نحوه برآورد مدل در نرم افزار SmartPLS
پس از آماده‌سازی داده‌ها در نرم افزار SmartPLS و رسم مدل (همانطوری که در پست قبل نشان داده شد) نوبت آن است که به برازش مدل بپردازیم و پارامترها و ضرایب رگرسیونی را برآورد کنیم. برای این کار از دستور زیر مانند شکل استفاده خواهیم کرد :
Calculate/ PLS Algorithm
پس از اعمال دستور PLS Algorithm پنجره زیر نمایان می‌شود.
بدون عوض کردن پیش فرض‌های برآورد پس از اجرای دستور Start Calculation، خروجی به دو صورت متنی و تصویری قابل مشاهده است که در شکل زیر نشان داده شده است.
خروجی متنی
اعداد نشان داده شده، ضرایب رگرسیونی متغیرهای مستقل (سطر) بر متغیرهای مستقل (ستون) است.
خروجی تصویری
1- بارهای عاملی : هریک از اعدادی که بر فلش‌های رسم شده از متغیرهای پنهان (متغیرهای آبی رنگ) به متغیرهای آشکار (متغیرهای زرد رنگ) بدست آمده؛ نشانگر بارهای عاملی می‌باشد. بارهای عاملی از طریق محاسبه مقدار همبستگی شاخص‌های یک سازه با آن سازه محاسبه می‌شوند که اگر این مقدار برابر و یا بیشتر از مقدار 0/4 شود، مؤید این مطلب است که واریانس بین سازه و شاخص‌های آن از واریانس خطای اندازه‌گیری آن سازه بیشتر بوده و پایایی در مورد آن مدل اندازه‌گیری قابل قبول است (هولاند، 1999). نکته مهم در اینجا این است که اگر محقق پس از محاسبه بارهای عاملی بین سازه و شاخص‌های آن با مقادیری کمتر از 0/4 مواجه شد، باید آن شاخص‌ها (سؤالات پرسش‌نامه) را اصلاح نموده و یا از مدل تحقیق خود حذف نماید.
2-ضریب رگرسیونی استاندارد : ضریب رگرسیونی استاندارد نشان دهنده میزان تاثیر متغیر مستقل بر متغیر وابسته می‌باشد و در بازه 1- تا 1+ قرار دارد. هرچه این عدد به یک نزدیک تر باشد نشان دهنده تاثیر قوی و مستقیم، هر چه به منفی یک نزدیک باشد نشان دهنده تاثیر قوی و غیر مستقیم و زمانی که به صفر نزدیک تر باشد نشان دهنده‌ی تاثیر نامحسوس و غیر معناداری است.
3- ضریب تعیین (R به توان دو) : نسبت تغییرات (متغیرهای) تعریف شده، به کل تغییرات (متغیرها) می‌باشد. این اندازه گیری به ما این امکان را می‌دهد که تعیین کنیم چقدر میتوان به به پیش بینی مدل مطمئن بود. ضریب تعیین میزان بیان واریانس متغیر وابسته به وسیله متغیرهای مستقل را نشان می‌دهد. برای مثال در مدل فوق 72/4 درصد از تغییرات خلاقیت سازمانی به وسیله متغیرهای مدیریت دانش، جهت گیری استراتژیک رقابتی و نوآوری بیان می‌شود و 28/6 درصد بقیه مربوط به عواملی است که یا قابل اندازه گیری است و در مدل در نظرگرفته و یا قابل اندازه گیری نیست.
