⏱ زمان مطالعه: 9 دقیقه
نگارش فصل چهارم پایان‌نامه با نرم‌افزار اسمارت پی ال اس (SmartPLS) از قواعد روش‌شناختی مشخصی پیروی می‌کند که تخطی از آن‌ها معمولاً به اصلاحیه‌های متعدد در جلسات دفاع منجر می‌شود. مدل‌سازی معادلات ساختاری بر پایه روش حداقل مربعات جزئی (PLS-SEM) برخلاف رویکردهای مبتنی بر کوواریانس، نیازمند ارزیابی دو مرحله‌ای است: ابتدا مدل اندازه‌گیری (روایی و پایایی ابزارها) و سپس مدل ساختاری (بررسی مسیرها و فرضیه‌ها). پیاده‌سازی این دو مرحله بر اساس استانداردهای نگارشی انجمن روان‌شناسی آمریکا (APA)، ارائه تحلیلی دقیق، استاندارد و شفاف را تضمین می‌کند.
چارچوب و ترتیب استاندارد نگارش فصل چهارم با SmartPLS
سازمان‌دهی فصل چهارم با رویکرد PLS-SEM با یک مقدمه کوتاه درباره اهداف آماری فصل آغاز می‌شود و بلافاصله به تحلیل توصیفی جمعیت‌شناختی و متغیرهای پژوهش می‌پردازد. پس از آمار توصیفی، بخش آمار استنباطی باید گام‌به‌گام خروجی‌های الگوریتم پی‌ال‌اس و الگوریتم بوت‌استرپینگ را پوشش دهد. تفکیک ارزیابی مدل اندازه‌گیری از مدل ساختاری ساختار منطقی فصل را تثبیت می‌کند.
مرحله اول به اثبات این موضوع اختصاص دارد که گویه‌های پرسش‌نامه متغیرهای مکنون را با دقت کافی می‌سنجند. در مرحله دوم، پس از تایید برازش مدل اندازه‌گیری، روابط علّی و همبستگی میان سازه‌ها تحلیل می‌شوند. در یک پژوهش فرضی که رابطه «رهبری تحول‌آفرین» بر «نوآوری سازمانی» و «عملکرد شغلی» را می‌سنجد، محقق ابتدا باید نشان دهد که شاخص‌های هر یک از این سه متغیر به تنهایی معتبر و پایا هستند و سپس به سراغ اثبات تأثیر رهبری بر عملکرد برود. اشتباه معمول دانشجویان در این بخش، ورود مستقیم به رد یا تأیید فرضیه‌ها بدون اثبات روایی و پایایی سازه‌ها است. قاعده تصمیم‌گیری این است: اگر حتی یکی از سازه‌ها شرایط روایی همگرا یا واگرا را کسب نکند، هیچ‌کدام از ضرایب مسیر مدل ساختاری قابل اتکا نخواهند بود.
راهنمای جامع این موضوع: تحلیل آماری SPSS، AMOS، Smart PLS
گزارش ارزیابی مدل اندازه‌گیری: پایایی و روایی همگرا
ارزیابی مدل‌های انعکاسی بر اساس چهار شاخص اصلی صورت می‌گیرد: بارهای عاملی خارجی (Outer Loadings)، آلفای کرونباخ (Cronbach’s Alpha)، پایایی مرکب یا ترکیبی (Composite Reliability – CR یا rho_a و rho_c) و میانگین واریانس استخراج‌شده (AVE). بار عاملی هر سنجه روی سازه مربوطه باید بزرگتر یا مساوی ۰.۷۰۸ باشد تا نشان دهد سازه بیش از ۵۰ درصد واریانس سنجه را تبیین می‌کند. با این حال، مقادیر بین ۰.۴ تا ۰.۷ در صورتی که حذف آن‌ها باعث افزایش AVE و پایایی مرکب نشود، قابل اغماض است. مقدار آلفای کرونباخ و پایایی مرکب باید بالاتر از ۰.۷ قرار گیرد و حداقل مقدار پذیرفته‌شده برای AVE معادل ۰.۵ است.
