تفاوت مدل سازی معادلات ساختاری با روش کمترین توان دوم جزئی

روش کمترین توان دوم جزئی (Partial Least Square) برای آزمون فرضیه ها استفاده می شود. بر مبنای الگوریتم کمترین توان دوم جزیی این تکنیک، داده های تجربی با تئوری پشتیبانی ناکارا و اطلاعات در دسترس کم را مورد تجزیه و تحلیل قرار می دهد. در مقایسه با مدل روابط ساختاری خطی، لیزرل، روش کمترین توان دوم جزیی در اندازه‌ی نمونه پایین هنگام برآورد ضریب مسیر انعطاف پذیرتر است و نتایج مناسب تری را به دنبال دارد. وقتی مفهوم معیارهای اندازه گیری ادغام می کند، متغییرهای مدلهای رگرسیون، هم خطی شان مسئله ایجاد می کند. برعکس، کمترین توان دوم جزئی با اندازه گیری خطاها سروکار دارد، بنابراین هم خطی خطوط، در آن مسئله ایجاد نمی کند(به نقل از شاه محمدی،1388).

مفروضه های آماری مدل PLS به گونه خلاصه به قرار زیر است:

• متغیرها در سطح فاصله‌ای اندازه گیری می شوند.
• یکسانی پراکندگی برقرار است.

مجموعه متغیرهایی که در مدل یابی معادلات ساختاری وجود دارند بر دو نوع هستند:

الف)متغیرهای مشاهده شده[1] (آشکار[2] یا اندازه گیری شده)

ب) متغیرهای مکنون[3] (مشاهده نشده)

برخی متغیرها به شکل دایره(یا بیضی) و برخی از آن ها به شکل مربع ( یا مستطیل) نمایش داده می‌شود. بیضی یا دایره معرّف متغیرهای مکنون و مستطیل یا مربع نمایشگر متغیرهای اندازه گیری شده است.

یک مدل کامل معادله ساختاری شامل دو مؤلفه است:

الف) یک مدل ساختاری[4]:

تفاوت مدل سازی معادلات ساختاری با روش کمترین توان دوم جزئی

ساختار علّی مفروض بین متغیرهای مکنون ( سازه های نظری که به گونه مستقیم مشاهده پذیر نیست) را مشخص می نماید.

ب) یک مدل اندازه گیری[5]:

تفاوت مدل سازی معادلات ساختاری با روش کمترین توان دوم جزئی

 روابط بین متغیرهای اندازه گیری شده یا نشانگرها (متغیرهایی که به گونه مستقیم مشاهده پذیر است) و متغیرهای مکنون را که برای آن ها برآورد تقریبی به کار می رود، تعریف می کند.