تحلیل آماری با SmartPLS

تحلیل آماری با SmartPLS

انجام تحلیل اماری با SPLS

نرم افزار mart-PLS یک نرم افزار کاربردی برای طراحی مدل های معادلات ساختاری (SEM) در یک رابط کاربری گرافیکی است. این مدل ها را می توان با استفاده از روش مربعات جزئی حداقل (PLS) ارزیابی کرد. این نرم افزار به عنوان بخشی از پروژه ای که توسط انستیتوی مدیریت عملکرد و سازمان های دانشگاه هامبورگ آلمان اجرا شده است ، طراحی شده است. نرم افزار Smart-PLS از فناوری Java WebStart استفاده می کند. بنابراین استفاده از این نرم افزار در کلیه سیستم عامل ها امکان پذیر است.

برخلاف مدلهای مبتنی بر کوواریانس ، مدل سازی مسیر با استفاده از روش PLS تا سالهای اخیر به ندرت در علوم اجتماعی مورد استفاده قرار گرفته است. با این حال ، الگوریتم اساسی آن در دهه 1980 توسعه یافته و اولین نرم افزار آن ، LVPLS دهه ، در دسترس بود. دلایل استفاده محدود از این نرم افزار را می توان به سهولت استفاده و مشکلات روش شناختی آن نسبت داد.

این نرم افزار را می توان به عنوان صفحات وب ، اکسل و لاتکس مشاهده کرد.

همچنین لازم به ذکر است که Smart-PLS قادر به پردازش داده های خام مانند لیزر ل و Amos است.

نرم‌افزار Smart-PLS نرم افزاری بسیار مفید و کارآمد برای طراحی مدل‌های معادلات ساختاری در محیط کاربری گرافیکی است. که مدل‌ها فکری یا انتزاعی و یا مفهومی و تعدیلگر و میانجی می‌توانند با استفاده از روش تحلیل حداقل مربعات جزئی (PLS: Partial Least Squares) ارزیابی گردند. این نرم افزار در موسسه مدیریتی در دانشگاه هامبورگ آلمان برنامه نویسی و طراحی شد. نرم‌افزار Smart-PLS از تکنولوژی جاوا استفاده می‌کند. لذا، امکان استفاده از این نرم‌افزار بر روی اغلب سیستم‌های عاملها وجود دارد.

نمونه تحلیلی گرافیکی از خروجی نرم افزار spls

Export نرم‌افزار در قالب صفحات web ، exle و latex مشاهده نمود. لازم به ذکر است که Smart-PLS نیز مانند لیزرل و AMOs قابلیت پردازش دیتای خام CSV را توسط SPSS یا اکسل ایجاد می‌شود را داراست.که دارد. این نرم‌افزار داده‌های ورودی با فرمت را که توسط SPSS یا Excel ایجاد می‌شود را دارد.

Smart-PLS تخصصی ترین نرم افزار آماری

نرم افزار Smart-PLS نسخه 3.2.8 شامل بیشترین امکانات طراحی شده برای تحلیل آماریست است . برای مثال در این زمینه می‌توان از ماتریس تحلیل ویژه عملکرد (IMPA)و تحلیل چند گروهی (MGA) ، مدل های جزئی سلسله مراتبی، مدل‌های مرتبه دوم، روابط غیر خطی ، تحلیل تاییدی 4 مرحله‌ای (CTA)، بخشبندی ترکیب محدود (FIMIX) و بخش بندی پیشبینی گرا (POS) نام برد. این نسخه از نرم افزار، بهترین ترین و کارامدترین نسخه آن نسبت به قبل است.

اهمیت تجزیه و تحلیل داده ها با spls

مهم تحلیل آماری با SmartPLS بودن روزافزون تجزیه و تحلیل دقیق داده ها در تحقیقات علمی سبب شده است تا جامعه علمی توجه بیشتری به این موضوع داشته باشند. درست همانطور که یک مطالعه علمی بدون بررسی ادبیات در مورد موضوع و ارائه نظریه ها ناقص است ، افزودن تحقیقات میدانی به نظریه های مورد نظر ، بعد دیگری را به تحقیق می افزاید و اعتبار آن را بسیار افزایش می دهد. برای این منظور ، داده های جمع آوری شده توسط محقق از اعضای نمونه آماری تحقیق او باید برای تفسیر نتایج و تعمیم نتایج مورد تجزیه و تحلیل قرار گیرد.

ابزار مدل سازی معادلات ساختاری SEM

در علوم انسانی و علوم اجتماعی ، داده های تحقیق بصورت یکنواخت و کلی با استفاده از چندین روش تحلیل آماری که تاکنون معرفی شده اند ، تجزیه و تحلیل می شوند. در همین زمان ، مدل معادلات ساختاری (SEM) که در اواخر دهه 1960 معرفی شد ، به محققان اجازه داد تا رابطه بین متغیرهای چندگانه را در یک مدل بررسی کنند. قدرت این تکنیک برای توسعه تئوری ها باعث شده است تا آن را در رشته های مختلف از جمله بازاریابی ، مدیریت منابع انسانی ، مدیریت استراتژیک و سیستم های اطلاعاتی بطور گسترده مورد استفاده قرار دهد.

