مدلیابی معادلات ساختاری SEMبه کمک Smart PLS‎‎

در مدلیابی معادلات ساختاری با Smart PLS‎‎ که نرم افزاری بسیار مفید و کاربرپسند هست به منظور برازش مدل معادلات ساختاری SEM استفاده می کنیم . این نرم افزار از روش حداقل مربعات جزئی PLS به جای روشهای معمول OLS استفاده می نماید. در روش پی ال اس PLS یا همان حداقل مربعات جزئی Partial Least Squares متغیرهای مستقل به روش پی سی ای PCA متعامد شده و با درنظر گرفتن عامل حداکثر واریانس وارد مدل رگرسیون چندگانه MLR می شوند. به همین جهت روش پی ال اس PLS را روش واریانس محور VBSEM نیز می نامند.

اما در روشهای پیشین که حاصل تطابق ماتریس کوواریانس هاست روشها را کوواریانس محور CBSEM می نامند. این موضوع باعث شده که روش پی ال اس PLS نسبت به تعداد داده ها و یا توزیع آنها حساس نبوده و در حالتی که تعداد نمونه ها کم و یا غیر نرمال است به راحتی به پاسخ برسد، این امر نرم افزار اسمارت پی ال اس Smart PLS را به رقیب بسیار جدی برای نرم افزار های کهنه کاری چون لیزرل Lisrel و ایموس Amos تبدیل کرده و روز به روز به محبوبیت آن افزوده می شود. در این دوره آموزشی ابتدا به مباحث تئوری پرداخته سپس به کمک یک مثال عملی از مدل و داده ها به کمک نرم افزار تحلیل خروجی ها شرح داده شده است.

اهمیت و مزیت مدل سازی در SEM

یکی از مهمترین مراحل تحلیل داده ها در SEM، ساخت مدل است. مدل سازی روش مناسبی برای بررسی روابط میان متغیرهای مکنون است که توسط متغیرهای مشاهده شده سنجیده می شوند.

مزیت اصلی مدل سازی در این است که معادلات ساختاریافته میان متغیرها را در قالب مدل هایی بررسی می سازد. وقتی مدل توسط محقق ساخته شد، وی برازش آن را بر اساس داده هایی که نمونه آماری در پاسخ به سوالات ابزار اندازه گیری داده اند،‌ بررسی می نماید. اولین وظیفه محقق در این فرایند تعیین تناسب بین مدل برآمده از نظریه های پیشین با داده های جمع آوری شده از نمونه های آماری پژوهش است. از آنجایی که به دست آمدن یک تناسب کامل بین تئوری و داده ها به سختی ممکن است، همیشه مقداری تفاوت میان این دو جود دارد. این میزان تفاوت در SEM با پس ماند نشان داده می شود.

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:

• سنجش مدل‌های اندازه‌گیری با معیارهای مربوط به روایی و پایایی


• 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. در شرایط حجم نمونه کم و توزیع غیر نرمال از این نرم افزار استفاده می کنیم.

پیشنیاز مدلیابی معادلات ساختاری با Smart PLS‎‎

آشنایی مقدماتی با آمار و مدلسازی

سرفصل های دوره مدلیابی معادلات ساختاری با Smart PLS‎‎

• مقدمه


• متغیرها و مدلهای آماری


• ساختار و روابط پارامتریک مدلهای آماری در روش PLS 


• ورود اطلاعات در نرم افزار و برازش مدل اولیه


• شاخص های برازش