فهم شاخص R2 در برازش مدل با استفاده از نرم اسمارت پی ال اس

آماره «آر-مربع» (R-Square) بیانگر آن میزان از واریانس در متغیر درون‌زا است که توسط متغیر(های) برون‌زا تبیین می‌شود.

برای مثال، اگر متغیر Y تحت تأثیر متغیرهای X1، X2 و X3 باشد و مقدار R-Square آن برابر با ۰.۶۲۳ باشد، بدین معناست که ۶۲.۳ درصد از تغییرات Y توسط متغیرهای X1، X2 و X3 قابل تبیین است.

نکته: برای سهولت در تفسیر، به پیکان‌هایی توجه کنید که به سمت متغیر وابسته (درون‌زا) اشاره دارند.

فالک و میلر (۱۹۹۲) پیشنهاد کردند که برای آنکه میزان واریانس تبیین‌شده در یک سازه درون‌زا کافی تلقی شود، مقدار R2 باید برابر یا بیشتر از ۰.۱۰ باشد.

کوهن (۱۹۸۸) پیشنهاد کرد که مقادیر R2 برای متغیرهای مکنون درون‌زا به این صورت ارزیابی شوند:

۰.۲۶ (قابل‌توجه/زیاد)، ۰.۱۳ (متوسط) و ۰.۰۲ (ضعیف).

چین (۱۹۹۸) مقادیر R2 برای متغیرهای مکنون درون‌زا را به این ترتیب پیشنهاد کرد:

۰.۶۷ (قابل‌توجه/زیاد)، ۰.۳۳ (متوسط) و ۰.۱۹ (ضعیف).

هِیر و همکاران (۲۰۱۱ و ۲۰۱۳) در پژوهش‌های علمیِ متمرکز بر مباحث بازاریابی پیشنهاد کردند که:

مقادیر R2 برابر با ۰.۷۵، ۰.۵۰ یا ۰.۲۵ برای متغیرهای مکنون درون‌زا را می‌توان — به‌عنوان یک قاعده کلی و تقریبی — به ترتیب به عنوان مقادیر «قابل‌توجه»، «متوسط» و «ضعیف» توصیف کرد.

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd Ed.). New York: Routledge.
Chin, W. W. (1998). The partial least squares approach to structural equation modeling. Modern methods for business research, 295(2), 295-336.
Falk, R. F., & Miller, N. B. (1992). A primer for soft modeling. University of Akron Press.
Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a silver bullet. Journal of Marketing theory and Practice, 19(2), 139-152.
Hair, J. F., Ringle, C. M., & Sarstedt, M. (2013). Partial least squares structural equation modeling: Rigorous applications, better results and higher acceptance. Long range planning, 46(1-2), 1-12.

برای عضویت در کانال ایتای آکادمی تحلیل دکتر طالعی فر اینجا را کلیک کنید

گزیده ای از خدمات تحلیلی قابل ارائه آکادمی تحلیل دکتر طالعی فر با استفاده از کادری مجرب و زبده

1.تحلیل روایی و پایایی انواع پرسشنامه های استاندارد مرتبط با موضوع درخواست دهنده

2. تحلیل های توصیفی (تهیه انواع جداول فراوانی، محاسبه انواع آماره های توصیفی پراکندگی و مرکزی، تهیه انواع نمودارهای آماری (نموداری کیفی و کمی))

3. تحلیل های استنباطی ( تحلیل واریانس، آزمون های آماری پارامتریک و ناپارامتریک، تحلیل های رگرسیون و همبستگی، تحلیل عاملی اکتشافی و تاییدی و …).

4. مدلسازی معادلات ساختاری و تحلیل مسیر

5.تحلیل های مرتبط با تکنیک های تصمیم گیری (تک یا چند معیاره)

6. تحلیل پویایی سیستم (مدلسازی، اعتبارسنجی رفتار مدل، شبیه سازی متغیرهای کلیدی مدل، سناریوسازی)

7.تحلیل گراندد تئوری (داده بنیاد)

8.تحلیل تم (تحلیل مضمون)

9.تحلیل محتوا

10.پدیدار شناسی