چه زمانی PLS و چه زمانی کوواریانسمحور؟
مدلسازی معادلات ساختاری دو خانواده دارد: روش کوواریانسمحور (CB-SEM) که در AMOS و Lisrel اجرا میشود، و روش واریانسمحور یا حداقل مربعات جزئی (PLS-SEM) که SmartPLS ابزار اصلی آن است. انتخاب بین این دو به هدف پژوهش بستگی دارد:
| معیار | PLS-SEM | CB-SEM |
|---|---|---|
| هدف | پیشبینی و توسعه نظریه | تأیید و آزمون نظریه |
| حجم نمونه | نمونههای کوچک را تحمل میکند | نمونه بزرگتر لازم دارد |
| توزیع داده | نیازی به نرمال بودن ندارد | نرمال بودن چندمتغیره مهم است |
| پیچیدگی مدل | مدلهای بزرگ با سازههای زیاد | مدلهای نسبتاً سادهتر |
| شاخص برازش کلی | محدود (عمدتاً SRMR) | مجموعه کامل شاخصها |
قاعده سرانگشتی حجم نمونه در PLS این است که نمونه دستکم ده برابر بیشترین تعداد مسیرهایی باشد که به یک سازه وارد میشوند. این قاعده تقریبی است و برای پژوهشهای جدی، تحلیل توان آماری جایگزین بهتری است.
ترسیم مدل در SmartPLS
- پروژه جدید بسازید و فایل داده را با فرمت CSV وارد کنید. ستونها باید نام لاتین و بدون فاصله داشته باشند و داده گمشده از قبل مدیریت شده باشد.
- سازههای پنهان را روی صفحه ایجاد کنید و گویههای مربوط به هر سازه را از فهرست متغیرها به آن اضافه کنید.
- با ابزار Connect، مسیرهای فرضی بین سازهها را بر اساس مدل مفهومی پژوهش رسم کنید.
- نوع مدل اندازهگیری هر سازه را مشخص کنید: انعکاسی (گویهها بازتاب سازهاند) یا تکوینی (گویهها سازه را میسازند). این انتخاب کل مسیر ارزیابی را تغییر میدهد.
ارزیابی مدل اندازهگیری
ابتدا الگوریتم PLS Algorithm را اجرا کنید. سه معیار زیر باید بررسی شود:
بارهای عاملی
بار هر گویه روی سازه خودش باید دستکم ۰٫۷ باشد. گویههایی با بار بین ۰٫۴ تا ۰٫۷ فقط در صورتی حذف میشوند که حذفشان پایایی ترکیبی یا AVE را به بالای حد مجاز برساند. بار کمتر از ۰٫۴ معمولاً حذف میشود.
پایایی
| شاخص | حد مجاز |
|---|---|
| آلفای کرونباخ | بیشتر از ۰٫۷ |
| پایایی ترکیبی (CR) | بیشتر از ۰٫۷ |
| rho_A | بیشتر از ۰٫۷ |
روایی همگرا
میانگین واریانس استخراجشده (AVE) باید بیشتر از ۰٫۵ باشد؛ یعنی سازه بیش از نیمی از واریانس گویههایش را تبیین کند. اگر AVE کمتر از ۰٫۵ شد، ابتدا گویههایی با کمترین بار عاملی را بررسی کنید.
روایی واگرا
روایی واگرا نشان میدهد هر سازه واقعاً از سازههای دیگر متمایز است. سه روش برای بررسی آن وجود دارد:
- معیار فورنل-لارکر: جذر AVE هر سازه باید از همبستگی آن سازه با تمام سازههای دیگر بزرگتر باشد.
- بارهای متقاطع: بار هر گویه روی سازه خودش باید از بارش روی سایر سازهها بیشتر باشد.
- نسبت HTMT: معیار جدیدتر و دقیقتر. مقدار آن باید کمتر از ۰٫۸۵ باشد؛ در مدلهایی که سازهها مفهومی نزدیک دارند تا ۰٫۹ هم پذیرفته میشود.
در سالهای اخیر داوران مجلات بیشتر روی HTMT تمرکز دارند تا فورنل-لارکر. اگر فقط جدول فورنل-لارکر را گزارش کنید، احتمال درخواست اصلاح وجود دارد.
ارزیابی مدل ساختاری
پس از تأیید مدل اندازهگیری، نوبت به بررسی فرضیههاست:
- همخطی (VIF): مقدار VIF بین سازهها باید کمتر از ۵ باشد (ترجیحاً کمتر از ۳). مقادیر بالاتر یعنی سازهها اطلاعات تکراری دارند.
- ضرایب مسیر: جهت و شدت هر رابطه را نشان میدهند و بین ۱- تا ۱+ قرار دارند.
- ضریب تعیین (R²): مقادیر ۰٫۱۹، ۰٫۳۳ و ۰٫۶۷ بهترتیب ضعیف، متوسط و قوی تفسیر میشوند.
- اندازه اثر (f²): مقادیر ۰٫۰۲، ۰٫۱۵ و ۰٫۳۵ بهترتیب کوچک، متوسط و بزرگ هستند.
- قدرت پیشبینی (Q²): با اجرای Blindfolding محاسبه میشود و مقدار بزرگتر از صفر یعنی مدل قدرت پیشبینی دارد.
بوتاسترپینگ
معناداری ضرایب مسیر در PLS با روش بوتاسترپینگ به دست میآید، نه با فرض توزیع نرمال. تعداد زیرنمونهها را روی ۵۰۰۰ بگذارید و خروجی را اینگونه بخوانید:
| آماره t | سطح معناداری |
|---|---|
| بزرگتر از ۱٫۹۶ | معنادار در سطح ۰٫۰۵ |
| بزرگتر از ۲٫۵۸ | معنادار در سطح ۰٫۰۱ |
| بزرگتر از ۳٫۲۹ | معنادار در سطح ۰٫۰۰۱ |
گزارش نتایج
گزارش استاندارد PLS-SEM معمولاً شامل این بخشهاست:
- جدول بارهای عاملی، آلفا، CR و AVE برای همه سازهها.
- جدول روایی واگرا (فورنل-لارکر و HTMT).
- تصویر مدل ساختاری همراه با ضرایب مسیر و R².
- جدول آزمون فرضیهها شامل ضریب مسیر، آماره t، سطح معناداری و نتیجه.
- مقدار SRMR بهعنوان شاخص برازش (کمتر از ۰٫۰۸ مطلوب است).
نتایج نشان داد کیفیت خدمات بر رضایت مشتری اثر مثبت و معناداری دارد (β = ۰٫۴۲، t = ۶٫۱۸، p < ۰٫۰۰۱) و مدل ۳۸ درصد از واریانس رضایت مشتری را تبیین میکند (R² = ۰٫۳۸).
جمعبندی
- PLS برای پیشبینی، نمونه کوچک و داده غیرنرمال مناسبتر است.
- ابتدا مدل اندازهگیری را تأیید کنید، سپس سراغ فرضیهها بروید.
- بار عاملی بالای ۰٫۷، CR بالای ۰٫۷ و AVE بالای ۰٫۵ حد مجاز است.
- برای روایی واگرا حتماً HTMT را گزارش کنید.
- معناداری مسیرها با بوتاسترپینگ ۵۰۰۰ زیرنمونه به دست میآید.