جدول زیر نمونه‌ای استاندارد بر اساس سبک APA را نشان می‌دهد که نتایج ارزیابی مدل اندازه‌گیری را برای متغیرهای یک پژوهش فرضی خلاصه می‌کند:
| سازه مکنون | نشانگرها | بارهای عاملی | آلفای کرونباخ | پایایی مرکب (rho_c) | میانگین واریانس استخراج‌شده (AVE) |
|---|---|---|---|---|---|
| رهبری تحول‌آفرین | TL1 TL2 TL3 | ۰.۸۱۴ ۰.۷۹۲ ۰.۷۵۶ | ۰.۸۴۱ | ۰.۸۷۴ | ۰.۶۲۱ |
| نوآوری سازمانی | OI1 OI2 OI3 | ۰.۸۴۵ ۰.۷۶۰ ۰.۸۸۱ | ۰.۸۰۹ | ۰.۸۶۸ | ۰.۶۸۸ |
| عملکرد شغلی | JP1 JP2 JP3 | ۰.۷۴۵ ۰.۸۳۱ ۰.۷۹۸ | ۰.۷۸۶ | ۰.۸۳۵ | ۰.۵۷۲ |
نحوه نگارش متن زیر این جدول باید به این صورت باشد:
بیشتر بخوانید: حداقل حجم نمونه برای اسمارت پی ال اس
«مطابق با جدول بالا، بارهای عاملی تمامی نشانگرها در سطح بالاتر از ۰.۷ قرار دارند که نشان‌دهنده همبستگی قوی میان گویه‌ها و سازه‌های مربوطه است. ضرایب آلفای کرونباخ و پایایی مرکب برای تمام متغیرها از مقدار آستانه ۰.۷ فراتر رفته که حاکی از پایایی درونی مناسب ابزار اندازه‌گیری است. همچنین، مقادیر میانگین واریانس استخراج‌شده (AVE) بالاتر از ۰.۵ به دست آمده است که تأییدکننده روایی همگرای مدل اندازه‌گیری پژوهش است.»
یک خطای متداول در این گام، حذف فوری سنجه‌های با بار عاملی کمتر از ۰.۷ بدون بررسی اثر آن‌ها بر AVE است. بررسی عملی نشان می‌دهد ابتدا باید گویه‌های با بار عاملی کمتر از ۰.۴ حذف شوند و برای گویه‌های بین ۰.۴ تا ۰.۷ تنها در صورتی اقدام به حذف شود که AVE سازه پایین‌تر از ۰.۵ باقی مانده باشد.
گزارش روایی واگرا با معیارهای فورنل-لارکر و HTMT
روایی واگرا یا تشخیصی نشان می‌دهد که یک سازه تا چه اندازه از نظر تجربی از سایر سازه‌های موجود در مدل متمایز است. روش سنتی برای گزارش این شاخص، معیار فورنل-لارکر (Fornell-Larcker) است که جذر AVE هر سازه را با همبستگی‌های آن سازه با سایر سازه‌ها مقایسه می‌کند. طبق این معیار، جذر AVE باید از بالاترین همبستگی آن سازه با سایر متغیرها بیشتر باشد. با این حال، در نگارش نوین پژوهش‌های مبتنی بر PLS، شاخص نسبت خصیصه چندگانه-تک‌خصیصه (HTMT) به عنوان معیاری با حساسیت بالاتر الزامی دانسته می‌شود. حد آستانه محافظه‌کارانه برای HTMT مقدار ۰.۸۵ و در سازه‌های با مفاهیم نزدیک به هم مقدار ۰.۹۰ است.