دلایل استفاده از حداقل مربعات جزئی SEM nv در spls

یکی از اصلی ترین دلایلی که محققان از SEM استفاده گسترده ای کرده اند ، توانایی آزمایش تئوری ها به صورت معادلات بین متغیرها است. یکی دیگر از دلایل اندازه گیری خطا با این روش ، این است که به محقق اجازه تجزیه و تحلیل داده های خود ر با خطای اندازه گیری گزارش دهد.

نرم افزار های مدل سازی معادلات ساختاری

مدل سازی معادلات ساختاری تاکنون با دو نسل از روش های تحلیل داده ها معرفی شده است. اولین نسل از روشهای مدل سازی معادلات ساختاری روشهای مبتنی بر کواریانس است که هدف اصلی اعتبار سنجی مدل و نیاز به نمونه های با حجم بالا است. LISREL ، AMOS ، EQS و MPLUS چهار نرم افزار مورد استفاده در این نسل هستند.

چند سال پس از معرفی روش مبتنی بر کوواریانس ، به دلیل ضعف آن ، نسل دوم روشهای مبتنی بر معادلات ساختاری معرفی شد. روشهای مبتنی بر مؤلفه ، که بعداً به حداقل مربعات تغییر نام دادند ، روشهای مختلفی برای تجزیه و تحلیل داده های نسل اول ارائه دادند.

پس از معرفی روش حداقل مربعات جزئی ، بسیار رایج شده و بسیاری از محققان علاقه خود را به استفاده از آن نشان داده اند. مهمترین نرم افزار برای این روش Smart PLS است.

دلایل استفاده از pls و SmartPls در مقالات و پایان نامه ها

محققان دلایل مختلفی برای استفاده از PLS ذکر کردند. دلیل اصلی برتری این روش در نمونه های کوچک است. دلیل زیر برای داده های غیر طبیعی پردازش شده توسط محققان در برخی تحقیقات این است که آخرین دلیل استفاده از PLS قرار گرفتن در معرض مدل های اندازه گیری سازنده است.

دلایل استفاده از PLS - SEM عبارتند از:

اندازه نمونه پایین (حجم پایین نمونه)

داده های غیر نرمال

نظریه و توسعه نظریه

با استفاده از متغیرهای طبقه بندی شده

آزمون نظریه و فرضیه

آزمون فرضیه شامل متغیرهای تعدیلگر یا میانجی

مدل های اندازه گیری انتزاعی سازنده

قدرت پیش بینی کننده

پیچیدگی مدل (بسیاری از ساختارها و شاخص ها)

بهترین دلیل برای استفاده از PLS

با توجه به موارد فوق ، اندازه کوچک نمونه بهترین دلیل برای استفاده از pls است. روشهای مدل سازی معادلات ساختاری نسل اول با استفاده از نرم افزارهایی مانند LISREL ، EQS و AMOS به تعداد زیادی نمونه نیاز دارند ، در حالی که PLS (SME) می تواند نمونه های بسیار کمی را کنترل کند.

مزیت مهم دیگری که محققان از آن استفاده می کنند ، امکان استفاده از مدل های اندازه گیری تک شاخص در روش PLS-SEM است. این روش به محقق اجازه می دهد تا از مدل های اندازه گیری یک سوالدر مدل تحقیق خود استفاده کند.

برای دانلود نرم‌افزار Smart-PLSبه سایت رسمی آن به آدرس https://www.smartpls.com/ رفته و نسخه رایگان 30 روز را دریافت کنید .

تکنیک Partial Least Squares یا حداقل مربعات جزئی یکی از نرم افزار ها و تکنیک هایی است که برای محقین بسیار ناشناخته بود. از زمان معرفی نسخه های جدید مدلسازی معادلات ساختاری مبتنی بر کوواریانس (spls) توسط کارل یورسکوگ در 1973، این روشمحبوبیت بسیار زیادی را در بین محققین تجربی به خود جلب کرده است. یکی از مهمترین دلایل گرایش پژوهشگران به استفاده از روش حداقل مربعات جزئی این است که این روش به فرض نرمال بودن جامعه و همچنین حجم نمونه وابسته نیست. این در حالی است که برای انجام تکنیک معادلات ساختاری و نرم‌افزار یا AMOs , lisrel به حجم زیادی از داده‌ها نیاز است..

نظرات اساتید کشور های مختلف در مورد Smart pls

رسول غلامزاده ، عضو هیئت علمی دانشگاه پیام نور ، ایران

"PLS-SEM در دهه گذشته پیشرفت بسیار دلپذیری را نشان داد." امروز ، SmartPLS محبوب ترین نرم افزار برای روش PLS-SEM است. تیم SmartPLS از توسعه دهندگان کار کرده اند. سخت برای رهاسازی SmartPLS 3. پس از مشاهده و استفاده از آخرین نسخه نرم افزار ، می گویم ABC ، ​​شگفت انگیز ، زیبا و کامل است. "

پروفسور جو مو و spls

"SmartPLS 3 تعدادی “bells and whistles”جدید و مفید را به قابلیت های نرم افزار و البته توانایی محقق در درک بهتر اندازه گیری و ساختاری اضافه می کند.

دکتر مارکو سارستت ، استاد بازاریابی ، دانشگاه اتو فون-گوئریک ، مگدبورگ ، آلمان.

