاده می‌شود.

نرم افزار Smart PLS

نرم افزار Smart PLS در گروه نرم افزارهای نسل دوم مدل سازی معادلات ساختاری قرار دارد که بر اساس روش حداقل مربعات جزئی انجام می‌شود. این روش که روش مولفه محور نیز نام دارد از دو مرحله تشکیل شده است: ۱) سنجش مدل‌های اندازه‌گیری با معیارهای مربوط به روایی و پایایی ۲) سنجش بخش ساختاری با استفاده از ضرایب t. در نرم افزار PLS علاوه بر اندازه‌گیری مدل درونی و بیرونی، قسمتی به نام نسبت‌های وزنی نیز داریم.

نرم افزار PLS نقطه عطفی در مدل سازی متغیر نهفته است که دارای ویژگی‌های زیر است:

• نرم افزار از نظر گرافیکی محیطی جذاب داشته و کار کردن با آن بسیار ساده است. به‌طوری که یک مدل مسیر را می‌توان در عرض چند دقیقه ایجاد کرد.
• قسمت project manager به شما کمک میکنه تا تمام آنالیزها و فایل‌های خود را پیگیری کنید.
• گزارشاتی که نرم افزار PLS ارائه می‌دهد به‌خوبی سازمان‌یافته است و نتایج را به‌طور کامل ارائه می‌دهد.
• در این نرم افزار می‌توانید نتایج را به‌طور دائم در قالب HTML و یا فایل اکسل ذخیره کنید.
• شما می‌توانید تحلیل داده‌های خود را با خطاهای اندازه‎‌گیری گزارش کنید.
• در صورتی که داده‌های شما غیرنرمال باشد و یا حجم نمونه کم باشد، شما می‌توانید از نرم افزار PLS استفاده کنید.
• در صورتی که مدل شما پیچیده باشد یعنی تعداد شاخص‌ها و متغیرهای شما زیاد باشد نیز می‌توانید از این نرم افزار استفاده کنید.
• با نرم افزار PLS فرضیات دارای متغیرهای تعدیلگر را نیز می‌توانید آزمون کنید.

مراحل اولیه مدل سازی معادلات ساختاری با نرم افزار PLS

قبل از توضیحات مربوط به تحلیل داده‌ها، ابتدا نحوه ساخت پروژه جدید در نرم افزار PLS را مرحله به مرحله با هم انجام می‌دهیم:

پس از بازکردن نرم افزار و ساخت پروژه جدید، اسم پروژه را در قسمت project name وارد می‌کنیم. دقت کنید تیک قسمت import indicator data  فعال باشد. سپس بر روی Next کلیک کنید.

پس از آن نوبت به فراخوانی فایل داده‌ها می‌شود. در این مرحله نیز حتما باید دقت کنید که فایل ذخیره شده در درایو مورد نظر با فرمت csv باشد. در قسمت File name آدرس محل ذخیره شدن فایل را وارد کنید و پس از آن دکمه Finish را بزنید.

مدل سازی معادلات ساختاری با نرم افزار آموس

مدل‌یابی به روش حداقل مربعات جزئی

به منظور تجزیه و تحلیل داده‌ها با استفاده از نرم افزار PLS، از روش دو مرحله ای هالاند (۱۹۹۹) برای مدل‌یابی به روش حداقل مربعات جزئی استفاده می‌شود. مرحله اول شامل تعیین مدل اندازه گیری از طریق پایایی و روایی است و مرحله دوم شامل تعیین مدل ساختاری از طریق تحلیل شاخص‌های برازندگی، ضرایب تعیین و تحلیل مسیر است.

در مرحله اول از برآورد روایی و پایایی به منظور بررسی مدل اندازه‌گیری استفاده می‌شود که روش‌های تاییدی هماهنگی داده‌ها با یک ساختار عاملی معین را بررسی می‌نمایند. در واقع، تحلیل عاملی تاییدی شایستگی گویه‌هایی که برای معرفی متغیرها برگزیده شده‌اند را بررسی می‌کند. در مرحله دوم از تحلیل مسیر شاخص‌های برازش مدل و ضریب تعیین جهت بررسی مدل ساختاری استفاده می‌شود. به زعم محسنین و اسفیدانی (۱۳۹۳) مدل سازی معادلات ساختاری به روش حداقل مربعات جزئی برخلاف روش کواریانس محور (نرم افزارهای لیزرل، آموس) فاقد شاخص‌های برازش مدل مبتنی بر کای دو، جهت بررسی میزان مطابقت مدل نظری با داده‌های گردآوری شده است.