مطلب مرتبط: کنترل استرس قبل از جلسه دفاع
| سازه‌ها | ۱. رهبری تحول‌آفرین | ۲. نوآوری سازمانی | ۳. عملکرد شغلی |
|---|---|---|---|
| ۱. رهبری تحول‌آفرین | – | ||
| ۲. نوآوری سازمانی | ۰.۶۳۴ | – | |
| ۳. عملکرد شغلی | ۰.۵۱۲ | ۰.۷۰۱ | – |
نحوه نگارش تفسیر ماتریس HTMT در متن گزارش:
«به منظور سنجش روایی واگرا، ماتریس نسبت خصیصه چندگانه-تک‌خصیصه (HTMT) محاسبه شد. طبق جدول فوق، بیشترین مقدار مشاهده‌شده میان متغیرهای نوآوری سازمانی و عملکرد شغلی برابر با ۰.۷۰۱ است. از آنجا که کلیه مقادیر HTMT به دست آمده به مراتب کمتر از سطح بحرانی ۰.۸۵ قرار دارند، تمایز تجربی کامل میان تمامی متغیرهای پژوهش محرز بوده و روایی واگرای مدل تایید می‌شود.»
خطای تکراری در این بخش، عدم اجرای بوت‌استرپینگ برای شاخص HTMT است. داوران حرفه‌ای اغلب علاوه بر بررسی کمتر بودن مقدار از ۰.۸۵ یا ۰.۹۰، فاصله اطمینان ۹۵ درصدی HTMT را بررسی می‌کنند تا مطمئن شوند عدد ۱ درون این بازه قرار نگرفته است.
مطلب مرتبط: سامانه همانندجو ایرانداک نحوه کار
ارزیابی مدل ساختاری و برازش کلی
پس از احراز اعتبار مدل اندازه‌گیری، فصل چهارم وارد ارزیابی مدل ساختاری می‌شود. ارزیابی این بخش شامل چند مؤلفه اساسی است: بررسی هم‌خطی چندگانه درونی (VIF)، ضریب تعیین (R²)، اندازه اثر (f²)، توان پیش‌بینی مدل (Q²) و معیار برازش مدل (SRMR). پیش از هر تحلیلی، محقق باید اثبات کند که هم‌خطی شدیدی میان متغیرهای پیش‌بین وجود ندارد؛ به این منظور مقدار شاخص تورم واریانس (VIF) برای سازه‌های ورودی به یک متغیر وابسته باید کمتر از ۳ یا نهایتاً کمتر از ۵ باشد.
ضریب تعیین (R²) میزان واریانس تبیین‌شده سازه وابسته توسط سازه‌های مستقل را نشان می‌دهد. مقادیر ۰.۱۹، ۰.۳۳ و ۰.۶۷ به ترتیب نشان‌دهنده قدرت تبیین ضعیف، متوسط و قوی هستند (طبق معیارهای هیر و همکاران، مقادیر ۰.۲۵، ۰.۵۰ و ۰.۷۵ نیز مرجع تلقی می‌شوند). اندازه اثر (f²) سهم هر متغیر مستقل در تغییرات R² متغیر وابسته را معین می‌کند؛ مقادیر ۰.۰۲، ۰.۱۵ و ۰.۳۵ به عنوان اثر کوچک، متوسط و بزرگ طبقه‌بندی می‌شوند. شاخص Q² به روش Blindfolding یا روش جدیدتر PLSpredict محاسبه شده و مقادیر بالاتر از صفر برای متغیر وابسته، بازتاب‌دهنده توانایی پیش‌بینی مرتبط مدل است.
شاخص ریشه میانگین مربعات خطای باقیمانده استانداردشده (SRMR) نیز برای بررسی برازش کلی مدل در SmartPLS مورد ارزیابی قرار می‌گیرد. مقدار کمتر از ۰.۰۸ نشان‌دهنده برازش مطلوب مدل ساختاری با داده‌های جمع‌آوری‌شده است.