"من سابقه طولانی در فن آوری (مدیریت محصول و مهندسی) دارم و چندین سال است که برنامه های کاربردی را توسعه داده ام." فکر می کنم امروز SmartPLS 3 بهترین محصول SEM در بازار است و من قطعاً آن را ترجیح می دهم. مانند AMOS و MPLUS. "

لوری D. کندال ، دانشجوی دکترای مدیریت ، دانشگاه Case Western Reserve هنکی لاتان ، محقق مستقل در دانشگاه پاتیمورا ، اندونزی

"من از SmartPLS با موفقیت برای تحقیقات دکترا استفاده کردم که توسط نرم افزار SmartPLS بررسی شده است. من به شدت توصیه می کنم SmartPLS یک محقق برای تأثیرات مستقیم و غیرمستقیم مدل من باشد.

برای سفارش تحلیل آماری فوری اکنون تماس بگیرید 09158238830 09309071077 واتساپ

روش pls چیست؟

روش pls چیست؟ یکی از روش های واریانس محور بر اساس روش کمترین مربعات جزئی بوده که می توان با طراحی یک پرسشنامه استاندارد که دارای روایی و پایایی قابل قبول باشد، نسبت به بررسی روابط علی متغیرهای مستقل، میانجی و وابسته با یکدیگر، از آن استفاده کرد. این نرم افزار به منظور تحلیل آماری فصل چهارم پایان نامه کارشناسی ارشد و دکتری، کاربرد زیادی دارد. یکی از دلایل اصلی زیاد بودن طرفداران این نرم افزار آماری، سهولت کار با آن، تحلیل مدل های ساده تا بسیار پیچیده و در اختیار داشتن دیتا ست های محدود برای اجرای یک مدل با استفاده از قاعده 10 برابری است. برای دانلود کرک جدیدترین نسخه نرم افزار smart pls کلیک کنید.

آموزش تحلیل آماری smart pls 3.3.7

برای انجام تحلیل آماری با smart pls 3.3.7 باید پژوهشگران با اصطلاحات کلیدی در حوزه آمار و مدل سازی تحلیل آماری با SmartPLS معادلات ساختاری آشنایی کامل و تسلط خوبی داشته باشند. یکی از موضوعات اصلی در مدل سازی با نرم افزار های آماری، موضوع پرطرفدار «برازش و اصلاح مدل در pls و راه های تصحیح آن» است. قطعا هر نرم افزاری، الگوریتم تحلیل خود را دارد و کاربران باید به درستی آن را فرا گیرند. الگوریتم تحلیل داده ها در smart pls شامل سه بخش برازش مدل های اندازه گیری، برازش مدل ساختاری و در نهایت، برازش مدل کلی است. جهت انجام تحلیل آماری با اسمارت پی ال اس 3 ، گزارش همه این بخش ها در فصل چهارم پایان نامه امری مهم و حیاتی بوده و به عبارت دیگر، لاینفک است. شاخص هایی از جمله بار عاملی در smart pls (CROSS LOADING >0.4)، ضریب آلفای کرونباخ و پایایی اشتراکی یا مشترک (CR>0.7)، میانگین واریانس استخراج شده (AVE>0.05)، جملگی تنها تعدادی از شاخص های برازش مدل در pls به شمار می روند.

تفاوت ضریب مسیر و بار عاملی در PLS

ضریب مسیر و بار عاملی در نرم افزار اسمارت پی ال اس 3، جز شاخص های مهم برازش مدل های اندازه گیری و مدل ساختاری به شمار می روند. حتی برازش مدل کلی که از دو شاخص SRMR و NFI استفاده می کند و باید بترتیب کمتر از 0.08 و بالاتر از 0.9 باشد؛ به برازش درست این شاخص ها بستگی دارد. تفاوت ضریب مسیر و بار عاملی در pls را چنین می تواند تشریح کرد که هر سوال در نرم افزار اسمارت پی ال اس، به صورت یک باکس مستطیل زرد رنگ نمایش داده می شود. همانطور که در شکل فوق نیز نشان داده شده، هر یک از این باکس های زرد به یک دایره آبی با یک پیکان متصل شده اند و مقدار اعشاری از 0.4 تا 0.9 و یا عددی بین این بازه را به خود اختصاص داده است. بار عاملی در pls، اساسا نباید از مقدار 0.4 پایین تر باشد (هیر و همکاران، 2022). اگر سوالی در مدل مفهومی داخل نرم افزار، مقدار بار عاملی کمتر از 0.4 را به خود اختصاص داد، باید آن را از مدل به صورت گام به گام حذف کنیم تا به برازش مدل های اندازه گیری برسیم. اما ضریب مسیر در pls به همان مقادیری گفته می شود که روی پیکان های متصل کننده دو دایره آبی گزارش شده اند. تفاوت ضریب مسیر و بار عاملی در pls در جایگاه و نوع تفسیر آن هاست.

آماره t در pls

یکی از خروجی های مهم در نرم افزار های کمترین مربعات جزئی، آماره t در pls است. آماره t که گاها در گزارش ها به t-value معروف است؛ یکی از شاخص های برازش مدل ساختاری است که مقدار آن پس از اجرای دستور بوت استراپینگ (bootstrapping) حاصل می شود. شاخص قابل قبول برای حفظ و معنی داری بار های عاملی و معنی داری یک فرضیه علی بین دو متغیر مستقل و وابسته، کسب مقدار بالای 1.96 در سطح اطمینان 95 درصد یا سطح خطای 0.05 درصد است. تمام این موضوعات در آموزش معادلات ساختاری با pls تدریس شده است.

