no comments

ANGGARAN MODEL (PLS DAN CBSEM)

Perspektif pengukuran  perlu dilengkapi dengan perspektif model estimasi, yang menerangkan bagaimana teknik SEM yang berbeza tiba di penyelesaian dan asumsi-asumsi mana yang mendasari mereka. Penyelidik biasanya menggunakan dua pendekatan untuk menganggarkan model persamaan struktur. Satu adalah pendekatan CBSEM yang lebih meluas (Bollen, 1989, Diamantopoulos, 1994, Jöreskog, 1978); yang lain adalah PLS (Hair et al., 2017, Lohmöller, 1989, Wold, 1982). Walaupun kedua-dua kaedah pelengkap berkongsi matlamat asas yang sama, iaitu untuk menganggarkan perhubungan antara pembinaan dan penunjuk, mereka berbeza secara asasnya dalam konsep statistik mereka dan terutamanya dalam cara mereka mengendalikan model pengukuran (Jöreskog & Wold, 1982).

CBSEM pada mulanya membahagikan variasi setiap indikator kepada dua bahagian: (1) varians biasa, yang dianggarkan dari varians yang dikongsi dengan indikator lain dalam model pengukuran membina, dan (2) varians yang unik, yang terdiri daripada kedua-dua spesifik dan varians kesilapan (Bollen, 1989, Rigdon, 1998). Varians khusus diandaikan bersifat sistematik dan boleh dipercayai manakala varians ralat diandaikan sebagai rawak dan tidak boleh dipercayai (iaitu, pengukuran, persampelan, dan ralat spesifikasi). CBSEM pada mulanya mengira kovarians satu set pemboleh ubah (varians biasa), dan hanya varians itu dimasukkan dalam sebarang penyelesaian yang diperolehi. Oleh sebab itu, CBSEM mengikuti pendekatan model faktor umum dalam pengiraan langkah-langkah konstruk, yang mengandaikan bahawa varians satu set indikator dapat dijelaskan dengan sempurna dengan adanya satu pemboleh ubah yang tidak dapat diamati (faktor umum) dan kesalahan rawak individu (Spearman , 1927, Thurstone, 1947). Pendekatan anggaran faktor faktor yang sama mematuhi falsafah pengukuran yang mendasari model pengukuran reflektif.

Pada dasarnya, CBSEM juga dapat menampung model pengukuran formatif walaupun method mengikuti pendekatan penganggaran model faktor umum (mis., Temme, Diamantopoulos, & Pfegfeidel, 2014). Terkait dengan perspektif realis ilmiah yang diangggap dalam kaedah pengukuran reflektif kaedah pengukuran, model pengukuran formatif dalam CBSEM biasanya mengambil petunjuk kausal (Diamantopoulos, 2011). Untuk menganggarkan model dengan penunjuk kausal, para penyelidik mesti mengikut peraturan yang memerlukan kekangan khusus terhadap model untuk memastikan pengenalan model (Bollen dan Davies, 2009, Diamantopoulos dan Riefler, 2011). Sebagai Hair et al. (2012, ms 420), “kekangan ini sering bercanggah dengan pertimbangan teoritis, dan persoalannya timbul sama ada reka bentuk model harus membimbing teori atau sebaliknya.”

Sebagai alternatif, para sarjana CBSEM telah mencadangkan beberapa petunjuk dan beberapa sebab (MIMIC) model (contohnya, Bollen, 1989, Jöreskog dan Goldberger, 1975) – yang merangkumi kedua-dua penunjuk formatif dan reflektif (contohnya Diamantopoulos dan Riefler, 2011, Diamantopoulos et al., 2008). Walaupun model MIMIC membolehkan para penyelidik menangani masalah pengenalan, mereka tidak mengatasi masalah yang model pengukuran formatif dengan indikator sebab-sebab tidak semestinya menggambarkan varians dalam pembinaan, kerana penunjuk korelasi diperlukan oleh model faktor umum CBSEM untuk menghasilkan proksi yang sah dan dengan itu mewakili pembolehubah konseptual secara mencukupi. Sebagai Lee dan Cadogan (2013, ms 243), “penyelidik tidak boleh disesatkan dengan berfikir bahawa mencapai pengenalan statistik membolehkan seseorang mendapatkan maklumat mengenai varians pembolehubah laten formatif.” Jelas sekali, CBSEM sebaiknya hanya menghampiri formatif model pengukuran dengan penunjuk kausal.

Begitu juga, CBSEM boleh menampung model pengukuran formatif dengan petunjuk komposit (contohnya, Diamantopoulos, 2011). Oleh kerana pembinaan yang diukur dengan penunjuk komposit ditakrifkan dengan mempunyai variasi sifar, pengenalpastian varians kesilapan konstruk bukanlah satu isu. Walau bagaimanapun, masalah timbul berkenaan dengan pengenalpastian semua laluan yang membawa kepada serta mengalir keluar daripada pembinaan. Grace dan Bollen (2008) mencadangkan menyelesaikan masalah ini dengan menyatakan satu hubungan laluan masuk atau keluar ke 1.0. Walaupun spesifikasi tersebut mengatasi masalah pengenalan parameter, mereka sangat membataskan interpretasi anggaran magnitud dan kepentingan jalur tetap dalam model struktur (Grace & Bollen, 2008). Oleh kerana batasan-batasan ini, beberapa penyelidik menyimpulkan bahawa CBSEM tidak sesuai untuk menganggarkan model pengukuran formatif (Hair et al., 2012, Peng dan Lai, 2012, Reinartz et al., 2009).

Berbeza dengan CBSEM, PLS tidak membahagikan varians menjadi varians biasa dan unik. Lebih tepatnya, matlamat PLS adalah untuk mengira jumlah varians dalam penunjuk yang diperhatikan dan bukan hanya untuk menerangkan korelasi antara penunjuk (mis., Tenenhaus, Esposito Vinzi, Chatelin, & Lauro, 2005). Logik pendekatan PLS adalah, oleh itu, dalam menganggarkan hubungan model, semua varians (biasa, unik dan ralat) bahawa pemboleh ubah eksogen mempunyai persamaan dengan pembolehubah endogen harus dimasukkan (mis., McDonald, 1996). Pandangan utama adalah bahawa penunjuk boleh (secara linear) digabungkan untuk membentuk pembolehubah komposit yang merupakan gambaran komprehensif pembolehubah laten, dan kombinasi linear ini adalah proksi sah bagi pembolehubah konseptual yang disiasat (contohnya, Henseler, Hubona et al., 2016). Oleh itu, PLS mengikuti pendekatan model komposit dalam pengiraan langkah-langkah konstruk, yang secara amnya mematuhi falsafah pengukuran yang mendasari model pengukuran formatif.

Pelantikan PLS sebagai berasaskan komposit hanya merujuk kepada kaedah kaedah untuk mewakili pembinaan yang menghampiri pembolehubah konseptual dalam model. Walaupun PLS menyusun komposit yang penggunaannya secara tradisinya dianggap konsisten dengan model pengukuran formatif tetapi bukan model pengukuran reflektif (misalnya, Grace & Bollen, 2008), kaedah ini dapat menampung kedua-dua jenis model pengukuran tanpa isu pengenalan (Hair et al., 2011). Dalam menganggarkan parameter model, bagaimanapun, PLS sentiasa mengikuti pendekatan model komposit. Walau bagaimanapun, sama ada model pengukuran adalah reflektif atau formatif, PLS sentiasa mengira pembolehubah komposit daripada set pembolehubah penunjuk sebagai gambaran pembolehubah konseptual dalam model. Tiga aspek penting dalam hal ini.

Pertama, dalam model pengukuran formatif, PLS  semua petunjuk sebagai petunjuk komposit. Kaedah ini tidak membenarkan pemodelan eksplisit istilah ralat pembinaan yang diukur dengan petunjuk kausal (iaitu, istilah ralat z dalam Rajah 1 dikekang kepada sifar). Akibatnya dan analogi dengan CBSEM, PLS hanya membenarkan model pengukuran formatif yang hampir dengan penunjuk kausal. Walau bagaimanapun, perhatikan bahawa sebenarnya tiada kaedah boleh menganggarkan model pengukuran formatif melainkan jika langkah-langkah reflektif tersedia secara serentak.

Kedua, para penyelidik telah lama menyatakan bahawa sejak PLS didasarkan pada logik model komposit, kaedah ini hanya menghitung model pengukuran reflektif berasaskan faktor umum (Hui & Wold, 1982; juga lihat Rigdon, et al., 2014). Iaitu, dari perspektif anggaran model, PLS akan menghasilkan anggaran “bias” jika model faktor biasa memegang seperti CBSEM akan menghasilkan anggaran “berat sebelah” apabila menggunakan kaedah untuk menganggarkan data yang dijana daripada model komposit, kerana kajian ini akan menunjukkan . Walau bagaimanapun, penyimpangan dalam taksiran parameter tidak boleh dianggap sebagai “bias” kerana kedua-dua kaedah menganggarkan perkara yang berbeza dan dengan itu boleh menghasilkan nilai yang berbeza.

