DOI: https://doi.org/10.1016/j.jbusres.2024.114581
تاريخ النشر: 2024-03-23
المؤلف: Benjamin D. Liengaard
الموضوع الرئيسي: جودة خدمة العملاء والولاء
نظرة عامة
تناقش هذه الفقرة قيود اختبار ثبات القياس التقليدي في نمذجة المعادلات الهيكلية باستخدام طريقة المربعات الصغرى الجزئية (PLS-SEM)، خاصة في أبحاث الأعمال. يقدم منهجية جديدة تعزز اختبار ثبات القياس في نماذج القياس الانعكاسية، متجاوزة النهج التقليدي لاختبار ثبات القياس للنماذج المركبة (MICOM). يتناول الإطار المقترح ثلاثة مجالات حاسمة: التحقق من صحة مقارنات المتوسطات الكامنة عبر المجموعات، إجراء اختبارات ثبات القياس الطولية، وتقييم الثبات عبر مجموعات متعددة في وقت واحد. بالإضافة إلى ذلك، يقدم استراتيجيات للتعامل مع رفض ثبات القياس في الدراسات ذات العينات الكبيرة، موفرًا أمثلة تجريبية لإظهار قابلية تطبيق المنهجية.
في الختام، تؤكد الدراسة على أهمية إنشاء ثبات القياس عند مقارنة نماذج المعادلات الهيكلية عبر الزمن أو المجموعات، حيث يمكن أن يؤدي عدم وجود ثبات إلى تفسيرات مضللة. يسمح الإجراء المقترح للباحثين باختبار صحة مقارنة معاملات المسار والمتوسطات الكامنة في PLS-SEM، مع مراعاة أحجام المجموعات المختلفة وأخطاء القياس المرتبطة. تشير نتائج المحاكاة إلى أن الاختبارات الجديدة للثبات المتركي والثبات القياسي تحافظ على معدلات خطأ من النوع الأول ومستويات القوة المرضية. من خلال اقتراح مستويات دلالة بديلة للدراسات ذات العينات الكبيرة، يمكّن هذا الإطار الباحثين من إجراء تحليلات أكثر قوة، بما في ذلك التصاميم التجريبية ومقارنات المتوسطات الكامنة، والتي لا تدعمها طريقة MICOM.
مقدمة
تتناول مقدمة هذه الورقة البحثية المفهوم الحاسم لثبات القياس (MI)، الذي يضمن قياس بناء ما بشكل متسق عبر مجموعات أو مناسبات مختلفة. يؤكد المؤلفون أنه بدون إنشاء MI، قد تكون أي اختلافات ملحوظة بين المجموعات مضللة، وقد تنشأ من عيوب منهجية بدلاً من اختلافات حقيقية في البنى المدروسة. سلطت مراجعة الأدبيات الضوء على أن الغالبية العظمى (61%) من الدراسات التي تستخدم نمذجة المعادلات الهيكلية باستخدام طريقة المربعات الصغرى الجزئية (PLS-SEM) فشلت في اختبار MI، مما يقوض صحة المقارنات بين المجموعات.
تقترح الورقة منهجية جديدة لاختبار MI في PLS-SEM بشكل خاص للبنى الانعكاسية، معالجة فجوة في الممارسات الحالية حيث يعتمد الباحثون بشكل أساسي على ثبات القياس للنماذج المركبة (MICOM). تعزز الطريقة المقترحة اختبار MI من خلال السماح بمقارنة متوسطات المتغيرات الكامنة عبر المجموعات، وقابلية التطبيق في الدراسات الطولية، واختبار متزامن عبر مجموعات متعددة. هذه التطورات ذات صلة خاصة بأبحاث الأعمال، التي تستخدم PLS-SEM بشكل متكرر. يحدد المؤلفون هيكل الورقة، موضحين الأقسام التالية التي ستفصل المنهجية المقترحة، وتطبيقها، وآثارها على الأبحاث المستقبلية.
