modelování pomocí strukturálních rovnic: úspěšný nástroj
Post on 16-Oct-2021
6 Views
Preview:
TRANSCRIPT
Modelování pomocí strukturálních rovnic: Modelování pomocí strukturálních rovnic: úspěšný nástroj pro pochopení chování zákazníků?úspěšný nástroj pro pochopení chování zákazníků?
Radoslav Škapa
Obsah přednáškyObsah přednášky
•• Představení strukturního modelování Představení strukturního modelování ((structuralstructural
equationequation modeling modeling –– SEM)SEM)
–– Pěšinková analýzaPěšinková analýza
–– Latentní proměnné a konfirmační faktorová analýzaLatentní proměnné a konfirmační faktorová analýza
•• Způsob použití SEM při empirickém výzkumuZpůsob použití SEM při empirickém výzkumu
•• Zhodnocení SEMZhodnocení SEM
25.10.2012 2
Modelování pomocí strukturálních rovnic: úspěšný Modelování pomocí strukturálních rovnic: úspěšný
nástroj pro pochopení chování zákazníků? nástroj pro pochopení chování zákazníků?
•• Relativně Relativně mladá technika vícerozměrné mladá technika vícerozměrné statistikystatistiky
•• Umožňuje Umožňuje kvantitativně testovat hypotézy ve formě kvantitativně testovat hypotézy ve formě
teoretických teoretických modelůmodelů
MModel = představa o vzájemných vztazích odel = představa o vzájemných vztazích mezi mezi proměnnými.proměnnými.
Testovaná teorie musí být převoditelná do modelu lineárních rovnic Testovaná teorie musí být převoditelná do modelu lineárních rovnic
s přímou úměrností s přímou úměrností ttypologie, nominální data ypologie, nominální data (Nachtigall a kol., 2003)
•• Odpoví Odpoví na otázku, do jaké míry na otázku, do jaké míry získaná (empirická) získaná (empirická)
data podporují platnost navrženého teoretického data podporují platnost navrženého teoretického
modelumodelu
•• SEM má několik podob SEM má několik podob
25.10.2012 3
SEM SEM –– základní charakteristikazákladní charakteristika
• Vícenásobná regrese (Multiple regression)
• Analýza hlavních komponent (Principal Component Analysis)
• Faktorová analýza (Factor Analysis)
• Shluková analýza (Cluster Analysis)
• Diskriminační analýza (Discriminant Analysis)
• Korespondenční analýza (Correspondence analysis)
• Kanonická korelace (Canonical Correlation Analysis)
• Vícerozměrné škálování (Multidimensional Scaling)
• Klasifikační stromy (Classification Trees)
• Pěšinková analýzy (Path analysis)
• Strukturní modelování (Structrual equation modeling)
• Preferenční analýza (Conjoint analysis)
•• Původ Původ vv psychologickém psychologickém výzkumu (psychometrie)výzkumu (psychometrie)
•• OOd d 6060. let . let 2020. století v. století v marketingu, strategickém marketingu, strategickém managementu, výzkumu organizací, manažerských managementu, výzkumu organizací, manažerských informačních systémů či informačních systémů či v provozním v provozním managementu managementu (Shah a Goldstein, 2006)
•• Příklady:Příklady:
–– implementace implementace BalancedBalanced--ScorecardScorecard vv podniku podniku (Saghaei a Ghasemi, 2009)
–– logistický controlling logistický controlling (Wallenburg a Weber, 2005)
•• Počet aplikací v posledních letech roste (např. v Počet aplikací v posledních letech roste (např. v oblasti provozního managementu oblasti provozního managementu kvadraticky) kvadraticky) (Shah a
Goldstein, 2006)
25.10.2012 4
SEM SEM –– historie a oblasti aplikacehistorie a oblasti aplikace
•• Regresní modely Regresní modely
•• Pěšinková analýza Pěšinková analýza ((PathPath analysisanalysis))
•• KKonfirmační faktorová analýza onfirmační faktorová analýza ((ConfirmatoryConfirmatory
factorfactor analysisanalysis))
•• Modelování Modelování pomocí strukturálních pomocí strukturálních rovnic rovnic
((StructuralStructural equationequation modeling)modeling)
•• LatentLatent changechange modelsmodels ((LatentLatent growthgrowth curvecurve
modelsmodels))
25.10.2012 5
Podoby SEMPodoby SEM
•• Autor Autor -- Biolog Biolog SewallSewall WrightWright, 1918, 1918
•• VVětší zájem až v 60. letech 20. století ětší zájem až v 60. letech 20. století
•• Posuzuje Posuzuje přímé ale i přímé ale i nepříménepřímé efekty efekty proměnných proměnných na jiné na jiné
proměnné proměnné podle teoretického modelu (grafu).podle teoretického modelu (grafu).
