معادلات ساختاري كوواريانس محور در smartpls

مدل‌سازی معادلات ساختاری مبتنی بر کوواریانس (CB-SEM) نتایج یک تحلیل عاملی رایج (CFA) و مدل‌سازی معادلات ساختاری (SEM) را با استفاده از رویکرد حداکثر احتمال (ML) ارائه می‌کند. برای SEM، CB-SEM از یک مدل آماری برای تخمین و آزمایش همبستگی بین متغیرهای وابسته و مستقل و همچنین ساختارهای پنهان در بین آنها استفاده می کند. به این ترتیب می توان بررسی کرد که آیا فرضیه های فرض شده برای مدل با متغیرهای داده شده مطابقت دارند یا خیر. این به عنوان یک روش چند متغیره تست ساختار طبقه بندی می شود و دارای ویژگی تاییدی است.

تنظیمات الگوریتم CB-SEM در SmartPLS
حداکثر تکرار
حداکثر تعداد تکرارهایی که بهینه ساز انجام خواهد داد. این پارامتر باید بالا باشد تا اطمینان حاصل شود که یک راه حل مدل خوب می تواند پیدا شود. مقدار پیش فرض 1000 است.

استراتژی ارزش شروع
مقادیر شروع پیکربندی شده را اعمال کنید.
فقط اگر این گزینه را علامت بزنید، از مقادیر شروع مشخص شده از مدل استفاده می شود. اگر این گزینه انتخاب نشده باشد، همیشه از مقادیر شروع پیش فرض استفاده می کنیم.

استراتژی پیش فرض
این استراتژی از مقادیر شروع پیش فرض از lavaan تقلید می کند. از برآوردهای سبک فابین برای بارگذاری ها، 0.0 برای ضرایب مسیر و کوواریانس ها، 0.5 * واریانس شاخص برای واریانس های باقیمانده، 0.05 برای واریانس های متغیر پنهان استفاده می کند.

استراتژی یک صفر
این استراتژی از مقدار شروع بسیار ساده تری استفاده می کند، با 1.0 برای بارگذاری و واریانس، و 0.0 برای ضرایب مسیر و کوواریانس.

معیار توقف (شیب)
زمانی که یکی از دو معیار توقف برآورده شود و همگرایی به حد مطلوب فرض شود، بهینه ساز متوقف می شود. در این حالت، بهینه ساز زمانی خاتمه می یابد که ||g|| < معیار توقف * max(1، ||x||)، که در آن ||.|| نشان دهنده هنجار اقلیدسی (L2) است. مقدار پیش فرض 10^-6 است.

معیار توقف (مقدار تابع)
زمانی که یکی از دو معیار توقف برآورده شود و همگرایی به حد مطلوب فرض شود، بهینه ساز متوقف می شود. در این حالت، زمانی که کاهش تابع هدف (حداکثر مقدار احتمال) به اندازه کافی کوچک باشد، بهینه ساز پایان می یابد. شرط برقرار است اگر (f' - f) / f < معیار توقف، که در آن f' مقدار عینی تکرار گذشته و f مقدار هدف تکرار فعلی است. مقدار پیش فرض 10^-9 است.

مفروضات خاص
دلالت بر همبستگی متغیرهای پنهان
اگر می خواهید همبستگی بین همه متغیرهای پنهان برون زا را تخمین بزنید، این گزینه را انتخاب کنید. معمولاً اگر هیچ پیکان همبستگی در مدل رسم نشود، همبستگی بین متغیرهای پنهان برون زا به صفر محدود می شود. با این گزینه، زمانی که هیچ فلشی کشیده نشود، همبستگی ها به صورت آزاد تخمین زده می شود.

دلالت همبستگی شاخص علی در هر سازه.
اگر می خواهید همبستگی بین همه شاخص های علی یک متغیر پنهان را تخمین بزنید، این گزینه را انتخاب کنید. معمولاً اگر هیچ پیکان همبستگی در مدل رسم نشود، همبستگی بین شاخص‌های علّی به صفر محدود می‌شود. با این گزینه، زمانی که هیچ فلشی کشیده نشود، همبستگی ها به صورت آزاد تخمین زده می شود.

برای شاخص های علی واریانس 1.0 را در نظر بگیرید.
اگر این گزینه را انتخاب کنید، همه واریانس‌های شاخص‌های علّی به 1.0 محدود می‌شوند. این نیز مقادیر مشخص شده برای استفاده را بازنویسی می کند. این گزینه باید به تقلید نتایج پیش‌فرض lavaan کمک کند.