روش حداقل مربعات جزئی

دانلود پایان نامه

پس از بیان مدل مرحله بعد بدست آوردن تخمین پارامترهای آزاد از روی مجموعه‌ای از داده‌های مشاهده شده است. روش‌های تکراری از قبیل بیشینه درست نمایی یا حداقل مجذور‌ها تعمیم یافته و یا روش حداقل مربعات جزئی جهت تخمین مدل مورد استفاده قرار می‌گیرد.
روش حداقل مربعات جزئی که در بحث الگوسازی رگرسیونی آن ‌را با PLS نیز معرفی می‌کنند، یکی از روش‌های آماری چند متغیره محسوب می‌شود که به وسیله آن می‌توان علیرغم برخی محدودیت‌ها مانند: نامعلوم بودن توزیع متغیر پاسخ، وجود تعداد مشاهدات کم و یا وجود خود همبستگی جدی بین متغیرهای توضیحی؛ یک یا چند متغیر پاسخ را به طور همزمان در قبال چندین متغیر توضیحی الگوسازی نمود. به دلیل وجود خود همبستگی جدی بین متغیرهای توضیحی، همچنین داشتن متغیرهای تعدیل گر از نوع کمی، به منظور تحلیل داده ها و آزمون فرضیه‌های تحقیق از روش کمترین توان دوم(PLS) جزیی استفاده شده است. روش تخمین PLS ضرایب را به گونه‌ای تعیین می‌کند که مدل حاصله، بیشترین قدرت تفسیر و توضیح را دارا باشد؛ بدین معنا که مدل بتواند با بالاترین دقت و صحت، متغیر وابسته نهایی، را پیش بینی نماید. بعلاوه، روشPLS ، تمامی روابط موجود در مدل یعنی تأثیر متقابل ما بین هر یک از متغیرهای پنهان و همچنین وزن تمامی شاخص‌های قابل اندازه گیری مربوط به هر یک از متغیرهای پنهان (ضرایب بیرون از مدل اندازه گیری) را تخمین می‌زند. PLS یک روش آماری است که به منظور آنالیز متغیرهای پنهان مدل ‌های ساختاری به کار می‌رود. برخلاف نرم افزار هایی همچون LISREL ، هدف PLS بدست آوردن متغیرهای پنهان برای پیش بینی اهداف مورد نظر با استفاده از شاخص‌های قابل اندازه گیری است. بر اساس نظریه (1998) CHIN، PLS ، برآورد پارامترها بر اساس مینیمم کردن واریانس پسماندهای (جمله اختلال) متغیرهای مستقل است. برای تحلیل یافته‌های این تحقیق نرم افزارهای متفاوتی همچون VarpPLS, VisualPLS, SmartPLS و … وجود داردکه در این تحقیق از نرم افزار SMARTPLS و VarpPLS جهت برآورد رابطه بین متغیرهای پنهان مسئله استفاده گردیده است.
4-3-1 تحلیل داده ها بدون حضور متغیر تعدیل گر بر اساس سه برند مشهور
الف) بررسی برند نوکیا
رسم دیاگرام‌ مسیر در حالت تخمین ضرایب استاندارد
نمودار 4- 10: مدل تحقیق در حالت تخمین ضرایب استاندارد
نمودار 4-10 مدل تحقیق را در حالت تخمین ضرایب استاندارد نشان می‌دهد. کلیه متغیرهای تحقیق به دو دسته‌ی پنهان و آشکار تبدیل می‌شوند . متغیرهای آشکار(مستطیل) یا مشاهده شده به گونه‌ای مستقیم به وسیله پژوهشگر اندازه گیری می‌شود، در حالی که متغیرهای مکنون(بیضی) یا مشاهده نشده به گونه‌ای مستقیم اندازه گیری نمی‌شوند، بلکه بر اساس روابط یا همبستگی‌های بین متغیرهای اندازه گیری‌شده استنباط می‌شوند. متغیرهای مکنون بیانگر یکسری سازه‌های تئوریکی هستند مانند مفاهیم انتزاعی که مستقیماً قابل مشاهده نیستند و از طریق سایر متغیرهای مشاهده شده ساخته و مشاهده می‌شوند. متغیرهای مکنون به نوبه خود به دو نوع متغیرهای درون زا یا جریان گیرنده و متغیرهای برونزا یا جریان دهنده تقسیم می‌شوند. هر متغیر در سیستم مدل معادلات ساختاری می‌تواند هم به عنوان یک متغیر درون زا و هم یک متغیر برونزا در نظر گرفته شود. متغیر درون زا متغیری است که از جانب سایر متغیرهای موجود در مدل تأثیر می‌پذیرد. در مقابل متغیر برونزا متغیری است که هیچ‌گونه تأثیری از سایر متغیرهای موجود در مدل دریافت نمی‌کند بلکه خود تأثیر می‌گذارد. در این تحقیق متغیرهای پرخاشگری، سادگی، فعالیت، هیجان پذیری و مسئولیت متغیرهای برونزا هستند، و متغیرترجیح خرید برند متغیر درون زا می‌باشد.