نرم افزار Smart PLS یک ابزار ناپارامتریک

توجه داشته باشید که نرم افزار اسمارت پی ال اس pls معروف به نرم افزار کمترین مربعات جزئی (Partial Least Sqaures) است که یک نرم افزار ناپارمتریک (Non-parametic) است. شاید این سوال برای شما مطرح گردد که منظور از ناپارامتریک چیست؟ به طور کلی، دو دسته از آزمون ها و نرم افزار در آمار وجود دارد: الف) آزمون های ناپارامتریک (Non-parametic Test)؛ ب) آزمون های پارامتریک (Parametric test). وقتی که توزیع داده های نمونه آماری پژوهش تان، نرمال (Normal Distribution) است؛ باید از آزمون یا نرم افزار های پارامتریک استفاده کنیم. اما وقتی اینگونه نیست و توزیع داده های پژوهش، غیر نرمال (Unnormal Distribution) است، از آزمون یا در صورت امکان، بهتر است از نرم افزار های ناپارامتریک استفاده کنیم. یکی از این نرم افزار ها، اسمارت پی ال اس Smart PLS است. یعنی وقتی برای بررسی فرضیات مدل مفهومی پژوهشتان از این نرم افزار قصد دارید استفاده کنید، دیگر نیازی نیست که توزیع داده های پژوهشتان، نرمال باشد. لذا می توان گفت که در این نرم افزار، مسئله نرمال بودن توزیع داده ها در pls منتفی است.

نسخه های نرم افزار pls

توجه داشته باشید که نرم افزار Smart PLS در دو نسخه ارائه شده است. اسمارت پی ال اس نسخه 2 (Smart PLS v2) و اسمارت پی ال اس نسخه 3 (Smart PLS v3). مدتهاست که نسخه دوم نرم افزار اسمارت پی ال اس منسوخ شده و نسخه سوم این نرم افزار مورد استقبال بسیاری از پژوهشگران و اساتید دانشگاه ها قرار گرفته است و توجهات زیادی را به خود معطوف نموده است. شایان ذکر است که قبل از اینکه فرضیاتتان را در نرم افزار اسمارت پی ال اس رد یا پذیرش کنید، باید سه مرحله اساسی را پشت سر بگذارید.

3 مرحله اصلی تحلیل با نرم افزار smart pls

3 مرحله اصلی تحلیل با نرم افزار smart pls در تحلیل آماری فصل چهارم پایان نامه بسیار مهم است؛ تمام این اقدامات به الگوریتم تحلیل داده ها با Smart PLS معروف است.

1- برازش مدل های اندازه گیری (Measurment Models test)

گام اول، برازش مدل های اندازه گیری (Measurment Models test) در pls است. مدل های اندازه گیری بر اساس چند شاخص ارزیابی می شوند.

الف) شاخص بارهای عاملی (Cross loading/Outer Loading): شاخص اول برازش مدل های اندازه گیری بر اساس شاخص بارهای عاملی (Cross loading/Outer Loading) است. یعنی باید تمام سوالاتی که به دایره های آبی رنگ متصل هستند؛ صرفنظر از اینکه سازه تکوینی (Formative Latent Variable) است یا انعکاسی (Reflective Latent Variable) ، که در ویدئو های بعدی به طور مفصل در مورد آن ها، صحبت خواهیم کرد، باید مقدار بالای 0.4 را به خود اختصاص داده باشند. اگر بار عاملی در pls برای سوالی، کمتر از 0.4 را کسب کرده باشد باید از مدل خارج شود. حال گاهی اوقات، به تعداد سوالات متعددی برخورد می کنیم که بار عاملی آن ها ، کمتر از 0.4 بوده و حال نمی توانیم که همه ی آنها را حذف کنیم. دو احتمال هنگامی که بارهای بیرونی کمتر از 0.4 هستند. در چنین صورتی دو احتمال وجود دارد:

• اول اینکه افراد پاسخ دهنده به سوالات با بی توجهی پاسخ داده اند.
• دوم اینکه، تعداد پرسشنامه های توزیع شده نسبت به متغیر های اندازه گیری شده، کم است.

لذا باید با دقت پژوهشگران مان این مرحله را پشت سر بگذارند. از سوی دیگر، نیازی نیست که برای اندازه گیری یک متغیر پنهان/متغیر مکنون یا متغیر غیر آشکار، از تعداد سوالات متعددی استفاده کنیم. برای سنجش یک متغیر از 5 تا 7 آیتم استفاده کنید. برای یک سازه یا متغیر، حداقل 5 سوال و حداکثر 7 سوال کفایت می کند. شما نیز سعی کنید از پرسشنامه های استاندارد استفاده کنید که این مشکل برایتان در گام های بعدی پژوهش رخ ندهد که در مقاله های بعدی در مورد آنها صحبت می کنیم.

ب) شاخص های آلفای کرونباخ (Cronbach Alpha) و پایایی مرکب یا پایایی اشتراکی (Composite Relaibility)

گام دوم در برازش مدل های اندازه گیری در pls ، شاخص های آلفای کرونباخ (Cronbach Alpha) و پایایی مرکب یا پایایی اشتراکی (Composite Relaibility) است. برای هر دو این شاخص ها، مقدار بدست آمده برای هر متغیر، باید بالای 0.7 باشد. توجه داشته باشید که همیشه مقدار ضریب پایایی ترکیبی یا اشتراکی (CR) از مقدار ضریب آلفای کرونباخ بالاتر بوده و از نظر برخی از پژوهشگران، استناد به این شاخص بهتر و معتبر تر است.