Podobnost s vícenásobnou regresí Podobnost s vícenásobnou regresí –– výpočet odlišný (maximální výpočet odlišný (maximální
věrohodnost věrohodnost –– maximum maximum likelihoodlikelihood, iterativní postup)), iterativní postup))
•• Označována jako „kauzální“ modelováníOznačována jako „kauzální“ modelování
25.10.2012 6
Pěšinková analýza IPěšinková analýza I
Zdroj: http://www.psy.jhu.edu/~ashelton/courses/SEM09/SEMIntro.pdf
•• Vazby mezi proměnnými: žádná, jedna jednosměrná, dvě Vazby mezi proměnnými: žádná, jedna jednosměrná, dvě
jednosměrné opačného směru (zpětná vazba) jednosměrné opačného směru (zpětná vazba) ((HairHair a kol., 2010)a kol., 2010)
•• Proměnné měřeny alespoň na úrovni intervalových Proměnné měřeny alespoň na úrovni intervalových
proměnných proměnných ((LikertovyLikertovy škály akceptovány).škály akceptovány).
•• Pěšinková analýza Pěšinková analýza –– přímo pozorované (měřené) proměnnépřímo pozorované (měřené) proměnné
•• Předpokládá se 100% reliabilita měření proměnnýchPředpokládá se 100% reliabilita měření proměnných
7
Pěšinková analýza IIPěšinková analýza II
Prosím, vyberte nejvhodnější odpověď podle následující stupnice hodnocení:
-3 = Zcela nesouhlasím; -2 = V podstatě nesouhlasím; -1 = Částečně nesouhlasím; 0 = Ani souhlas ani
nesouhlas; 1 = Částečně souhlasím; 2 = V podstatě souhlasím; 3 = Zcela souhlasím.
Pokusil jste se uplatnit reklamaci, i když jste věděl, že
je neoprávněná? Nikdy -3 -2 -1 0 1 2 3 Mnohokrát
Nebudu-li dále potřebovat výrobek, který stále vypadá
jako nový, pokusím se jej vrátit obchodníkovi jako
reklamaci.
Zcela
nesouhlasím -3 -2 -1 0 1 2 3
Zcela
souhlasím
Mám právo vrátit a reklamovat funkční výrobek, ač
jsem jej používal.
Zcela
nesouhlasím -3 -2 -1 0 1 2 3
Zcela
souhlasím
Pokud by mí přátelé pokazili výrobek, nesnažili by se
získat za něj zpět peníze pod záminkou reklamace.
Zcela
nesouhlasím -3 -2 -1 0 1 2 3
Zcela
souhlasím
Vrátit používaný, ale již nepotřebný výrobek zpět
obchodníkovi pod záminkou reklamace, je obtížné.
Zcela
nesouhlasím -3 -2 -1 0 1 2 3
Zcela
souhlasím
25.10.2012
Latentní proměnnáLatentní proměnná
•• Konstrukt či faktor, který není přímo pozorovatelný, Konstrukt či faktor, který není přímo pozorovatelný, popř. popř. měřitelný a který je „zodpovědný“ za korelaci mezi měřitelný a který je „zodpovědný“ za korelaci mezi pozorovanými proměnnýmipozorovanými proměnnými
•• ZZjistit jistit pouze nepřímo, pomocí pozorovaných pouze nepřímo, pomocí pozorovaných proměnnýchproměnných
•• PPozorované ozorované proměnné „odráží“ skrytou latentní proměnné „odráží“ skrytou latentní proměnnou.proměnnou.