النتائج
تشير النتائج إلى أن الاختبارات للثبات المتركي والثبات القياسي تحافظ على معدلات خطأ من النوع الأول متوافقة مع مستوى الدلالة 0.05، كما هو موضح في الجدول 2. من الجدير بالذكر أنه في السيناريو 5، الذي يتضمن أخطاء خارجية مرتبطة، يثبت استخدام طريقة البوتستراب باللوحة أنها مفيدة. بينما ينتج عن استخدام بوتستراب المقطع العرضي معدل خطأ من النوع الأول أقل بكثير من 0.05 للثبات القياسي، يتماشى بوتستراب اللوحة بشكل وثيق مع مستوى الدلالة المتوقع.
تظهر التحليلات الإضافية للقوة في رفض الفرضيات الصفرية الكاذبة، كما هو موضح في الجدول 3، أن القوة تزداد مع كل من حجم العينة والانحرافات عن الفرضية الصفرية عبر جميع السيناريوهات. تظهر السيناريوهات 6 و7 مستويات قوة مماثلة بغض النظر عن ارتباط الأخطاء الخارجية. ومع ذلك، يظهر السيناريو 9، الذي يتضمن أخطاء خارجية مرتبطة وبوتستراب اللوحة، قوة أعلى لاختبار الثبات القياسي مقارنة بالسيناريو 8، الذي يفتقر إلى ارتباط الأخطاء الخارجية ويستخدم بوتستراب المقطع العرضي. من المهم أن القوة المتزايدة في السيناريوهات 8 و9 لا تعزى فقط إلى انحرافات أكبر في التقاطعات مقارنة بالأحمال، كما يتضح من فرق القوة الملحوظ الذي يقارب 0.2 لأحجام العينات الصغيرة عند مقارنة سيناريوهات محددة. بشكل عام، تشير النتائج إلى فعالية أكبر في اكتشاف الثبات القياسي مقارنة بالثبات المتركي، مع الإشارة إلى المتغيرات الكامنة كـ ξ وη، والمؤشرات كـ x، والأخطاء الخارجية كـ δ، ومعاملات المسار كـ β، بينما تميز المؤشرات الفرعية g وk المجموعات والمؤشرات، على التوالي.
المناقشة
في مناقشة اختبارات ثبات القياس (MI) ضمن نمذجة المعادلات الهيكلية باستخدام طريقة المربعات الصغرى الجزئية (PLS-SEM)، يتم تسليط الضوء على منهجيتين رئيسيتين: إجراء MICOM من قبل هنسلر وآخرون (2016) والنهج الذي قدمه لامبرتي وبانيت (2017). بينما شهدت MICOM تطبيقًا واسع النطاق عبر مجالات مختلفة، تشمل قيودها عدم القدرة على اختبار أكثر من مجموعتين في وقت واحد ونقص في تحليل القوة وخطأ النوع الأول. بالمقابل، يسمح الأسلوب المقترح في هذه الدراسة باختبار عدد غير محدود من المجموعات، ويستوعب البيانات الطولية، ويوفر إطارًا لتقييم قابلية مقارنة متوسطات المتغيرات الكامنة، وهو ما لا تعالجه MICOM بشكل كافٍ. بالإضافة إلى ذلك، تلتزم المنهجية الحالية بمبادئ MI المعمول بها من خلال اختبار مساواة الأحمال والتقاطعات عبر المجموعات، مما يعزز من قابلية التفسير.
توضح الفقرة أيضًا ثلاثة مستويات من MI: الثبات التكويني، والثبات المتركي، والثبات القياسي. يضمن الثبات التكويني أن نفس المؤشرات ترتبط بنفس البنى عبر المجموعات، بينما يسمح الثبات المتركي بمقارنة معاملات المسار، ويكون الثبات القياسي ضروريًا لمقارنة المتوسطات الكامنة. تؤكد المنهجية على أهمية اختبار هذه المستويات من الثبات بشكل متسلسل، مع اهتمام خاص بآثار كل مستوى على صحة المقارنات التي تتم عبر مجموعات مختلفة. يتم دعم الاختبارات المقترحة للثبات المتركي والثبات القياسي من خلال نتائج المحاكاة، مما يوضح قوتها وقابلية تطبيقها في سياقات البحث التجريبي.