2- برازش مدل های ساختاری (Structural Model test)

ج) مقدار میانگین واریانس استخراج شده (Average Variance Extracted)

شاخص بعدی که در این مدل ها باید بررسی گردد، مقدار میانگین واریانس استخراج شده (Average Varaince Extracted) است که باید برای کلیه متغیر های پژوهش بالای 0.5 باشد. اگر متغیری مقدار پایین تر از 0.5 را کسب کرد، باید از میان سوالات آن سازه گویه ای را حذف کرد که پایین ترین مقدار است. سپس باید دستور پی ال اس الگوریتم (PLS Algorithm) را اجرا نمود.

یادآوری: توجه داشته باشید اگر این مقدار بسیار پایین باشد و شما نیز در مدل برای آن سازه متناظر، سوالاتی با گویه های بسیار پایین داشته باشید، نباید همه گویه ها را به یکباره حذف کنید. باید ابتدا پایین ترین گویه از حیث بار عاملی در pls را بیابید، سپس آن را از مدل حذف کرده و در نهایت، پی ال اس الگوریتم را اجرا نمایید. دانش پذیران عزیزم، در این مقاله در ارتباط با برازش مدل سازی معادلات ساختاری (Structural Equation Modeling) با اسمارت پی ال اس نسخه سوم (Smart PLS v3) صحبت شد. در ادامه توجه شما را به دو ویدئو ضمیمه شده جلب می کنم. در مقاله های بعدی در ارتباط با برازش مدل ساختاری در نرم افزار pls صحبت خواهیم کرد.

نمونه تحلیل با SMARTPLS

نمونه تحلیل با SMARTPLS، شامل آمار توصیفی و آمار استنباطی است. نرم افزار SMARTPLS برای محاسبه مدل معادلات ساختاری استفاده می شود. حداقل مربعات جزئی PLS (Partial Least Square)، مدل معادلات ساختاری مبتنی بر واریانس است. تکنیک PLS یک تکنیک SEM بر اساس یک رویکرد تکراری که واریانس توضیح داده شده سازه های درون زا را به حداکثر می رساند. توانایی این رویکرد در کار با داده های اندک، عدم حساسیت به نرمال بودن داده ها، توانایی در پیش بینی و پشیتبانی از مدل های بسیار پیچیده است.

محبوبیت مدل سازی معادلات ساختاری (SEM) به دلیل نیاز به آزمایش کامل نظریه ها و مفاهیم افزایش یافته است. موفقیت روش SEM را می توان به توانایی آن برای ارزیابی هم زمان متغیرهای پنهان و روابط بین متغیرهای پنهان نسبت داد. دو نسل مدل معادلات ساختاری وجود دارد. در مطلب مدل معادلات ساختاری در مورد نسل اول و دوم این مدل ها توضیح داده شد. حداقل مربعات جرئی نسل دوم از مدل های معادلات ساختاری است.

نمونه فصل چهارم پایان نامه با نرم افزار SMARTPLS

فصل چهارم پایان نامه با نرم افزار SMARTPLS برای یک مدل با متغیرهای مستقل، وابسته و واسطه ای نشان داده شده است. تحلیل براساس نرم افزار SMARTPLS در دو بخش آمار توصیفی و آمار استنباطی انجام شده است. تحلیل های انجام شده عبارتند از:

آمار توصیفی جمعیت شناختی، آمار توصیفی متغیرهای تحقیق، آزمون نرمال بودن، آزمون همبستگی، مدل بیرونی و در نهایت مدل معادلات ساختاری (مدل درونی)، شاخص های برازش مدل معادلات ساختاری.

آمار توصیفی در نمونه تحلیل AMOS

ابتدا ویژگی های جمعیت شناختی در نمونه تحلیل با SMARTPLS مورد بررسی قرار گرفته است. جنسیت، سن و دیگر ویژگی ها در این قسمت بررسی می شوند.

آمار جمعیت شناختی در نمونه تحلیل PLS

جهت تحلیل توصیفی متغیرهای تحقیق از پارامترهای مرکزی (میانگین، میانه و مد) و پارامترهای پراکندگی (انحراف معیار، واریانس و دامنه تغییرات) مطابق شکل استفاده شده است.

آمار توصیفی متغیرها در نمونه تحلیل PLS

ضریب آلفای کرونباخ در نمونه تحلیل PLS

آزمون از پایایی زمانی از قابل قبولی برخوردار است که ضریب آلفا بیشتر از ۰.۷ باشد.

آلفای کرونباخ در نمونه تحلیلPLS

پایایی ترکیبی در نمونه تحلیل PLS

معیاری جهت اندازه گیری پایایی، پایایی ترکیبی می باشد. به نوعی جانشین برای آلفای کرونباخ در تحلیل SEM می باشد.

پایایی ترکیبی در نمونه تحلیل PLS

میانگین واریانس استخراج شده در نمونه تحلیل PLS

مقایسه‌ی مقادیر AVE در متغیرهای پنهان نشان از مناسب بودن این معیار با مقدار استاندارد۰.۵ میباشد.