–– Inteligence Inteligence –– testy inteligencetesty inteligence
–– Ekonomika amerických společností Ekonomika amerických společností –– DowDow--Jones index Jones index ((SchumackerSchumacker, , LomaxLomax, , 2004)2004)
•• Měření Měření pomocí pomocí dvou dvou a více pozorovaných a více pozorovaných proměnnýchproměnných
25.10.2012 8
Konfirmační faktorová analýza IKonfirmační faktorová analýza I
Proměnná Formulace otázky
Distribuční
spravedlnost
Náhrada (finanční a nefinanční), kterou člověk získá reklamací, je:
(nízká – vysoká)
Kompenzace za reklamovaný produkt, kterou člověk získá od obchodníka, je:
(neférová – férová)
Reklamací člověk nezíská takovou náhradu, jakou by si zasloužil.
(souhlasím – nesouhlasím)
Vnímaná
kontrola
chování
Zabalit zpět reklamovaný výrobek a doručit jej obchodníkovi není složité.
(nesouhlasím – souhlasím)
Složitý postup reklamací mě odrazuje.
(souhlasím – nesouhlasím)
Nutnost odvozu výrobku zpět obchodníkovi mě od reklamace odrazuje.
(souhlasím – nesouhlasím)
Konfirmační faktorová analýzaKonfirmační faktorová analýza::
•• Nejedná se o (explorativní) faktorovou analýzu.Nejedná se o (explorativní) faktorovou analýzu.
•• Deduktivní Deduktivní přístup na rozdíl od (explorativní) faktorové přístup na rozdíl od (explorativní) faktorové
analýzyanalýzy
•• PPosoudí platnost předpokládané struktury vztahů mezi osoudí platnost předpokládané struktury vztahů mezi
proměnnými.proměnnými.
25.10.2012 9
Konfirmační faktorová analýza IIKonfirmační faktorová analýza II
0;
Distr
d1w
0;
er1
1
1
d2w
0;
er21
d3w
0;
er31
0;
Process
e1w
0;
er4
1
1
e3w
0;
er51
0;
Interac
f1w
0;
er6
1
1
f2w
0;
er71
f3w
0;
er81
Modelování pomocí strukturních rovnic spojuje Modelování pomocí strukturních rovnic spojuje
pěšinkovou analýzu a konfirmační faktor. analýzupěšinkovou analýzu a konfirmační faktor. analýzu
Výhoda: Výhoda:
Možnost testovat komplexní modelyMožnost testovat komplexní modely
Zohlednění chyby měření (nezávislých) proměnných Zohlednění chyby měření (nezávislých) proměnných ––
vztahy mezi latentními proměnnými odhadnuty přesněji. vztahy mezi latentními proměnnými odhadnuty přesněji. ((HairHair a kol., 2010)a kol., 2010)
25.10.2012 10
SEMSEM
Zdroj: Nachtigall a kol., 2003
Distr
,31
d1
er8
,56
,27
d2r
er9
,52
,51
d3r
er10
,72
Process
,63
e1
er11
,59
e3
er12
Interac
,55
f1
er13
,74
,68
f2
er14
,82
,49
f3
er15
,70
,48
Intention
,69
b1
er5
,40
b2
er6
,14
Behavior
Beh_cont
SN
,52
a1 er1,72
,54
a2 er2,19
a4r er3
,30
i1
er16,38
i3r
er18
,36
i4r
er17
,77
g1
e26
,88
,09
g2
e28
,31
,01
er4
er7
,22
,60
,55
,61
,44
,73
,24
,14
,44,39
,48
-,52
-,07
,38
-,51
,28
,63,83
,45
-,49
,46 ,06
,79,77
,00
1.1. Konfirmační mód Konfirmační mód -- test hypotetického modelu test hypotetického modelu
na empirických datechna empirických datech
2.2. Testování platnosti dvou alternativních Testování platnosti dvou alternativních
teoriíteorií na jedněch datech na jedněch datech
3.3. Vývoj teorie Vývoj teorie (explorativní mód) (explorativní mód) -- na jednom na jednom
vzorku dat se hledá model, který nejlépe vzorku dat se hledá model, který nejlépe
zz odpovídá datům. Následně je třeba prověřit odpovídá datům. Následně je třeba prověřit
model na nové sadě dat (opět konfirmační model na nové sadě dat (opět konfirmační
využití SEM). využití SEM). ((RaykovRaykov & & MarcolidesMarcolides, 2006; , 2006; HairHair a kol., 2010)a kol., 2010)
25.10.2012 11
Způsoby využití SEMZpůsoby využití SEM
•• Neumí testovat směr vazeb mezi proměnnými Neumí testovat směr vazeb mezi proměnnými ((StoeltingStoelting, 2002). , 2002).
