no comments

PEMEODELAN PERSAMAAN STRUKTUR BERDASARKAN VARIANS

SEM mempunyai fleksibiliti yang lebih tinggi untuk penyelidik untuk mengesahkan teori dengan data, berbanding dengan teknik multivariate yang telah dibangunkan sebelumnya, iaitu analisis komponen utama, analisis faktor, analisis diskriminasi atau regresi berganda. Terdapat dua kumpulan SEM kebelakangan ini, berdasarkan kovarians dan berdasarkan varians (komponen).

SEM berdasarkan kovarians
SEM berasaskan kovarians yang dibangunkan sekitar tahun 1973 mula menarik perhatian penyelidik selepas pembebasan LISREL III yang dikembangkan oleh Joreskog dan Sorbom. Idea asas adalah menggunakan fungsi Maximum Likelihood (ML) supaya kestabilan berdasarkan SEM (CBSEM) sebenarnya cuba untuk meminimumkan perbezaan antara kovarian dan kovarian sampel yang diramalkan oleh model teoritis. Penggunaan CBSEM sangat dipengaruhi oleh asumsi-asumsi parametrik yang mesti dipenuhi sedemikian rupa sehingga pembolehubah-pembolehubah yang diperhatikan mempunyai distribusi biasa dan pemerhatian yang multivariate harus bebas dari satu sama lain.

CBSEM sangat dipengaruhi oleh jumlah sampel, kerana bilangan sampel kecil dapat menghasilkan model buruk yang masih dapat menghasilkan model yang sesuai. CBSEM memerlukan bahawa dalam membentuk pemboleh ubah laten, indikator adalah refleksif. Dalam indikator atau manifestasi model refleksif dianggap sebagai pembolehubah yang dipengaruhi oleh pemboleh ubah terpendam mengikut teori pengukuran teori ujian klasik. Dalam model penunjuk refleksif, penunjuk pada pembina (pemboleh ubah laten) dipengaruhi oleh konsep yang sama. Perubahan dalam satu item atau penunjuk akan menyebabkan perubahan dalam petunjuk lain dalam arah yang sama.

Indikator sebenarnya boleh dibentuk dalam bentuk penunjuk model formatif iaitu indikator dilihat sebagai pembolehubah yang mempengaruhi pemboleh ubah laten. Sebagai ilustrasi petunjuk pendidikan, pekerjaan dan pendapatan mempengaruhi status sosioekonomi berubah-ubah laten. Sekiranya satu indikator meningkat, petunjuk lain tidak perlu meningkat juga. Peningkatan penunjuk pendapatan akan meningkatkan pemboleh ubah laten.

Penggunaan model penunjuk formatif di CBSEM akan menghasilkan model yang tidak dikenali yang bermaksud terdapat kovarians sifar di antara beberapa petunjuk. Hubungan kausal antara model struktur dibina berasaskan teori dan CBSEM hanya mahu mengesahkan sama ada model berdasarkan teori itu tidak berbeza dengan model empirik.

Dengan beberapa batasan, kini terdapat ramai yang menggunakan SEM berasaskan komponen atau variasi yang terkenal dengan Partial Least Square (PLS).

SEM berdasarkan komponen atau varians – PLS
Pada asasnya, tujuan PLS adalah ramalan. Pembolehubah laten ditakrifkan sebagai bilangan penunjuk. Hasil komponen skor bagi setiap pemboleh ubah terpendam adalah berdasarkan takaran bobot indikator yang memaksimumkan varians yang dijelaskan untuk variabel dependen (laten, perhatikan atau keduanya). PLS adalah kaedah analisa yang kuat kerana ia tidak berasaskan banyak anggapan. Data tidak perlu diagihkan secara multivariate biasa (petunjuk dengan nisbah kategori ke nisbah boleh digunakan pada model yang sama), sampel tidak perlu menjadi pengedaran besar dan sisa. Walaupun PLS juga boleh digunakan untuk mengesahkan teori, ia juga boleh digunakan untuk menjelaskan kehadiran atau ketiadaan hubungan antara pemboleh ubah laten. Kerana ia memfokuskan lebih banyak pada data dan dengan prosedur anggaran yang terhad, mispecification model tidak mempengaruhi anggaran parameter dengan ketara.

PLS boleh menganalisis serta membina yang dibentuk dengan petunjuk refleksif dan penunjuk formatif dan ini tidak mungkin dalam CBSEM kerana akan ada model yang tidak dikenali. Kerana PLS menggunakan analisa siri kuadrat biasa, pengenalan model tidak menjadi masalah dalam model rekursif dan juga tidak menganggap bentuk pembahagian pembolehubah pengukuran tertentu.

Sesetengah program yang direka khusus untuk melengkapkan model dengan PLS ialah SmartPLS, Graf PLS, PLS Visual dan PLS Gui. Semua program ini boleh dimuat turun secara percuma dari internet.

Sumber : http://www.konsultanstatistik.com

KOMEN ANDA

Komen

TENTANG KAMI | PENAFIAN | HUBUNGI | HANTAR ARTIKEL