مدلسازی معادلات ساختاری واریانس محور با نرم افزار Smartpls

در مدلسازی معادلات ساختاری (SEM) از دو روش مدلسازی مبتنی بر کواریانس(CBSEM) و مدلسازی مبتنی بر واریانس می توان استفاده نمود. در روش CBSEM هدف نزدیک شدن ماتریس کواریانس نظری به ماتریس کواریانس مشاهده شده در نمونه می باشد و از روش های برآورد حداکثر درستنمایی و کمترین مربعات تعمیم یافته برای این منظور استفاده می شود. برقراری پیشفرض هایی همچون توزیع نرمال معرف های مشاهده شده و حجم نسبتا بالای نمونه مورد نیاز است.

از جمله راه های جایگزین در صورت نقض این پیش فرض ها استفاده از روش حداقل مربعات جزئی (PLS) می باشد. هریک از این روش ها می توانند پارامترهای مدل را به صورت کاملا متفاوت برآورد نمایند. از این روی انتخاب روش مناسب جهت تحلیل اطلاعات امری ضروری به نظر می رسد. بنابراین چنانچه مدل شما دارای شرایط ذیل می باشد، استفاده از روش PLS برای تحلیل مدل مورد نظر پیشنهاد می شود :
روش PLS (حداقل مربعات جزئی) شامل مجموعه ای از رگرسیون های متوالی OLS میباشد و ضرورتی در نرمال بودن توزیع مشاهدات وجود ندارد.
استفاده از روش OLS نشان از سازگاری روش حداقل مربعات جزئی با نمونه های کوچک دارد. درحالیکه در روش CBSEM مبتنی بر ML یا GLS حداقل ۲۰۰ نمونه مورد نیاز است.
با توجه به اینکه در PLS فرض بر این است که تمام بلوک ها ترکیباتی خطی از معرف هایشان هستند، مشکلات شایعی همچون راه حل های ناسره و مشخص نبودن عوامل که برخی مواقع در تکنیک های CBSEM روی می دهد، بروز نمی کند.