•• Ekvivalence Ekvivalence modelů modelů -- více více různých modelů na různých modelů na stejných stejných datech datech ((HancockHancock, , MuellerMueller, , 2006)2006)
•• Ex post modifikace modelu mohou popřít Ex post modifikace modelu mohou popřít smysluplnost metody (výsledky smysluplnost metody (výsledky přizpůsobeny přizpůsobeny datům) datům) ((HairHair a kol. 2010a kol. 2010))
•• Náročná technika, pro kterou existuje málo Náročná technika, pro kterou existuje málo „vodítek“ a standardů pro použití a pro „vodítek“ a standardů pro použití a pro interpretaci výsledků interpretaci výsledků ((ShahShah a a GoldsteinGoldstein, 2006)., 2006).
25.10.2012 12
Nevýhody a rizika SEMNevýhody a rizika SEM
Technické aspekty:Technické aspekty:
•• Velké Velké výzkumné vzorky (výzkumné vzorky (WallenburgWallenburg, Weber, 2005), Weber, 2005)
•• Podmínka vícerozměrné normality dat (Podmínka vícerozměrné normality dat (WallenburgWallenburg, , Weber, Weber, 2005) + transformace 2005) + transformace promennýchpromenných
•• Obtížná identifikace odlehlých hodnotObtížná identifikace odlehlých hodnot
•• Náročné prokazování Náročné prokazování validity modeluvalidity modelu
–– Validity konstruktů + validita strukturního modeluValidity konstruktů + validita strukturního modelu
–– Zjevná (face) validita, konvergenční, diskriminační, Zjevná (face) validita, konvergenční, diskriminační, nomologická validitanomologická validita
•• Specializovaný Specializovaný softwaresoftware
–– AMOS, AMOS, EQSEQS, , MplusMplus, SAS , SAS PROCPROC CALISCALIS, , SEPATHSEPATH, , RAMONARAMONA
25.10.2012 13
Nevýhody a rizika SEMNevýhody a rizika SEM
SEM v porovnání s jinými statistickými technikami (např. SEM v porovnání s jinými statistickými technikami (např. regresními modely):regresními modely):
•• ZohleděníZohledění chyby měření jak u závislých tak i nezávislých chyby měření jak u závislých tak i nezávislých proměnnýchproměnných
•• Použití latentních proměnnýchPoužití latentních proměnných
•• Odlišení chyb měření a chyb spojených se specifikací modelu Odlišení chyb měření a chyb spojených se specifikací modelu (přesnost modelu)(přesnost modelu)
•• Možnost modelovat zprostředkující proměnnéMožnost modelovat zprostředkující proměnné
•• Závislá proměnné může být současně vysvětlující proměnouZávislá proměnné může být současně vysvětlující proměnou
•• Pro komplexní modely, u kterých je třeba testovat všechny Pro komplexní modely, u kterých je třeba testovat všechny předpokládané vazby současně, je SEM jediná technika.předpokládané vazby současně, je SEM jediná technika.
