The second approach to the analysis

The second approach to the analysis of moderating effects in path models is multiple group analysis, which is especially useful for discrete moderator variables (e.g., sex, customer status [yes/no], stakeholder group). Group comparisons are also used in CBSEM environments (J¨oreskog 1971), but can also be applied in PLS (Chin 2000; Keil et al 2000). Basically, a discrete moderator variable can be interpreted as dividing the data into groups of subsamples. The same PLS path model can then
be estimated in each of the distinct subsamples. CBSEM models usually report having used different measures for global fit (based on their hard distributional assumptions), which allows for a statistical assessment of the group differences in terms of the structural invariance between the groups. This approach is an easy-toapply instrument for testing discrete moderators. Nevertheless, the approach does have some drawbacks. One of the prerequisites of this parametric testing procedure is that – as in any t-test – the data is largely normal. This is a huge problem in many applications, since violation of the assumption may lead to biased results. Recent publications have, however, developed alternatives. Dibbern and Chin (2005) proposed an alternative distribution-free approach by using a random permutation procedure in accordance with Edgington (1987) and Good (2000). This rather new approach to PLS path modeling is a very interesting alternative for further research on this topic. For more information, see also the paper by Chin in this handbook. As the approach requires a huge number of simulation runs, and has not, for practical reasons, been used in practical research to date, it was not adopted in this study either.

Kết quả (Việt) 1:

Phương pháp thứ hai để phân tích của kiểm duyệt nhận hiệu ứng trong mô hình đường dẫn là nhiều nhóm phân tích, đó là đặc biệt hữu ích cho người điều hành rời rạc biến (ví dụ, giới tính, tình trạng khách hàng [yes/no], nhóm bên liên quan). So sánh nhóm cũng được sử dụng trong môi trường CBSEM (J¨oreskog năm 1971), nhưng cũng có thể được áp dụng trong PLS (Chin năm 2000; Keil et al năm 2000). Về cơ bản, một người điều tiết rời rạc biến có thể được hiểu là phân chia dữ liệu thành các nhóm subsamples. Mô hình cùng một đường dẫn PLS có thể sau đóđược ước tính trong mỗi subsamples riêng biệt. CBSEM các mô hình thường báo cáo có sử dụng các biện pháp khác nhau cho toàn cầu phù hợp (dựa trên các giả định distributional cứng), cho phép cho một đánh giá thống kê của nhóm khác biệt về mặt cấu trúc định giữa các nhóm. Cách tiếp cận này là một công cụ dễ dàng toapply để thử nghiệm những người điều tiết rời rạc. Tuy nhiên, phương pháp tiếp cận có một số nhược điểm. Một trong những điều kiện tiên quyết của thủ tục thử nghiệm tham số này là đó-như trong bất kỳ thử nghiệm t-dữ liệu là chủ yếu là bình thường. Đây là một vấn đề lớn trong nhiều ứng dụng, kể từ khi các vi phạm của các giả định có thể dẫn đến kết quả thành kiến. Tại các ấn phẩm có, Tuy nhiên, phát triển các lựa chọn thay thế. Dibbern và Chin (2005) đã đề xuất một cách tiếp cận phân phối miễn phí thay thế bằng cách sử dụng một quy trình ngẫu nhiên hoán vị phù hợp với Edgington (1987) và tốt (2000). Cách tiếp cận này khá mới để PLS con đường người mẫu là một lựa chọn rất thú vị cho các nghiên cứu sâu hơn về chủ đề này. Để biết thêm chi tiết, xem thêm bài báo của cằm trong sách hướng dẫn này. Như cách tiếp cận yêu cầu một số lớn các mô phỏng chạy, và không, vì lý do thực tế, được sử dụng trong các nghiên cứu thực tế đến nay, nó đã không được thông qua trong nghiên cứu này hoặc.

Kết quả (Việt) 2:

Phương pháp thứ hai để phân tích kiểm duyệt hiệu ứng trong mô hình phân tích con đường là nhóm nhiều, đó là đặc biệt hữu ích cho các biến rời rạc điều hành (ví dụ, giới tính, tình trạng khách hàng [yes / no], nhóm các bên liên quan). Nhóm so sánh cũng được sử dụng trong các môi trường CBSEM (J¨oreskog 1971), nhưng cũng có thể được áp dụng trong PLS (Chin 2000; Keil et al 2000). Về cơ bản, một biến điều hành rời rạc có thể được hiểu như là cách chia dữ liệu thành các nhóm subsamples. Cùng một mô hình con đường PLS sau đó có thể
được ước tính trong mỗi subsamples biệt. Mô hình CBSEM thường báo cáo có sử dụng các biện pháp khác nhau cho phù hợp với toàn cầu (dựa trên các giả định phân phối cứng của họ), cho phép cho một đánh giá thống kê của các nhóm khác nhau trong điều khoản của bất biến cấu trúc giữa các nhóm. Cách tiếp cận này là một công cụ dễ toapply để thử nghiệm điều hành rời rạc. Tuy nhiên, phương pháp này có một số nhược điểm. Một trong những điều kiện tiên quyết của thủ tục kiểm tra tham số này là - như trong bất kỳ t-test - các dữ liệu phần lớn là bình thường. Đây là một vấn đề rất lớn trong nhiều ứng dụng, kể từ khi vi phạm các giả định có thể dẫn đến kết quả sai lệch. Ấn phẩm gần đây đã, tuy nhiên phát triển giải pháp thay thế. Dibbern và Chin (2005) đề xuất một cách tiếp cận phân phối miễn phí thay thế bằng cách sử dụng một thủ tục hoán vị ngẫu nhiên theo Edgington (1987) và Good (2000). Cách tiếp cận khá mới này vào đường dẫn mô hình PLS là một lựa chọn rất thú vị cho các nghiên cứu sâu hơn về chủ đề này. Để biết thêm thông tin, xem thêm bài báo của Chin trong cuốn sổ tay này. Là phương pháp tiếp cận này đòi hỏi một số lượng lớn các mô phỏng chạy, và đã không, vì những lý do thực tế, được sử dụng trong nghiên cứu thực tế cho đến nay, nó đã không được thông qua trong nghiên cứu này, hoặc.