شاخص AVE در نمونه تحلیل PLS

ماتریس فورنل لارکر در نمونه تحلیل PLS

ماتریس فورنل لارکر میزان رابطه ی سازه با شاخص­هایش در مقایسه رابطه آن سازه با سایر سازه ­ها است؛ به­ گونه­ تحلیل آماری با SmartPLS ای که روایی واگرای قابل قبول یک مدل حاکی از آن است که یک سازه در Lدل تعامل بیشتری با شاخص­ های خود دارد تا با سازه­ های دیگر.

آزمون فورنل لارکر در نمونه تحلیل PLS

آزمون HTMT در نمونه تحلیل PLS

با توجه به جدول اینکه مقدار اعداد به دست آمده کمتر از ۰.۹ است، بنابراین روایی واگرایی HTMT مورد قبول است.

آزمون HTMT در نمونه تحلیل PLS

مدل معادلات ساختاری در نمونه تحلیل PLS

رابطه متغیرهای مورد بررسی در هر یک از فرضیه‌های تحقیق براساس یک ساختار علی با تکنیک حداقل مربعات جزئی PLS آزمون شده است. در مدل کلی تحقیق که در شکل های زیر ترسیم شده است مدل اندازه‌گیری (رابطه هریک از متغیرهای قابل مشاهده به متغیر پنهان) و مدل مسیر (روابط متغیرهای پنهان با یکدیگر) محاسبه شده است. برای سنجش معناداری روابط نیز آماره t با تکنیک بوت استراپینگ محاسبه شده است.

مدل معادلات ساختاری در نمونه تحلیل PLS

معیار ضریب تعیین در نمونه تحلیل PLS

ضریب تعیین تنها برای سازه های درون زا ( وابسته ) مدل محاسبه می گردد و در مورد سازه های برون زا مقدار این معیار صفر است. هر چه قدر مقدار مربوط به سازه های درون زا یک مدل بیشتر باشد نشان از برازش بهتر مدل است.

تحلیل آماری با SmartPLS

اسمارت پی ال اس نرم افزاری آماری، با رابط کاربری گرافیکی است که از آن برای انجام “مدل سازی معادلات ساختاری” با روش کمترین مربعات جزئی یا روش PLS یا به عبارتی partial least squares استفاده می شود. طی چند سال اخیر اقبال پژوهشگران و دانشجویان (اکثرا در رشته های علوم رفتاری، علوم اجتماعی و مدیریت) به این نرم افزار افزایش زیادی داشته است.

این نرم افزار متعلق به یک موسسه آلمانی می باشد. البته وب سایت آن به زبان انگلیسی است.

آیا نرم افزار smartpls رایگان است؟

این نرم افزار رایگان نیست و نسخه ۳ آن با لایسنس تک کاربره به قیمت ۴۰۰ یورو برای یک سال عرضه می شود. اما نکته اینجاست که از نیمه های سال ۱۳۹۳ نسخه قبلی آن (نسخه ۲ ) از خدمات پشتیبانی خارج شده و به صورت رایگان ارائه می شود. در کشور ما نیز با توجه به شرایط موجود مجبور به استفاده از همین نسخه ۲ می باشیم که آخرین تاریخ ویرایش آن سال ۲۰۰۵ بوده است. اگر چه smartpls 2 رایگان است اما اکتیو کردن آن دردسر دارد و لازم است با ثبت درخواست در وب سایت این شرکت به آدرس smartpls.com ، هر سه ماه یکبار لایسنس آنرا دریافت و از آن استفاده نمود.

قابل ذکر است راهنمای فعال سازی smartpls 2 که توسط این شرکت تهیه شده است را می توانید در منو محصولات این سایت دریافت دارید و با کمک آن نسبت به فعالسازی نسخه ۲ اقدام نمایید.

تفاوت نرم افزار smartpls2 با smartpls3 در چیست؟

اولین تفاوت این است که آخرین بروز رسانی اسمارت پی ال اس نسخه ۲ در سال ۲۰۰۵ میلادی بوده است، اما اسمارت پی ال اس ۳ همچنان در حال بروز رسانی است.

نسخه ۲ این نرم افزار در صورت ثبت درخواست در سایت موسسه اصلی، رایگان می باشد اما نسخه ۳ قیمتی معادل ۴۰۰ یور برای یکسال بهره برداری دارد.

نسخه ۲ فاقد پشتیبانی موسسه است و با نسخه های قدیمی برنامه جاوا نوشته شده. نسخه قدیمی بر روی سیستم عامل Mac OSX کار نمی کند و فاقد مدل ها و پروژه های نمونه و مثال می باشد.

نسخه ۲ فاقد: الگوریتم کمترین مربعات جزئی استوار (Consistent partial least squares)، گزینه های پیشرفته بوت استرپ، آنالیز چند گروهه و خروجی به نرم افزار R و Excel است. در حالی در smart pls 3 تمام این امکانات موجود است.

با همه این اوصاف ما خود در این مجموعه دانش محور آماری در حال استفاده از نسخه ۲ این نرم افزار معادلات ساختاری هستیم و با کمک این نرم افزار به خوبی در حال انجام تحلیلهای آماری و آزمون فرضیات هستیم.