با توجه به مدل در حالت تخمین ضرایب می‌توان بارهای عاملیو ضرایب مسیررا برآورد کرد. در این نمودار اعداد و یا ضرایب به دو دسته تقسیم می‌شوند. دسته‌ی اول تحت عنوان معادلات اندازه گیری هستند که روابط بین متغیرهای پنهان (بیضی) و متغیرهای آشکار(مستطیل) می‌باشند. این معادلات را اصطلاحاً بارهای عاملی گویند. بر اساس بارهای عاملی استاندارد شده، شاخصی که بیشترین بار عاملی را داشته باشد، در اندازه گیری سازه مربوطه سهم بیشتری دارد و شاخصی که ضرایب کوچکتری داشته باشد سهم کمتری رو در اندازه گیری سازه مربوطه ایفا می کند. دسته‌ی دوم معادلات ساختاری هستند که روابط بین متغیرهای پنهان و پنهان می‌باشند و برای آزمون فرضیات استفاده می‌شوند. به این ضرایب اصطلاحاً ضرایب مسیر گفته می‌شود. اعداد داخل بیضی شاخص‌ ضریب تعیین می‌باشند. ضریب تعیین (R2) بررسی می‌کند چند درصد از واریانس یک متغیر وابسته توسط متغیرهای مستقل تبیین و پوشش داده می‌شود. بنابراین طبیعی است که این مقدار برای متغیر مستقل مقداری برابر صفر می‌باشد و برای متغیر وابسته مقدار بیشتر از صفر. هر چه این میزان بیشتر باشد، بنابراین ضریب تأثیر متغیرهای مستقل بر وابسته بیشتر می‌باشد. برای متغیر ترجیح خرید برند مقدار ضریب تعیین برابر 341/0 شده است بنابراین تمامی متغیرهای پرخاشگری، سادگی، فعالیت، هیجان پذیری و مسئولیت روی هم رفته توانسته‌اند 1/34% از واریانس ترجیح خرید برند را پوشش دهند. 1/65% باقیمانده مربوط به خطای پیش بینی می‌باشد و می‌تواند شامل دیگر عوامل تأثیر گذار بر ترجیح خرید برند باشد.
رسم دیاگرام‌ مسیر در حالت معناداری ضرایب (t-value)
نمودار 4-11 : مدل تحقیق در حالت معناداری ضرایب (t-value)
نمودار 4-11 مدل تحقیق را در حالت معناداری ضرایب (t-value) نشان می‌دهد. این مدل در واقع تمامی معادلات اندازه گیری (بارهای عاملی) و معادلات ساختاری(ضرایب مسیر) را با استفاده از آماره t، آزمون می‌کند. بر طبق این مدل ضریب مسیر و بار عاملی در سطح اطمینان 95% معنادار می‌باشد اگر مقدار آماره‌ی t خارج بازه‌ی ( 96/1- تا 96/1+) قرار گیرد و اگر مقدار آماره‌ی t درون این بازه قرار گیرد، در نتیجه بار عاملی یا ضریب مسیر، معنادار نیست. ضریب مسیر و بار عاملی در سطح اطمینان 99% معنادار می‌باشد اگر مقدار آماره‌ی t خارج بازه‌ی ( 58/2- تا 58/2+) قرار گیرد. بر طبق نتایج به دست آمده از آزمون t تمامی بارهای عاملی در سطح اطمینان 99% معنادار شده‌اند و در اندازه گیری سازه‌های خود سهم معناداری را ایفا کرده‌اند. بنابراین نتایج حاصله از بارهای عاملی روایی بالای مدل را تایید می کند. تمامی معادلات اندازه گیری به جز شاخص یکنواخت برای سازه سادگی در سطح اطمینان 99% معنادار شده اند اما شاخص یکنواخت روایی لازم رانداشته است بنابراین سهمی در مدل اندازه گیری سازه سادگی ندارد. ضرایب مسیر متغیرهای هیجان پذیری، مسئولیت و فعالیت بر ترجیح خرید برند در سطح اطمینان 99% معنادار شده اند اما ضرایب مسیر متغیرهای سادگی و پرخاشگری در سطح اطمینان 95% معنادار نشده اند و این دو متغیر بر ترجیح خرید برند تاثیر ندارند.
بررسی ضرایب پایایی، میانگین واریانس تبیین شده، ضرایب همبستگی
جدول 4-1 : مقدار واریانس استخراج شده، همگرایی کل و آلفای کرونباخ و ضرایب تعیین
متغیرهای مکنون
مسئولیت
فعالیت
سادگی
پرخاشگری
هیجان پذیری
ترجیح خرید برند
CCR
مسئولیت
0.504