Ketiga, untuk menganggarkan parameter model, PLS menggunakan dua mod, yang berkaitan dengan cara kaedah menganggar berat indikator yang mewakili setiap sumbangan penunjuk kepada komposit. Mod A sepadan dengan berat korelasi yang diperoleh daripada korelasi bivariat antara setiap penunjuk dan pembinaan; Mod B sepadan dengan berat regresi, standard dalam analisis regresi sekurang-kurangnya biasa. Wajaran regresi tidak hanya mengambil korelasi antara setiap penunjuk dan membina kira tetapi juga korelasi antara penunjuk. Tidak kira mod untuk menganggarkan berat penunjuk digunakan, pemboleh ubah laten yang dihasilkan sentiasa dimodelkan sebagai komposit (Henseler, Ringle, & Sarstedt, 2016). Iaitu, kerana semua langkah berbilang item ditukar kepada komponen berwajaran-walaupun dalam Mod A-PLS mengira komponen dengan cara kombinasi penunjuk linier.

PLS secara lalai menggunakan Mod A untuk membina secara terperinci dan Mode B untuk membina secara terperinci. Walau bagaimanapun, penyelidikan baru-baru ini menunjukkan bahawa memilih mod pembobotan yang sesuai memerlukan pendekatan yang lebih bijak. Secara spesifik, Becker, Rai, dan Rigdon (2013) menunjukkan bahawa untuk membina secara terperinci yang ditetapkan, estimasi Mode A menghasilkan ramalan luar sampel yang lebih baik untuk saiz sampel yang lebih besar dari 100 dan apabila R2 adalah sederhana hingga besar (iaitu, R2 ≥ 0.30) . Untuk saiz sampel yang besar dan nilai R2 yang besar, Mod A dan Mode B juga berfungsi dengan baik dari segi ramalan keluar-sampel. Dari segi ketepatan parameter dalam model struktur, Mode A melakukan yang terbaik apabila saiz sampel atau nilai R2 adalah kecil dan sederhana. Untuk saiz sampel yang lebih besar atau nilai R2, Anggaran Mod A dan Mod B tidak berbeza dari segi ketepatan parameter.

Dari perspektif pengukuran, PLS dan CBSEM kedua-duanya berkongsi watak perkiraan sebagai pembinaan tidak semestinya sepenuhnya sesuai dengan pembolehubah konseptual yang mereka wakili. Seperti yang dinyatakan oleh Rigdon (2016, ms 19), “proksi faktor biasa tidak boleh dianggap sebagai lebih penting daripada proksi komposit yang berkaitan dengan kewujudan atau sifat pembolehubah konseptual.” Pandangan yang serupa diuraikan dalam perdebatan sengit mengenai kelebihan relatif komponen berbanding analisis faktor yang sama pada tahun 90an, yang menyaksikan satu siri artikel dan ulasan tentang konsep asas dan falsafah kaedah. Merumuskan perdebatan ini, Bandalos dan Boehm-Kaufman (2009, ms 70) mencatat bahwa “walaupun ahli metodologi masih tidak setuju mengenai model mana yang paling sesuai, analisis komponen dan analisa faktor umum mempunyai matlamat yang berbeza dan berdasarkan falsafah yang berbeza.” Menolak refleks seperti kepatuhan kepada model faktor yang sama, para penyelidik telah lama memberi amaran bahawa model faktor yang sama jarang berlaku dalam penyelidikan terpakai (Schönemann & Wang, 1972). Sebagai contoh, antara 72 artikel yang diterbitkan pada tahun 2012 dalam apa yang Atinc, Simmering, dan Kroll (2012) mempertimbangkan empat jurnal pengurusan utama (Akademi Pengurusan Jurnal, Jurnal Psikologi Gunaan, Jurnal Pengurusan, dan Jurnal Pengurusan Strategik) yang menguji satu atau model faktor yang lebih biasa, kurang daripada 10% mengandungi model faktor yang sama yang tidak perlu ditolak. Berdasarkan hasil ini, Henseler et al. (2014, ms 184) menyimpulkan “dari sudut pandangan falsafah, tidak ada keperluan untuk model pemodelan sebagai faktor umum (…), dan mengurangkan SEM kepada model faktor yang sama adalah sangat ketat (tidak perlu sekatan, kita akan berhujah) melihat tentang SEM . ”

Sumber : Science Direct Article

 

 

 

 

 

 

KOMEN ANDA

Komen

TENTANG KAMI | PENAFIAN | HUBUNGI | HANTAR ARTIKEL