با نرم افزار Smart Pls چه تحلیلهایی می توان انجام داد؟

با نرم افزار اسمارت پی ال اس می توان تحلیل ها و کارهای زیر را برای پایان نامه یا تحقیقات به انجام رساند :

1. مدل یابی معادلات ساختاری با روش PLS
2. تحلیل عاملی تاییدی مرتبه دوم
3. برازش مدل مفهومی
4. تحلیل مسیر
5. روایی همگرا
6. روایی واگرا
7. آزمون پایایی آلفای کرونباخ
8. آزمون پایایی ترکیبی

خدمات ما در زمینه مدل سازی معادلات ساختاری با Smart Pls

۱- انجام مدل سازی معادلات ساختاری با روش PLS

سفارش انجام مدل سازی معادلات ساختاری با روش PLS تحلیل آماری با SmartPLS پذیرفته می شود. با در اختیار داشتن تحلیلگران خبره و با تجربه. این تحلیل به صورت فایل ورد بوده و می توانید آنرا در فصل چهارم پایان نامه ارشد یا دکتری خود قرار دهید. برای ثبت سفارش بر روی لینک زیر کلیک نمایید: سفارش انجام تحلیل با روش پی ال اس

۲- تحلیل عاملی، برازش مدل، تحلیل مسیر، روایی و پایایی

سفارشات انجام : تحلیل عاملی تاییدی، برازش مدل، تحلیل مسیر، روایی همگرا و واگرا و آزمون پایایی پذیرفته شده و از خدمات ما به جامعه عملی کشور می باشد.

۳- مشاوره تلفنی نرم افزار اسمارت پی ال اس

مشاوره تلفنی نرم افزار اسمارت پی ال اس (Smart Pls) از خدمات ماست. بعد از هماهنگی و ارتباط از طریق واتساپ، با خریداری محصول مشاوره تلفنی از لینک زیر می توانید این خدمت تخصصی را دریافت دارید: مشاوره تلفنی

۴- آموزش و توسعه روش معادلات ساختاری PLS

آموزش و توسعه روش معادلات ساختاری PLS از اهداف ماست. لذا در این زمینه محتوای علمی منتشر نموده و محصول آموزشی تولید و عرضه می کنیم.

تماس با آماریست
امكان تماس مستقیم و خصوصی با آماریست حرفه‌ای

تحلیل PLS یا همان مدل سازی معادلات ساختاری به روش حداقل مربعات جزئی

این روش تحلیل آماری نخست توسط ولد Wold در 1974 مطرح و توسط لمولر Lohmoller در 1989 توسعه و به حد کمال رسید. این روش درست حالت ناپارامتریک روش کواریانس محور مطرح شده جورسکوگ Joreskog در 1969 است که همچون هر روش ناپارمتری دیگری احتیاجی به پارامترهایی چون حجم نمونه بالا و توزیع نرمال داده ها ندارد هر چند که بودن این پارامترها نتایج بهتری را نشان خواهد داد. این روش بهتر می تواند مدلهای پیچیده تر را نسبت به روش پارامتریک خود یعنی کواریانس محور تحلیل کند و برای تحلیل های اکتشافی نیز بهتر عمل می کند. از این روش در بعضی از منابع به عنوان نسل دوم معادلات ساختاری یاد شده است.

این روش بیشتر برای تایید مدلهای نظری مورد استفاده قرار می گیرد ضمن اینکه همچون هر حالت پارامتریک یه سری پیش شرط های خاص خود را دارد و نرم افزارهای لیزرل، ای کیو اس و ایموس بهترین و شانخته شده ترین نرم افزارهای معادلات ساختاری کواریانسی هستند. از این روش در بعضی از منابع به عنوان نسل اول معادلات ساختاری یاد شده است.

مدل PLS با توجه به اینکه کدام دو حالت انعکاسی یا سازنده را داشته باشد دارای روش های ارزیابی کماکان متفاوتی است که به طور کامل در سه منبع پیشنهادی ذیل به تفصیل بیان شده است.
نخست - مدلسازی معادلات ساختاری کمترین مربعات جزیی PLS-SEM نوشته جوزف هیرو و همکاران و ترجمه دکتر عادل آذر و رسول غلامزاده.
دوم - روش تحلیل ساختارهای چندسطحی با استفاده از نرم افزار Smart PLS نوشته پیام حنفی زاده و احد زارع رواسان.
سوم - مدلسازی معادلات ساختاری با نرم افزار PLS نوشته علی داوری و آرش رضازاده.

خروجی آزمون پی ال اس الگوریتم به عنوان اولین قدم مدلسازی pls

در مدل بالا اعداد متناظر به مدل سنجه ای بار عاملی یا همان ضریب همبستگی هستند و اعداد متناظر به متغیرها یا همان مدل ساختاری ضرایب مسیر می باشند که نشان دهنده شدت و قوت رابطه و اثر بین متغیرها است. در این بین اطلاعات خاصی مورد نیاز است که در ذیل تعریف و بیان شده است.

بار عملی در تحلیل PLS معادل ضریب همبستگی است که باید شاخص های مدل همگی دارای بارعاملی بالاتر از 50 درصد باشند و بارعاملی های کمتر از 50 درصد در مدل های انعکاسی باید حذف شوند. البته لازم به ذکر است که اگر شما پرسشنامه خوبی با پایایی بالایی در تحقیق استفاده کرده باشید به این مشکل برنخواهید خورد و حذفیات لازم در سوالات پرسشنامه انجام شده است.

