مدرسه بین المللی پژوهش کمی و کیفی اولین و بزرگترین مرکز بین المللی برگزارکننده دوره های روش پژوهش و نرم افزارهای پژوهش کمی، کیفی، آمیخته و مروری در ایران
(Partial least squares structural equation modeling (PLS-SEM
این مقاله یکی از مقالات مرجع در حوزه مدل سازی معادلات ساختاری با رویکرد حداقل مربعات جزیی است که در آن علاوه بر بحث پیرامون استفاده از این ابزار در کسب و کار و مدیریت کسب و کار، به مقایسه ی دو رویکرد کواریانس محور و واریانس محور و پیش فرض های آن ها پرداخته شده است. سپس بحث مدل های اندازه گیری(بیرونی) ترکیبی و انعکاسی مطرح شده و این دو مدل با هم مقایسه گردیده اند. سپس به سراغ مدل درونی یا همان مدل ساختاری رفته و شاخص های مختلف بررسی پیش بینی متغیر های وابسته مثل R square و f square و Q square ….. مورد بررسی قرار گرفته است. سرانجام مقاله با بحثی کوتاه پیرامون مدل هایی با متغیر میانجی و نیز متغیر تعدیلگر به پایان رسیده است. در هر حال همه این مطالب به صورت مفصل در کلاس های آکادمی تحلیل آماری ایران مورد بحث کامل نظری و عملیاتی قرار گرفته است. اما دوستان محقق آکادمی و نیز سایر عزیزان از آن برای رفرنس مطالب و کنکاش عمیق تر در بحث مدل سازی معادلات ساختاری واریانس محور می توانند بهره ببرند. این مقاله از مقالات دکتر هایر و همکارانش در سال 2014 است که از آن در دوره ها نکان بسیاری گفته شده است. این مقاله را شما میتوانید با عضویت در سایت دریافت کنید. عضویت کمتر از 30 ثانیه زمان میخواهد و شما تنها با وارد کردن ایمیل خود و نام کاربری برای خودتان که در پنجره سمت راست سایت می بینید میتوانید لینک دانلود مقاله را ملاحظه کنید.
Partial least squares structural equation modeling (PLS-SEM)
An emerging tool in business research
Joe F. Hair Jr
Department of Marketing & Professional Sales, Kennesaw State University, Kennesaw, Georgia, USA
Marko Sarstedt
Otto-von-Guericke-University Magdeburg, Magdeburg, Germany and University of Newcastle, Newcastle, Australia
Lucas Hopkins
Middle Georgia State College, Macon, Georgia, USA, and
Volker G. Kuppelwieser
NEOMA Business School, Mont-Saint-Aignan, France
Abstract
Purpose – The authors aim to present partial least squares (PLS) as an evolving approach to structural equation modeling (SEM), highlight its advantages and limitations and provide an overview of recent research on the method across various fields. Design/methodology/approach – In this review article, the authors merge literatures from the marketing, management, and management information systems fields to present the state-of-the art of PLS-SEM research. Furthermore, the authors meta-analyze recent review studies to shed light on popular reasons for PLS-SEM usage.
Findings – PLS-SEMhas experienced increasing dissemination in a variety of fields in recent yearswith nonnormal data, small sample sizes and the use of formative indicators being the most prominent reasons for its application. Recent methodological research has extended PLS-SEM’s methodological toolbox to accommodate more complex model structures or handle data inadequacies such as heterogeneity.
Research limitations/implications – While research on the PLS-SEM method has gained momentum during the last decade, there are ample research opportunities on subjects such as mediation or multigroup analysis, which warrant further attention.
Originality/value – This article provides an introduction to PLS-SEM for researchers that have not yet been exposed to the method. The article is the first to meta-analyze reasons for PLS-SEM usage across the marketing, management, and management information systems fields. The cross-disciplinary review of recent research on the PLS-SEM method also makes this article useful
for researchers interested in advanced concepts.
Keywords Structural equation modeling, Partial least squares, PLS-SEM
لینک دانلود تنها برای اعضای سایت در زیر این نوشته قابل مشاهده است
[member]
لینک دانلود قابل مشاهده برای اعضا
[/member]
