برازش مدل در حداقل مربعات جزئی

Authors

  • آرش حبیبی - دکتری، گروه مدیریت بازاریابی، دانشگاه اصفهان، اصفهان، ایران Author
  • راحله جلال‌نیا - کارشناسی ارشد، گروه مدیریت بازرگانی، دانشگاه پیام نور، تهران، ایران Author

Keywords:

حداقل مربعات جزئی, شاخص‌های برازش, دو به‌هنجار

Abstract

برازش مدل نشان می‌دهد یک مدل نظری تا چه اندازه بر یک مدل تجربی منطبق است. به دیگر سخن با استناد به شاخص‌های برازش می‌توان استنتاج کرد که یک مدل نظری پس از گردآوری داده‌ها و اعتبارسنجی براساس شواهد تجربی نیز مورد تایید قرار می‌گیرد. در این مطالعه کاربردی که با روش پیمایش مقطعی انجام شد پژوهشگران به تبیین و تشریح شاخص‌های برازش با روش حداقل مربعات جزئی پرداختند. همچنین یک شاخص برازش جدید برای حداقل مربعات جزئی نیز شناسایی گردید. اگرچه شاخص‌های گوناگونی برای برآورد میزان تناسب مدل در روش‌های مبتنی بر مدل معادلات ساختاری کوواریانس‌محور وجود دارد اما در روش‌های مبتنی بر حداقل مربعات جزئی با محدودیت‌هایی همراه است. با گسترش نسخه سه و چهار این نرم‌افزار امکان برآورد برخی از این شاخص‌ها فراهم گردید. در این مقاله تمامی شاخص‌های تناسب مدل با نرم‌افزار حداقل مربعات جزئی تشریح گردیده است. ضمن اینکه شیوه برآورد شاخص خی-دو به‌هنجار در این نرم‌افزار برای بار نخست نوآوری شده است.

Author Biographies

  • آرش حبیبی, - دکتری، گروه مدیریت بازاریابی، دانشگاه اصفهان، اصفهان، ایران

                                                           

  • راحله جلال‌نیا, - کارشناسی ارشد، گروه مدیریت بازرگانی، دانشگاه پیام نور، تهران، ایران

                                                                

References

1. Henseler, J., Dijkstra, T. K., Sarstedt, M., Ringle, C. M., Diamantopoulos, A., Straub, D. W., Ketchen, D. J., Hair, J. F., Hult, G. T. M., and Calantone, R. J. 2014. Common Beliefs and Reality about Partial Least Squares: Comments on Rönkkö & Evermann (2013), Organizational Research Methods, 17(2): 182-209.

2.Lohmöller, J.-B. (1989). Latent Variable Path Modeling with Partial Least Squares, Physica: Heidelberg.

3.Bentler, P. M., & Bonett, D. G. (1980). Significance tests and goodness of fit in the analysis of covariance structures. Psychological bulletin, 88(3), 588.

4.Cai, L., Chung, S. W., & Lee, T. (2023). Incremental model fit assessment in the case of categorical data: Tucker–Lewis index for item response theory modeling. Prevention Science, 24(3), 455-466.

5.Wetzels, M., Odekerken-Schröder, G., & Van Oppen, C. (2009). Using PLS path modeling for assessing hierarchical construct models: Guidelines and empirical illustration. MIS quarterly, 177-195.

6.Tenenhaus, M., Amato, S., & Esposito Vinzi, V. (2004, June). A global goodness-of-fit index for PLS structural equation modelling. In Proceedings of the XLII SIS scientific meeting (Vol. 1, pp. 739-742).

7.Hair Jr, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2021). A primer on partial least squares structural equation modeling (PLS-SEM). Sage publications.

8.Schumacker, R. E., & Lomax, R. G. (2004). A beginner's guide to structural equation modeling. Psychology press.

9.Hair, J. F., Hollingsworth, C. L., Randolph, A. B., and Chong, A. Y. L (2017). An Updated and Expanded Assessment of PLS-SEM in Information Systems Research. Industrial Management & Data Systems, 117(3): 442-458.

10.Cohen, J. E. (2013). Statistical Power Analysis for the Behavioral Sciences. Hillsdale, NJ: Lawrence Erlbaum Associates, Inc.

Downloads

Published

2024-10-22

How to Cite

برازش مدل در حداقل مربعات جزئی. (2024). Development Engineering Conferences Center Articles Database, 1(3). https://pubs.bcnf.ir/index.php/Articles/article/view/87

Similar Articles

1-10 of 96

You may also start an advanced similarity search for this article.