25.10.2012 14
Výhody SEM Výhody SEM -- shrnutíshrnutí
Úspěšnost v recenzním Úspěšnost v recenzním řízení řízení v renomovaném v renomovaném
marketingovém časopisu marketingovém časopisu (Babin, (Babin, HairHair a a BolesBoles, , 2009)2009)::
–– 48 % 48 % zaslaných článků zaslaných článků využívalo SEMvyužívalo SEM
–– Statisticky prokázali, že články Statisticky prokázali, že články sese SEM jsou SEM jsou
hodnoceny hodnoceny lépe (byť ne o mnoho)lépe (byť ne o mnoho)
25.10.2012 15
Zhodnocení SEMZhodnocení SEM
Hair, J., Anderson, R., Babin, B.
Multivariate data analysis
New Jersey: Upper Saddle River: Prentice Hall, 2010.
Raykov, T., Marcolides, A. G.
A First Course in Structural Equation Modeling
London: Lawrence Erlbaum Associates, 2006.
Diskuzní skupiny na internetu…
25.10.2012 16
Doporučená literaturaDoporučená literatura
• BABIN, B., Hair, J., Boles, J. S. Publishing Research in Marketing Journals Using Structural Equations Modeling. Journal of Marketing, 2009, roč. 16, č. 3. s. 279-285.
•• GGOLOBOLOB..,,TT. . F.F. Structural Structural equation modeling for travel behavior equation modeling for travel behavior research. research. Transportation Research Part B, Transportation Research Part B, 2003,2003,ročroč.37,.37,ss.1.1--25.25.
• HAIR, J., Anderson, R., Babin, B. Multivariate data analysis. New Jersey: Upper Saddle River: Prentice Hall, 2010. ISBN 0138132631.
• HANCOCK, Gregory R., Mueller, R. O. (eds.). Structural Equation Modeling: A Second Course. Greenwich: Information Age Publishing, 2006. ISBN 1593110154.
• NACHTIGALL, C., Kröhne, U., Funke, F., Steyer, R. (Why) Should We Use SEM? Pros and Cons of Structural Equation Modeling. MPR-Online [online]. 2003 [cit. 2010-01-02]. Dostupný na WWW: < http://www.dgps.de/fachgruppen/methoden/mpr-online/issue20/art1/mpr127_11.pdf >.
• RAYKOV, T., Marcolides, A. G. A First Course in Structural Equation Modeling, 2. vyd. London: Lawrence Erlbaum Associates, 2006. ISBN 10: 0805855882.
• SAGHAEI, A., Ghasemi, R. Using Structural Equation Modeling in Causal Relationship Design for Balanced-Scorecards Strategic Map. World Academy of Science, Engineering and Technology, 2009, no. 49. s. 1032-1038.
• SHAH, R., Goldstein, S. M. Use of structural equation modeling in operations management research: Looking back and forward. Journal of Operations Management, 2006, roč. 24, č. 2. s. 148-169.
• SCHUMACKER, R., Lomax R. A beginner's guide to structural equation modeling. 2. vyd. New Jersey: Mahwah, 2004. ISBN 1841698911.
• STOELTING, R. Structural Equation Modeling/Path Analysis. [online]. 2002 [cit. 2011-03-15]. Dostupný na WWW: < http://userwww.sfsu.edu/~efc/classes/biol710/path/SEMwebpage.htm >.
• WALLENBURG, C. M., Weber, J. Structural Equation Modelling as a Basis for Theory Development within Logistics and Supply Chain Management Research. In Kotzab, H., Seuring , S., Muller, M., Reiner, G. (eds.). Research Methodologies in Supply Chain Management. Heidelberg: Physica, 2005, s. 171-186.
25.10.2012 17
Hlavní použité zdroje Hlavní použité zdroje
Děkuji za pozornostDěkuji za pozornost
top related