1. ارزیابی مدل اندازه گیری (انعکاسی یا ترکیبی) در مدل سازی معادلات ساختاری با نرم افزار PLS

برای بررسی برازش مدل‌های اندازه‌گیری سه معیار پایایی،‌ روایی همگرا و روایی واگرا استفاده می‌شود.

• پایایی (Reliability): پایایی یا قابلیت اعتماد مشخص می‌سازد که ابزار اندازه‌گیری در صورت اجرا در شرایط یکسان تا چه اندازه نتایج یکسانی دارد. بدین معنی که اگر محقق پرسشنامه خود را دوباره و یا به صورت موازی اجرا کند و نتایج هر دو یکسان باشد، پرسشنامه از پایایی کامل برخوردار است. خود از سه طریق بررسی ضرایب بارهای عاملی، ضرایب آلفای کرونباخ و پایایی ترکیبی صورت می‌پذیرد.

• روایی همگرا (Convergent Validity): معیار دوم از بررسی مدل‌های اندازه‌گیری، روایی همگرا است که به بررسی همبستگی هر عامل با سوالات خود می‌پردازد. معیار AVE نشان‌دهنده میانگین واریانس به اشتراک گذاشته شده بین هر عامل با سوالات خود می‌باشد. به بیان ساده‌تر AVE میزان همبستگی یک عامل با سوالات خود را نشان می‌دهد که هرچه این همبستگی بیشتر باشد، برازش نیز بیشتر است.

• روایی واگرا (Discriminant Validity):

روایی واگرا سومین معیار بررسی برازش مدل‌های اندازه‌گیری است که دو موضوع را پوشش می‌دهد:

     الف) مقایسه میزان همبستگی بین سوال‌های یک عامل با آن عامل در مقابل همبستگی آن سوال‌ها با عامل‌های دیگر (Cross Loading).

     ب) مقایسه میزان همبستگی یک عامل با سوال‌هایش در مقابل همبستگی آن عامل با سایر عامل‌ها.

روایی پرسشنامه چیست و انواع آن با مثالی ساده و کاربردی

    2. آزمون مدل ساختاری در مدل سازی معادلات ساختاری با نرم افزار PLS

بعد از بررسی برازش مدل‌های اندازه‌گیری نوبت به برازش مدل ساختاری پژوهش می‌رسد. بخش مدل ساختاری بر خلاف مدل‌های اندازه‌گیری، به سوالات (متغیرهای آشکار) کاری ندارد و تنها عامل‌های پنهان همراه با روابط میان آن‌ها بررسی می‌گردد.

   3. آزمون مدل کلی در مدل سازی معادلات ساختاری با نرم افزار PLS

مدل کلی شامل هر دو بخش مدل اندازه‌گیری و مدل ساختاری می‌شود و با تایید برازش آن، بررسی برازش در یک مدل کامل می‌شود.

• معیار (GOF (Goodness Of Fit:

معیار GOF مربوط به بخش کلی مدل‌های ساختاری است. بدین معنی که توسط این معیار محقق می‌تواند پس از بررسی برازش بخش اندازه‌گیری و بخش مدل ساختاری پژوهش خود، برازش بخش کلی را نیز کنترل نماید. معیار GOF توسط تننهاوس و همکاران (Tenenhaus et al) در سال ۲۰۰۴ ابداع گردید و فرمول آن در زیر آمده است:

Communality (مقادیر اشتراکی) = این مقدار از میانگین مجذور بارهای عاملی هر عامل به دست می‌آید.

از میانگین مقادیر اشتراکی هر عامل درون زای مدل به دست می‌آید.

میانگین مقادیر R Square عامل‌های درون زای مدل است.

یکی از خدمات شرکت آمار پیشرو مدل سازی معادلات ساختاری با نرم افزار PLS است. شما می توانید با ارائه به صفحه مشاوره رایگان آمار پیشرو از کارشناسان ما درخواست مشاوره کنید. همچنین می توانید پروژه های مدل سازی معادلات ساختاری با نرم افزار PLS خود را به کارشناسان توانمند آمار پیشرو بسپارید تا با صرف کمترین هزینه و با بالاترین دقت به نتایج مورد نیاز خود برسید. برای این کار کافیست به صفحه ثبت سفارش آماری مراجعه و فرم سفارش را پر کنید و منتظر تماس کارشناسان ما باشید.

با دنبال کردن صفحه اینستاگرام آمار پیشرو از آخرین مطالب آماری مطلع باشید.