خوش آمدید

الگوریتم PLS وزنی

الگوریتم PLS وزنی (WPLS)، آنگونه که توسط بکر و اسماعیل (2016) ارائه شده، یک نسخه اصلاح شده از
تنها کاربران عضو سايت قادر به مشاهده لينک ها هستند.
PLS اصلی است که اوزان نمونه گیری را ترکیب می‌کند

برنامه های کاربردی PLS-SEM  معمولا بر روی پاسخ های تحقیق در مدیریت، علوم اجتماعی و تحقیقات بازار و محققانی که از  نمونه های جمع آوری شده خود برای ارزیابی پارامترهای جامعه استفاده می کنند، تمرکز دارند.  برای این منظور، نمونه باید نماینده جامعه باشد . با این حال، اعضای جامعه اغلب به طور مساوی به احتمال زیاد در نمونه گنجانده نمی شوند، که نشان می دهد واحدهای نمونه گیری احتمال متفاوت انتخاب شدن دارند از اینرو، هنگام ارزیابی پارامترهای جامعه، وزنهای نمونه برداری (بعد از طبقه بندی) باید برای دستیابی به برآوردهای سازگار استفاده شود. استفاده از وزن نمونه گیری یک راه حل ممکن برای اصلاح نتایج با، به عنوان مثال، وزن و یا واریانس وزنی، هنگام برآورد پارامترهای جامعه است. نقص در نمونه نه تنها می تواند به دلیل احتمال نابرابر بودن انتخاب با استفاده از اعمال وزن مناسب اصلاح شود، بلکه نقایص از نظر عدم پاسخ  و عدم پوشش واحد نیز، اصلاح می‌گردد.

 

دانلود و ادامه مقاله در ادامه مطلب...


PLS-SEM یک سیستم رگرسیون بر روی داده های شاخص استاندارد شده است و ترکیب های وزنی را به عنوان تقریبی از متغیرهای پنهان مفهومی در یک الگوریتم تکراری محاسبه می کند. یک رویکرد مناسب برای ترکیب کردن وزن نمونه در  PLS-SEM بر اساس داده های متغیرهای مشاهده شده (یا آشکار) و یک متغیر وزنی است که برای احتمال نابرابری انتخاب اصلاح می شود و در نتیجه معرف بودن نمونه را با توجه به جامعه تضمین می کند. الگوریتم وزن PLS (WPLS)، آنگونه که توسط بکر و اسماعیل (2016) ارائه شده است، این وزن ها را با استفاده از همبستگی های وزن و نتایج رگرسیون وزن در هنگام برآورد مدل مسیر PLS در نظر می گیرد.  WPLS یک نسخه اصلاح شده از الگوریتم مدل سازی مسیر PLS اصلی است که اوزان نمونه گیری را ترکیب میکند در نتیجه، WPLS  میانگین بهتری از برآوردهای پارامتر مدل جامعه از الگوریتم PLS پایه را فراهم می کند زمانی که وزن نمونه گیری مناسب در دسترس است (بکر و اسماعیل، 2016)

تنظیمات WPLS  در  SMARTPLS

پیشنیاز استفاده از الگوریتم WPLS در دسترس بودن یک متغیر وزن در مجموعه داده های شما است. متغیر وزن متغیری در مجموعه داده های شماست که شامل وزن نمونه گیری برای هر مشاهده است. قبل از وارد کردن داده ها به SmartPLS این متغیر وزن بایستی پیش از وارد کردن داده ها در smartpls توسط محقق ایجاد شوند (برای کسب اطلاعات بیشتر در مورد ایجاد اوزان نمونه گیری به مقالات مجلات و سایر پیشینه­های پژوهشی در این زمینه مراجعه کنید)

 هنگام اجرای الگوریتم PLS و PLSc و همچنین تمامی الگوریتم های دیگر که مبتنی بر نتایج PLS و PLSc در SmartPLS  هستند، گزینه ای برای انتخاب یک متغیر وزن نمایش داده می شود

تنها کاربران عضو سايت قادر به مشاهده لينک ها هستند.

فقط متغیر وزن را با استفاده از جعبه دسته کوچک (combo) در نوار وزن که در هنگام اجرای الگوریتم در SmartPLS ظاهر می شود انتخاب کنید. پس از انتخاب یک متغیر وزن، SmartPLS به طور خودکار WPLS را اعمال می کند. تمام محاسبات PLS بعدی براساس این اوزان نمونه گیری است. به عنوان نتیجه، شما نتایج PLS  وزنی را بدست می آورید.

اگر نوار وزن برای یک الگوریتم در SmartPLS در دسترس نیست، روش های WPLS (هنوز) برای این الگوریتم موجود نیست

منبع اول:

Becker, J.-M. & Ismail, I. R. 2016.

تنها کاربران عضو سايت قادر به مشاهده لينک ها هستند.
, European Management Journal, 34(6): 606-617.

منبع دوم:

تنها کاربران عضو سايت قادر به مشاهده لينک ها هستند.
تنها کاربران عضو سايت قادر به مشاهده لينک ها هستند.
انتشارات مهرگان قلم

 

تنها کاربران عضو سايت قادر به مشاهده لينک ها هستند.
تنها کاربران عضو سايت قادر به مشاهده لينک ها هستند.
حجم فايل 471 کیلوبایت

تنها کاربران عضو سايت قادر به مشاهده لينک ها هستند.
پسورد فايل : www.spss-pasw.ir [با حروف كوچك نوشته شود]

تنها کاربران عضو سايت قادر به مشاهده لينک ها هستند.
منبع :
تنها کاربران عضو سايت قادر به مشاهده لينک ها هستند.


تنها کاربران عضو سايت قادر به مشاهده لينک ها هستند.
لطفا مشکلات خودتان را در تالار گفتگو مطرح کنيد.

تنها کاربران عضو سايت قادر به مشاهده لينک ها هستند.
هشدار: کپي برداي از نوشته هاي سايت تخصصي آمار بدون ذکر منبع مجاز نميباشد

دانلود برنامه آمارگر سایت تخصصی آمار فربد