خلاصه
مقدمه
ماهیت مدل سازی مسیر PLS
ویژگی های مدل
ارزیابی و گزارش تجزیه و تحلیل PLS
بسط و تعمیم
بحث
منابع
خلاصه
هدف - مدل سازی مسیر حداقل مربعات جزئی (PLS) ، یک روش مدل سازی معادلات ساختاری مبتنی بر واریانس (SEM) است که به طور گسترده در کسب وکار و علوم اجتماعی کاربرد دارد. توانایی آن برای مدلسازی ترکیب ها و عوامل مختلف آن را به یک ابزار آماری نیرومند در تحقیقات تکنولوژی جدید تبدیل کرده است بررسی ها، بحث ها و پیشرفت های اخیر منجر به تغییرات اساسی در درک و استفاده از PLS شده است. هدف این مقاله، بحث در مورد این مسائل است. طراحی / روش شناسی / رویکرد - این مقاله بینش جدیدی را به ارمغان می آورد و نگاه تازه ای به مدل سازی مسیر PLS ارائه می دهد. همچنین این مقاله تحولات جدیدی مانند PLS سازگار، تجزیه و تحلیل های ترکیبی تایید کننده و نسبت همبستگی heterotrait-monotrait را ارائه می دهد. یافته ها - درصورتی کهSEM در بردارنده ی هم عوامل و هم ترکیبات باشد، روش انتخابی مدل سازی مسیر PLSخواهد بود. آزمایش های جدیدی وجود دارند که بواسطه ی آنها میتوان مناسب بودن مدل سازی مسیر PSL را تائید نمود. اصالت / ارزش - این مقاله دستورالعمل های به روز شده در خصوص نحوه استفاده از PLS و نحوه گزارش دهی و تفسیر نتایج آن را ارائه می دهد. کلمات کلیدی PLS، مدلسازی معادلات ساختاری،دستورالعمل ها ،تست مدل مقدمه مدلسازی معادلات ساختاری (SEM) مجموعه ای از تکنیکهای آماری است که در کسب و کار و علوم اجتماعی بسیار محبوب شده است. توانایی آن برای مدل سازی متغیرهای پنهان، محاسبه نمودن انواع مختلف خطاهای اندازه گیری و بررسی کلی نظریه ها ، این مدلسازی را برای پاسخگویی به بسیاری از سوالات تحقیقاتی مناسب نموده است.
ماهیت مدل سازی مسیر PLS
هسته PLS مجموعه ای از الگوریتم های حداقل مربعات متناوب است،که تجزیه و تحلیل مولفه اصلی و همچنین تجزیه و تحلیل همبستگی کانونی را الگو برداری میکند و گسترش می دهد. این روش توسط هرمان والد (1974، 1982) برای تجزیه و تحلیل داده های با ابعاد بزرگ در یک محیط کم ساختار اختراع شد و تحت فرمت ها و اصلاحات مختلف قرارگرفته است. در جدید ترین فرم، (cf. Dijkstra and Henseler, 2015a, b) مدل سازی مسیر PLS را می توان به عنوان یک روش SEM کامل شناخت که می تواند هر دو مدل عامل و مدل های ترکیبی را برای اندازه گیری ساختار بکار بگیرد ، مدل های ساختاری بازگشتی و غیر بازگشتی را ارزیابی کند و تست مناسب مدل را انجام دهد.
ویژگی های مدل
تحلیلگران باید مراقب باشند که مدل آماری مشخص شده با مدل مفهومی که قرار است مورد آزمایش قرار بگیرد مطابقت داشته باشد و همچنین مطابق با الزامات فنی از جمله شناسایی و نیز منطبق با فرمت مورد نیاز و قدرت آماری باشد.