در اینجا همچون سنجش همبستگی درونی پرسشنامه یا به اصطلاح پایایی پرسشنامه برای ارزیابی قابلیت اطمینان ساختاری نیز از آلفای کرونباخ استفاده می شود. الفای کرونباخ مقادیر بین 0 تا 1 دارد که بهتر است به صورت درصدی بیان گردد و مقادیر بالای 70 درصد نشان از قابلیت اطمینان ساختاری خوب مدل PLS دارد.

این شاخص سازگاری درونی نیز یک همبستگی است که دقیقاٌ لنگه آلفای کرونباخ عمل می کند و به عبارت دیگر می توان گفت آلفای کرونباخ در معادلات ساختاری Composit Reliability است و احتیاجی به مطرح کردن آلفای کرونباخ نیست.

این همان AVE بیان شده در جداول خروجی نرم افزار است که همبستگی شاخص های یک سازه در قیاس با همبستگی شاخص های سازه های دیگر را نشان می دهد و مقداری بین 0 تا 1 دارد و بهتر است به صورت درصدی بیان شود و مقدار بالاتر از 50 درصد به گفته فرنول و لارکر مورد قبول است.

برا این مورد از جدول Cross loading و معیار فرونل و لارکر استفاده می شود به گونه ای که تحلیل آماری با SmartPLS بزرگترین بار عاملی مربوط به هر کدام از شاخص ها باید مربوط به متغیر نهفته آن شاخص باشد شاخص فرونل و لارکر نیز که به صورت جدول در خروجی نرم افزار ارائه می شود به این صورت است که رادیکال واریانس شرح داده شده یا همان AVE هر سازه باید بزرگتر از مقادیر همبستگی آن سازه با سازه های دیگر باشد. به عبارت دیگر قطر ماتریس فرونل و لارکر نسبت به مقادیر زیرین خود بیشتر باشد.

قدرت تبعین متغیروابسته مدل توسط متغیرهای مستقل را نشان می دهد که هر چه بیشتر باشد بهتر است و معمولا در مدلهایی که از مقالات به اصطلاح بیس استخراج شده به شرط معنادار شدن کل مدل خیلی هم لازم نیست ضریب تعیین بالایی داشته باشیم ولی در مدلهای اکتشافی رساندن ضریب تعیین مدل به مقادیر بالای 50 درصد لازم است.

همان یا F2 کوهن است و به دنبال این حقیقت است که متغیرهای نهفته مستقل، تاثیر قابل توجهی روی متغیر وابسته دارند یا نه و مقادیر بین 15 تا 35 درصد نشانگر تاثیر متوسط و بالاتر از آن نشان از تاثیر بالای متغیرهای نهفته مستقل بر روی وابسته است.

این شاخص به دنبال سنجش قابلیت پیش بینی مدل PLS است و در آزمون blindfolding نرم افزار اسمارت پی ال اس به صورت جدولی و با نماد Q2 ارائه می شود. مقادیر منفی قابل قبول نیست و باید مقادیر مثبت باشتد.

خروجی آزمون Bootstrap در محاسبه مقادیر t

در خروجی آزمون Bootstrap بالا نرم افزار Smart PLS کل مقادیر t در رد یا قبول فرضیات را ارائه می دهد بر این اساس که اگر مقدار t بیشتر از مقدار 1/96 درصد باشد نشان از تایید فرضیه مربوط به مسیر تحلیل آماری با SmartPLS مورد نظر دارد و برعکس. در ادامه نیز به بحث دانلود نرم افزار Smart PLS پرداخته می شود.

آموزش اولیه نرم افزار Smart PLS

نرم افزارهای گوناگونی وجود دارند که می توان با آنها تحلیل PLS انجام داد حتی نرم افزار spss ولی مطرحترین نرم افزار با عنوان پی ال اس هوشمند = Smart PLS در جرمنی توسعه یافته و ملاک تحلیل مقالات و پایان نامه ها واقع شده است و شما می توانید با این لینک وارد سایت اصلی شده و نرم افزار را دانلود کنید. لازم به ذکر است این نرم افزار بعد از ثبت نام در سایت مادر به صورت محدود به صورت حرفه ای در خدمت شماست و بعد از مدتی حالت استیودنت پیدا می کند و شما نمی توانید داده های بیش از 100 ردیف را در آن تحلیل کنید، البته یه ورژن مندرس به اسم ورژه 2 دارد که اون هم بعد از ثبت نام در سایت مادر لینک دانلود به ایمیل شما ارسال می شود و محدودیتی ندارد که هیچ در تحلیل آماری هم مثل ورژن جدید سختگیر نیست.

تماس مستقیم و خصوصی با آماریست حرفه‌ای
محمد اسکندریتماس با واتساپ+تماس با تلگرام

ارتباط مستقیم و خصوصی با یک آماریست حرفه ای برگ برنده بزرگی برای هر پژوهشگری است که به نحوی با جمع آوری و بررسی داده های آماری سروکار دارد، بر همین اساس در این وبسایت این امکان به وجود آمده است که بتوان به طور مستقیم و خصوصی با یک آماریست حرفه ای تماس داشت و همانطور که در قسمت های شرایط و چگونگی انجام خدمت نیز توضیح داده شده است جامعه هدف وبسایت تماس با آماریست به منظور ایجاد یک رابطه و فضای علمی محدود به پژوهشگران واقعی است.