Giới Thiệu Mô Hình Kết Cấu Tuyến Tính SEM – Phạm Lộc Blog
Blog

Giới Thiệu Mô Hình Kết Cấu Tuyến Tính SEM – Phạm Lộc Blog

hktc.info xin giới thiệu bài viết

Mô hình SEM là gì?

Video Mô hình SEM là gì

Phân tích thống kê đã là một công cụ quan trọng cho các nhà nghiên cứu khoa học xã hội trong hơn một thế kỷ. Với sự ra đời của phần cứng và phần mềm máy tính, việc áp dụng các phương pháp thống kê đã được mở rộng rất nhiều, đặc biệt là trong những năm gần đây, do giao diện thân thiện với người dùng, người dùng có thể sử dụng rộng rãi nhiều phương pháp hơn và cung cấp kiến ​​​​thức về kỹ thuật này. Các nhà nghiên cứu ban đầu dựa vào các phân tích đơn biến và hai biến để hiểu dữ liệu và các mối quan hệ. Để hiểu các mối quan hệ phức tạp hơn liên quan đến các hướng nghiên cứu khoa học xã hội hiện nay, chúng ta cần áp dụng các phương pháp phân tích dữ liệu đa biến tinh vi hơn.

Mô hình cấu trúc tuyến tính hay còn gọi là sem (Mô hình phương trình cấu trúc) là kỹ thuật thứ hai mà các kỹ thuật phân tích thống kê hiện đại đã được phát triển để phân tích các mối quan hệ đa chiều giữa nhiều biến trong một mô hình (Haenlein và Kaplan, 2004). Mối quan hệ giữa nhiều biến có thể được biểu thị bằng các phương trình hồi quy đơn giản và các bội số khác nhau. Một kỹ thuật lập mô hình cấu trúc tuyến tính kết hợp dữ liệu định lượng và các giả định (nhân quả) có liên quan vào một mô hình duy nhất. Với SEM, các nhà nghiên cứu có thể kiểm tra trực quan các mối quan hệ tồn tại giữa các biến quan tâm để ưu tiên các nguồn lực nhằm phục vụ khách hàng tốt hơn. Việc SEM có thể sử dụng các biến tiềm ẩn khó đo lường khiến nó trở nên lý tưởng để giải quyết các vấn đề nghiên cứu kinh doanh. sem là một kỹ thuật thống kê mạnh hơn có thể giải quyết các vấn đề sau:

1. Phân tích đồng thời nhiều mô hình hồi quy;

2. Phân tích hồi quy với bài toán đa cộng tuyến;

3. Phân tích đường đi của nhiều biến phụ thuộc;

4. Mô hình hóa mối quan hệ đa chiều giữa các biến trong mô hình.

sem có một số phương pháp khác nhau. Phương pháp đầu tiên là sem dựa trên hiệp phương sai (cb-sem), sử dụng các gói như amos, eqs, lisrel và mplus. Phương pháp thứ hai, bình phương nhỏ nhất từng phần (pls), tập trung vào ANOVA và có thể được triển khai bằng cách sử dụng pls-graph, visualpls, smartpls và warppls. Nó cũng có sẵn thông qua mô-đun pls trong gói thống kê “r”. Phương pháp thứ ba là SEM dựa trên thành phần được gọi là Phân tích thành phần cấu trúc chung (GSCA); nó được triển khai thông qua visualgsca hoặc một ứng dụng dựa trên web có tên là gesca. Một phương pháp khác để thực hiện SEM được gọi là mô hình hóa mối quan hệ cấu trúc phổ tuyến tính phi tuyến tính (Neusrel), sử dụng phần mềm phân tích dòng nhân quả Neusrel. Trước các phương pháp mô hình hóa đường dẫn khác nhau, các ưu điểm và nhược điểm của chúng phải được xem xét toàn diện để lựa chọn phương pháp phù hợp.

Tuy nhiên, hiện nay, các nhà nghiên cứu thường sử dụng hai cách tiếp cận chính để phân tích mô hình cấu trúc bán tuyến tính, nghĩa là: cbsem và pls-sem (còn được gọi là pls-sem. Chế độ đường dẫn được gọi là pls). CBSEM chủ yếu được sử dụng để xác nhận (hoặc bác bỏ) một lý thuyết (nghĩa là mối quan hệ giữa một tập hợp các biến có thể được kiểm tra bằng thực nghiệm). Nó thực hiện điều này bằng cách xác định mức độ mà mô hình lý thuyết được đề xuất có thể ước tính ma trận hiệp phương sai của tập dữ liệu mẫu. Ngược lại, PLS-SEM chủ yếu được sử dụng để phát triển lý thuyết trong các nghiên cứu khám phá. Nó thực hiện điều này bằng cách tập trung giải thích phương sai của biến phụ thuộc khi kiểm định mô hình.

Cảm ơn bạn đã xem qua bài viết của hktc.info

Rate this post

Trả lời

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *