یادگیری مدل‌سازی معادلات ساختاری با smartpls در 38 ساعت

مقدمه

• یکی از بهترین کتب لاتین منتشرشده در حوزه مدل‌سازی معادلات ساختاری کتاب یادگیری مدل‌سازی معادلات ساختاری با smartpls کمتر از 38 ساعت است.
• عنوان لاتین این کتاب عبارت است از:
• Mastering Partial Least Squares Structural Equation Modeling (Pls-Sem) with Smartpls in 38 Hours
• این کتاب در سال 2019 منتشرشده و مؤلف این کتاب  Ken Kwong-Kay Wong است.

کمترین مربعات جزئی(Partial least squares) چیست؟

کمترین مربعات جزئی(Partial least squares) یک رویکرد جدید در مدل‌سازی معادلات ساختاری(SEM) بوده که پژوهشگران از طریق آن می‌توانند آن دسته از تئوری‌ها و نظریه‌هایی که فاقد مبانی نظری هستند را در قالب یک مدل اعتبار یابی نمایند.

بازاریاب‌ها می‌توانند از رویکرد کمترین مربعات جزئی(Partial least squares) که مخفف آن عبارت است از PLS، مدل‌هایی طراحی نمایند که از طریق آن می‌توانند متغیرهای مکنون/پنهان(latent variables) ازجمله وضعیت اجتماعی-اقتصادی(socioeconomic status)، کیفیت ادراک‌شده(perceived quality)، رضایتمندی(satisfaction)، نگرش به برند(brand attitude)، قصد خرید(buying intention) و وفاداری مشتری(customer loyalty) اندازه‌گیری نمایند.

وقتی‌که مدل‌سازی معادلات ساختاری به‌درستی اجرا شود، PLS  می‌تواند یک انتخاب برتر جایگزین نسبت به رویکردهای مدل‌سازی معادلات ساختاری کوواریانس محور(covariance-based SEM) محسوب می‌گردد.

مؤلف کتاب کمترین مربعات جزئی(Partial least squares)

مؤلف کتاب مدل‌سازی معادلات ساختاری دکتر کن وانگ-کی وانگ(Dr. Ken Kwong-Kay Wong) است که این منبع جامع را برای فراگیری موضوعات SEM برای دانشجویان و سایر پژوهشگران به رشته تحریر درآورده است.

این مجموعه آموزشی یک کتابچه جامع دستی به شمار می‌رود که به‌صورت گام‌به‌گام روش‌ها و رویکردهای پیشرفته PLS-SEM را با استفاده از نرم‌افزار SmartPLS فرا می‌گیرد.

موضوعات مهم مطرح‌شده در PLS

موضوعات مهم مطرح‌شده در کتاب آموزش SmartPLS به شرح زیر است:

• الف) تحلیل تترا تأییدی(CTA-PLS)؛
• ب) تحلیل ناهمگنی(FIMIX-PLS)؛
• ج) شاخص‌های برازش GOF(SRMR, dULS, and dG)؛
• د) شاخص برازش HCM؛
• ذ) شاخص روایی افتراقی با ماتریس فورنل-لارکر و HTMT ؛
• ط) ماتریس اهمیت – عملکرد(IPMA)؛
• ظ) تحلیل MICOM؛
• ی) تحلیل چند گروهی(PLS-MGA)؛

کتاب حاضر همه مفاهیم اساسی و موردنیاز به‌منظور درک،  شبیه‌سازی، کاربرد و اجرا مدل‌های ساختاری پیشرفته بر اساس آخرین روش‌های پرکاربرد را شامل می‌شود.

موضوع میانجی‌گری (Mediation) در PLS-SEM

میانجی‌گری (Mediation) زمانی اتفاق می‌افتد که یک متغیر سومی بین دو متغیر دیگر قرارگرفته و تأثیر غیرمستقیم را انتقال دهد.

به‌عبارت‌دیگر، اگر سه متغیر Y1، Y2 و M را در یک مدل مفهومی داشته باشیم، آنگاه متغیر Y1 یک تأثیر مستقیم روی متغیر Y2 دارد که بدون حضور یک متغیر واسطه یا میانجی است.

در مدل‌سازی معادلات ساختاری با PLS-SEM به این تأثیر، اندازه تأثیر مستقیم یا Direct effect گفته می‌شود.

وقتی‌که تأثیر متغیر Y1 روی متغیر Y2 از طریق متغیر واسطه M تحقق یابد، آنگاه دو اثر خواهیم داشت که عبارت‌اند از:

• الف) تأثیر متغیر Y1 روی متغیر میانجی M؛
• ب) تأثیر متغیر میانجی M روی متغیر Y2.

به مجموع تأثیرات ذکرشده اثر غیرمستقیم یا Indirect Effect گفته می‌شود که شامل دو تأثیر است.

به مجموع اثر مستقیم(Direct effect) و اثر غیرمستقیم(Indirect Effect)،  اثر کل یا Total effect گفته می‌شود.

انواع میانجی‌گری در PLS-SEM

در مدل‌سازی معادلات ساختاری با PLS ، سه نوع وضعیت برای متغیر میانجی‌گری خواهیم داشت که وضعیت آن با اندازه‌گیری شاخص VAF محاسبه می‌گردد.

• الف) اگر مقدار شاخص VAF عددی بین 20 % و 80 % باشد، آنگاه نوع میانجی‌گری، میانجی‌گری جزئی(Partial Mediation) می‌باشد.
• ب) اگر مقدار شاخص VAF عددی بالای 80 % باشد، آنگاه نوع میانجی‌گری، میانجی‌گری کامل(Full Mediation) می‌باشد.
• ج) اگر مقدار شاخص VAF عددی کمتر از 20 % باشد آنگاه میانجی‌گری نخواهیم داشت و معروف به Absence Mediation است.

متغیر تعدیلگر(Moderator) در PLS

• یکی از مباحث مهم در مدل‌سازی معادلات ساختاری با SmartPLS ، موضوع تعدیلگر(Moderator) است.
• تصور کنید که یک متغیر وابسته(Dependent Variable) داریم که از سوی یک متغیر پیش‌بین یا مستقل(Predictor Variable) به آن پیکانی وارد می‌شود.
• حال یک متغیر دیگری با نام متغیر تعدیلگر(Moderator)، رابطه بین این دو را تعدیل می‌کند.
• متغیر تعدیلگر(Moderator) می‌توانید یک شدت یک تأثیر یا رابطه را کم یا زیاد کند.

متغیر تعدیلگر(Moderator) یک روش خاصی برای انجام دارد به‌طوری‌که ابتدا باید یک متغیر جدیدی با نام متغیر تعدیلگر که حاصل‌ضرب گویه های متغیر مستقل(Predictor Variable) و خود تعدیلگر است که در اسمارت پی ال اس(SmartPLS 2) نسخه دوم با رنگ بنفش و در اسمارت پی ال اس نسخه سوم (SmartPLS v 3.3.3) با رنگ سبز ایجاد و نمایش داده می‌شود.