القيود
تسلط قيود هذه الدراسة الضوء على عدة مجالات للبحث المستقبلي مع الاعتراف بمساهماتها في اختبار ثبات القياس (MI) ضمن إطار نمذجة المعادلات الهيكلية باستخدام طريقة المربعات الصغرى الجزئية (PLS-SEM). تشمل النتائج الرئيسية تقديم اختبار للثبات المتركي والثبات القياسي قابل للتطبيق على أحجام مجموعات غير متساوية وارتباط الأخطاء الخارجية، إلى جانب محاكاة تظهر معدلات خطأ من النوع الأول ومستويات قوة كافية. ومع ذلك، فإن الإجراء المقترح حساس لحجم العينة، مما قد يؤدي إلى مزيد من الرفض المتكرر للفرضية الصفرية للثبات مع زيادة أحجام العينات. يجب على الأبحاث المستقبلية استكشاف أحجام التأثير الحرجة اللازمة للكشف المعنوي عن اختلافات الأحمال أو التقاطعات والتحقيق في آثار المؤشرات المميزة غير الثابتة في كل من PLS-SEM وSEM القائم على التباين (CB-SEM).
بالإضافة إلى ذلك، تقترح الدراسة أن دمج قيود المعلمات في خوارزمية PLS-SEM قد يعزز الكفاءة ويجعلها تتماشى بشكل أقرب مع منهجيات CB-SEM. يمكن أن تقارن التحقيقات المستقبلية المنهجية المقترحة مع CB-SEM عبر ظروف مختلفة، مثل عدم الطبيعية وأحجام العينات الصغيرة. يركز دراسة المحاكاة على نموذج ذو بنائين مع مؤشرات ثابتة، مما يقدم فرصًا لمزيد من الاستكشاف، بما في ذلك تعقيد النموذج المتغير، والمصطلحات التفاعلية، وتوزيعات المؤشرات المختلفة. أخيرًا، تستحق قابلية تطبيق الإطار على تقنيات نمذجة المعادلات الهيكلية الأخرى التي تنتج درجات المتغيرات الكامنة مزيدًا من الفحص لتوسيع فهم أداء اختبار MI.
DOI: https://doi.org/10.1016/j.jbusres.2024.114581
Publication Date: 2024-03-23
Author(s): Benjamin D. Liengaard
Primary Topic: Customer Service Quality and Loyalty
Overview
The section discusses the limitations of traditional measurement invariance testing in Partial Least Squares Structural Equation Modeling (PLS-SEM), particularly in business research. It introduces a novel methodology that enhances the testing of measurement invariance in reflective measurement models, moving beyond the conventional Measurement Invariance of Composite Models (MICOM) approach. The proposed framework addresses three critical areas: validating latent means comparisons across groups, conducting longitudinal measurement invariance testing, and assessing invariance across multiple groups simultaneously. Additionally, it offers strategies for handling measurement invariance rejections in large-sample studies, providing empirical examples to demonstrate the methodology’s applicability.
In conclusion, the study emphasizes the importance of establishing measurement invariance when comparing structural equation models across time or groups, as a lack of invariance can lead to misleading interpretations. The proposed procedure allows researchers to test the validity of comparing path coefficients and latent means in PLS-SEM, accommodating various group sizes and correlated measurement errors. Simulation results indicate that the new tests for metric and scalar invariance maintain satisfactory Type I error rates and power levels. By suggesting alternative significance levels for large-sample studies, this framework enables researchers to conduct more robust analyses, including experimental designs and latent mean comparisons, which are not supported by the MICOM approach.