مطلب مرتبط: مراحل تصویب پروپوزال در ایرانداک
گزارش آزمون فرضیه‌ها با خروجی بوت‌استرپینگ
برای آزمون فرضیه‌های پژوهش، از رویه بازنمونه‌گیری بوت‌استرپینگ (Bootstrapping) با ۵۰۰۰ یا ۱۰۰۰۰ زیرنمونه استفاده می‌شود. در این قسمت، ضرایب مسیر غیراستاندارد یا استاندارد (بتا)، آماره تی (t-value)، مقادیر معناداری (p-value) و فاصله اطمینان ۹۵ درصد گزارش می‌شوند. در آزمون یک‌دامنه‌ای، اگر آماره t بیشتر از ۱.۶۴۵ باشد، فرضیه در سطح خطای ۵ درصد تایید می‌شود؛ در صورتی که فرضیه فاقد جهت‌گیری مشخص باشد (آزمون دو‌دامنه‌ای)، آماره t باید از ۱.۹۶ فراتر رود و مقدار p کمتر از ۰.۰۵ باشد.
جدول زیر شکل استاندارد تدوین و نمایش نتایج فرضیه‌ها در فرمت APA را نشان می‌دهد:
| فرضیه | مسیر ساختاری | ضریب مسیر (Beta) | انحراف معیار | آماره تی (t) | مقدار معناداری (P) | فاصله اطمینان ۹۵٪ | نتیجه فرضیه |
|---|---|---|---|---|---|---|---|
| H1 | رهبری تحول‌آفرین -> نوآوری سازمانی | ۰.۵۴۲ | ۰.۰۴۸ | ۱۱.۲۹۱ | ۰.۰۰۰ | [۰.۴۴۸ , ۰.۶۳۵] | تایید شد |
| H2 | نوآوری سازمانی -> عملکرد شغلی | ۰.۴۳۰ | ۰.۰۵۵ | ۷.۸۱۸ | ۰.۰۰۰ | [۰.۳۲۲ , ۰.۵۳۷] | تایید شد |
| H3 | رهبری تحول‌آفرین -> عملکرد شغلی | ۰.۲۱۵ | ۰.۰۵۸ | ۳.۷۰۶ | ۰.۰۰۰ | [۰.۱۰۱ , ۰.۳۲۸] | تایید شد |
تفسیر مکتوب فرضیه‌ها در متن فصل چهارم باید بر مبنای جدول فوق تنظیم شود:
مطلب مرتبط: درصد مجاز همانندی پایان نامه ارشد
«بر اساس نتایج آزمون بوت‌استرپینگ مندرج در جدول، فرضیه اول مبنی بر تاثیر مثبت رهبری تحول‌آفرین بر نوآوری سازمانی با ضریب مسیر ۰.۵۴۲ و آماره تی ۱۱.۲۹۱ مورد تایید قرار گرفت (p < ۰.۰۰۱). فاصله اطمینان ۹۵ درصد این مسیر صفر را در بر نمی‌گیرد که حاکی از پایداری اثر است. همچنین، فرضیه دوم در خصوص تاثیر نوآوری سازمانی بر عملکرد شغلی با ضریب مسیر ۰.۴۳۰ و آماره تی ۷.۸۱۸ در سطح خطای کمتر از ۰.۰۱ تایید شد. نهایتاً فرضیه سوم تاییدکننده رابطه مستقیم رهبری تحول‌آفرین و عملکرد شغلی با ضریب ۰.۲۱۵ و آماره تی ۳.۷۰۶ در سطح معناداری مطلوب است.»
اگر فرضیه میانجی‌گری در مدل تعریف شده باشد، نباید از روش‌های قدیمی مانند آزمون سوبل (Sobel test) استفاده کرد؛ بلکه باید اثر غیرمستقیم مسیر مربوطه در خروجی Specific Indirect Effects اسمارت پی ال اس همراه با فاصله اطمینان بوت‌استرپینگ گزارش شود.
