ژانویه 19, 2021

پاسخ رفتاری کاربران به تبلیغات اینترنتی تبیین نقش اعتماد و نگرش به تبلیغات اینترنتی- قسمت ۲۴

برای تحلیل مدلها در روش مدل سازی معادلات ساختاری با رویکرد حداقل مربعات جزئی ( PLS-SEM) مراحلی وجود دارد که دو مرحله اصلی بررسی برازش مدل و سپس آزمودن فرضیههای پژوهش میباشد.

  1. برازش مدل
  2. برازش مدل اندازهگیری

برازش مدل اندازهگیری از طریق سه روش پایایی و روایی همگرا و روایی واگرا سنجیده میشود.
پایایی
خود از سه طریق ضرایب بارهای عاملی که باید بالاتر از ۴/۰، ضرایب آلفای کرونباخ که ضرایب آن باید بالاتر از ۷/۰، پایایی ترکیبی که ضرایب آن بالاتر ۷/۰ باشد، سنجیده میشود.
روایی همگرا
معیار دوم از بررسی برازش مدلهای اندازهگیری، روایی همگرا است که به بررسی میزان همبستگی هر سازه با سوالات خود میپردازد. معیار AVE توسط نرم افزار پی ال اس برای این منظور به کار میرود که مقدار مناسب آن برای هر متغیر بالاتر از ۵/۰ میباشد.
روایی واگرا
روایی واگرا سومین معیار بررسی برازش مدلهای اندازهگیری است. روایی واگرا در پی ال اس از دو طریق سنجیده میشود:
روش بارهای عاملی متقابل[۲۴۱]
در این روش میزان همبستگی بین شاخصهای یک سازه با آن سازه، میزان همبستگی بین شاخصهای یک سازه با سازههای دیگر مقایسه میگردد. در صورتی که مشخص شود میزان همبستگی بین یک شاخص با سازهی دیگری غیر از سازه خود، بیشتر از میزان همبستگی آن شاخص با سازهی مربوط به خود است؛ روایی مدل زیر سوال میرود. برای سنجش روایی واگرا از این روش، میتوان از ماتریس بارهای عاملی متقابل در قسمت corsss loading استفاده کرد.
روش فورنل و لارکر
معیار مهم دیگری که با آن روایی واگرا مشخص میگردد، میزان رابطه یک سازه با شاخصهایش در مقایسه رابطه آن سازه با سایر سازهها است. به طوری که روایی واگرای قابل قبول یک مدل حاکی از آن است که یک سازه در مدل تعامل بیشتری با شاخصهای خود نسبت به سازههای دیگر دارد. فورنل و لارکر بیان میکنند: روایی واگرا وقتی در سطح قابل قبول است که میزان AVE برای هر سازه بیشتر از واریانس اشتراکی بین آن سازه و سازههای دیگر در مدل باشد. در پی ال اس، بررسی این امر به وسیله یک ماتریس صورت میپذیرد که خانههای این ماتریس حاوی مقادیر ضرایب همبستگی بین سازهها و جذر مقادیر AVE مربوط به هر سازه است. این مدل در صورتی روایی واگرای قابل قبولی دارد که اعداد مندرج در قطر اصلی از مقادیر زیرین خود بیشتر باشد.
برای تعیین هم گرایی واگرا از یکی از این دو روش میتوان استفاده کرد:

  1. معیارهای ارزیابی برازش بخش ساختاری

اعداد معناداری t (T-values)
ابتداییترین معیار برای سنجش رابطهی بین سازهها در مدل (بخش ساختاری)، اعداد معناداری t است. در صورتی که مقدار این اعداد از ۹۶/۱ بیشتر شود، نشان از صحت رابطه بین سازهها و در نتیجه تأیید فرضیههای پژوهش در سطح اطمینان ۹۵ درصد است. البته باید توجه داشت که اعداد t فقط صحت رابطه را نشان میدهد و شدت رابطه بین سازهها را نمیتوان با آنها سنجید برای این کار از معیار بتا که همان ضرایب مسیر میباشد، استفاده میگردد.
قابل بیان است که در خروجی نرم افزار Warp PLS 3 اعداد تی ولیو از طریق p-values نشان داده میشود بدین صورت که به ترتیب p کمتراز ۰٫۰۰۱ ،۰٫۰۱و ۰٫۰۵ به معنی این میباشد که اعداد معناداری t بیشتر از۳٫۲۷ ،۲٫۵۷ و۱٫۹۶ میباشد و نشان از صحت رابطه بین سازهها در سطح اطمینان ۹/۹۹، ۹۹ و ۹۵ درصد است.
معیار R Squares یا R2
R2 معیاری است که برای متصل کردن بخش اندازهگیری و بخش ساختاری مدل سازی معادلات ساختاری به کار میرود و نشان از تأثیری دارد که یک متغیر برون زا بر یک متغیر درون زا میگذارد. یکی از مزیتهای اصلی روشPLS این است که این روش، قابلیت کاهش خطاها در مدلهای اندازهگیری و یا افزایش واریانس بین سازه و شاخصها را دارد. نکته ضروری در این جا این است که مقدار R2 تنها برای سازههای درون زا (وابسته) مدل محاسبه میگردد و در مورد سازههای برون زا مقدار این معیار صفر است. محققینی که از روش PLS برای پژوهش خود استفاده میکنند، حتماٌ باید مقادیر R2 را در مورد تمام متغیرهای درون زای مدل گزارش دهند. هر چه مقدار R2 مربوط به سازهها درون زای یک مدل بیشتر باشد، نشان از برازش بهتر مدل است. چین (۱۹۹۸)، سه مقدار ۱۹/۰، ۳۳/۰ و ۶۷/۰ را به عنوان مقدار ملاک برای مقادیر ضعیف، متوسط و قوی R2 معرفی میکند.
معیار اندازه تأثیر[۲۴۲] (f2)
این معیار که توسط کوهن (۱۹۸۸) معرفی شد، شدت رابطهی میان سازههای مدل را تعیین میکند که مقادیر ۰٫۰۲، ۰٫۱۵ و ۰٫۳۵ به ترتیب نشان از اندازه تأثیر کوچک، متوسط و بزرگ یک سازه بر سازهی دیگر است. این معیار برای مدلهایی که بیشتر از یک متغیر برون زا وجود دارد، میباشد از آن جایی که در مدل این پژوهش یک متغیر برون زا وجود دارد، این معیار محاسبه نمیشود.
معیار Q2
این معیار که توسط استون و گیزر (۱۹۷۵) معرفی شد، قدرت پیش بینی مدل را مشخص میسازد. به اعتقاد آنها مدلهایی که دارای برازش بخش ساختاری قابل قبول هستند، باید قابلیت پیش بینی شاخصهای مربوط به ساز ههای درون زای مدل را داشته باشند. بدین معنی که اگر در یک مدل، روابط بین سازهها به درستی تعریف شده باشند، سازهها قادر خواهند بود تا تأثیر کافی بر شاخصهای یکدیگر گذاشته و این فرضیهها به درستی تأیید شوند. مقدار Qباید در مورد تمامی سازههای درون زای مدل محاسبه شود. هنسلر و همکاران (۲۰۰۹) در صورتی که مقدار Q2 در مورد یک سازهی درون زا سه مقدار ۰٫۰۲ ، ۰٫۱۵ و ۰٫۳۵ را کسب نماید، به ترتیب نشان از قدرت پیش بینی ضعیف، متوسط و قوی سازه یا سازههای برون زای مربوط به آن را دارد.

  1. معیارهای ارزیابی برازش کلی مدل

معیار [۲۴۳]GOF
معیار GOF مربوط به بخش کلی مدلهای معادلات ساختاری است. بدین معنی که توسط این معیار، محقق میتواند پس از بررسی برازش بخش اندازهگیری و بخش ساختاری مدل کلی پژوهش خود، برازش بخش کلی را نیز کنترل نماید. معیار جی او اف به صورت زیر محاسبه میشود:
فرمول۳-۳- معیار جی او اف
به طوری که نشانه میانگین مقادیر اشتراکی هر سازه میباشد و نیز مقدار میانگین مقادیر R Squares سازههای درون زای مدل است. وتزلس و همکاران (۲۰۰۹) سه مقدار ۰٫۰۱ ، ۰٫۲۵ و ۰٫۳۶ را به عنوان مقادیر ضعیف، متوسط و قوی برای GOF معرفی کردند.

  1. آزمودن فرضیهها

پس از بررسی برازش مدلهای اندازهگیری، مدل ساختاری و مدل کلی، محقق اجازه مییابد که به بررسی و آزمون فرضیههای تحقیق خود پرداخته و به یافتههای پژوهش برسد. این بخش شامل دو قسمت میشود:

    دانلود متن کامل این پایان نامه در سایت abisho.ir