خطاهای متداول در نگارش و ارائه نتایج با اسمارت پی ال اس
بررسی نگارش‌های مختلف پایان‌نامه‌ها نشان می‌دهد که پژوهشگران هنگام کار با داده‌های PLS مرتکب اشتباهاتی می‌شوند که پایایی علمی گزارش را زیر سوال می‌برد:
مطلب مرتبط: روش اصلاح خطاهای ترجمه گوگل ترنسلیت در مقاله
- گزارش شاخص‌های نامرتبط کوواریانس‌محور: تقاضا یا گزارش شاخص‌هایی نظیر RMSEA، CFI، GFI و AGFI در مدل‌های PLS-SEM خطاست؛ این شاخص‌ها متعلق به نرم‌افزارهای کوواریانس‌محور مانند ایموس یا لیزرل هستند و در اسمارت پی ال اس فقط معیارهای متناسب مانند SRMR و NFI مطرح می‌شوند.
- استفاده از تنظیمات پیش‌فرض با تعداد بازنمونه‌گیری پایین: اجرای الگوریتم بوت‌استرپینگ با ۵۰۰ بار نمونه‌گیری دقت تخمین خطا را کاهش می‌دهد؛ استاندارد فعلی الزام به تنظیم حداقل ۵۰۰۰ زیرنمونه دارد.
- فراموش کردن گزارش فاصله اطمینان: گزارش صرف p-value بدون ذکر فاصله اطمینان بوت‌استرپینگ (Percentile Bootstrap Confidence Interval)، طبق راهنماهای متدولوژی جدید ناقص محسوب می‌شود.
- بی‌توجهی به بررسی هم‌خطی سازه‌ها: اگر مقادیر VIF متغیرهای پیش‌بین بالای ۵ باشد، ضرایب مسیر گزارش‌شده دچار تورم و بی‌ثباتی آماری بوده و قابلیت استناد ندارند.
پرسش‌های متداول درباره نگارش فصل چهارم با SmartPLS
تفاوت پایایی ترکیبی با آلفای کرونباخ در گزارش فصل چهارم چیست؟
آلفای کرونباخ فرض می‌کند که تمامی گویه‌های یک سازه وزن و بار عاملی برابری دارند که این فرضیه معمولاً در عمل محقق نمی‌شود و به کم‌برآوردی پایایی می‌انجامد. پایایی مرکب (CR) وزن‌های واقعی هر سنجه را لحاظ می‌کند و از این رو شاخص دقیق‌تری در الگوریتم‌های پی‌ال‌اس محسوب می‌شود، هرچند گزارش همزمان هر دو معیار در جدول اندازه‌گیری الزامی است.
چرا مقدار R² در مدل SmartPLS پایین به دست می‌آید و چاره آن چیست؟
پایین بودن ضریب تعیین نشان می‌دهد که متغیرهای مستقل واردشده به مدل توانسته‌اند سهم کمی از تغییرات متغیر وابسته را تبیین کنند. در علوم رفتاری و اجتماعی مقادیر حدود ۰.۲۰ نیز گاهی طبیعی تلقی می‌شود، اما اگر این مقدار بسیار ناچیز باشد، نشان‌دهنده غفلت از متغیرهای مستقل کلیدی در ادبیات پژوهش یا وجود واریانس خطای بالا در گویه‌ها است.
آیا تایید نشدن روایی واگرا با شاخص HTMT مانع از ادامه تحلیل است؟
بله، اگر شاخص HTMT بین دو سازه از ۰.۹۰ بالاتر باشد، به این معناست که پاسخ‌دهندگان تفاوتی میان مفهوم دو سازه قائل نشده‌اند. در چنین شرایطی نمی‌توان رابطه علی بین آن‌ها را بررسی کرد. راهکار عملی، حذف گویه‌های همپوشان یا ترکیب دو متغیر در قالب یک سازه مرتبه بالاتر است.