Introduction
The introduction of this research paper addresses the critical concept of measurement invariance (MI), which ensures that a construct is measured consistently across different groups or occasions. The authors emphasize that without establishing MI, any observed differences between groups may be misleading, potentially arising from methodological artifacts rather than genuine differences in the constructs being studied. A literature review highlighted that a significant majority (61%) of studies employing partial least squares structural equation modeling (PLS-SEM) failed to test for MI, undermining the validity of group comparisons.
The paper proposes a novel methodology for testing MI in PLS-SEM specifically for reflective constructs, addressing a gap in existing practices where researchers predominantly rely on the measurement invariance of composite models (MICOM). The proposed method enhances MI testing by allowing for the comparison of latent variable means across groups, applicability in longitudinal studies, and simultaneous testing across multiple groups. This advancement is particularly relevant for business research, which frequently utilizes PLS-SEM. The authors outline the structure of the paper, detailing subsequent sections that will elaborate on the proposed methodology, its application, and implications for future research.
Results
The results indicate that the tests for metric and scalar invariance maintain Type I error rates consistent with the 0.05 significance level, as shown in Table 2. Notably, in Scenario 5, which involves correlated outer errors, panel bootstrapping proves advantageous. While cross-section bootstrapping yields a Type I error rate significantly below 0.05 for scalar invariance, panel bootstrapping aligns closely with the expected significance level.
Further analysis of power in rejecting false null hypotheses, detailed in Table 3, reveals that power increases with both sample size and deviations from the null hypothesis across all scenarios. Scenarios 6 and 7 demonstrate similar power levels regardless of outer error correlation. However, Scenario 9, which incorporates correlated outer errors and panel bootstrapping, exhibits higher power for scalar invariance testing compared to Scenario 8, which lacks outer error correlation and employs cross-section bootstrapping. Importantly, the increased power in Scenarios 8 and 9 is not solely attributable to greater deviations in intercepts compared to loadings, as evidenced by a notable power difference of nearly 0.2 for small sample sizes when comparing specific scenarios. Overall, the findings suggest a greater efficacy in detecting scalar invariance than metric invariance, with latent variables denoted as ξ and η, indicators as x, outer errors as δ, and path coefficients as β, while subscripts g and k differentiate groups and indicators, respectively.
Discussion
In the discussion of measurement invariance (MI) tests within Partial Least Squares Structural Equation Modeling (PLS-SEM), two primary methodologies are highlighted: the MICOM procedure by Henseler et al. (2016) and the approach by Lamberti and Banet (2017). While MICOM has seen extensive application across various fields, its limitations include the inability to test more than two groups simultaneously and a lack of power and Type I error analysis. In contrast, the proposed method in this study allows for testing an unrestricted number of groups, accommodates longitudinal data, and provides a framework for assessing the comparability of latent variable means, which MICOM does not adequately address. Additionally, the current methodology adheres to established MI principles by testing the equality of loadings and intercepts across groups, thus enhancing interpretability.
The section further delineates the three levels of MI: configural, metric, and scalar invariance. Configural invariance ensures that the same indicators relate to the same constructs across groups, while metric invariance allows for the comparison of path coefficients, and scalar invariance is necessary for comparing latent means. The methodology emphasizes the importance of testing these invariance levels sequentially, with specific attention to the implications of each level for the validity of comparisons made across different groups. The proposed tests for metric and scalar invariance are substantiated by simulation results, demonstrating their robustness and applicability in empirical research contexts.
Limitations
The limitations of this study highlight several areas for future research while acknowledging its contributions to measurement invariance (MI) testing within a Partial Least Squares Structural Equation Modeling (PLS-SEM) framework. Key findings include the introduction of a metric and scalar invariance test applicable to unequal group sizes and outer error correlation, alongside simulations demonstrating adequate Type I error rates and power levels. However, the proposed procedure is sensitive to sample size, potentially leading to more frequent rejections of the null hypothesis of invariance as sample sizes increase. Future research should explore the critical effect sizes necessary for meaningful detection of loading or intercept differences and investigate the implications of non-invariant marker indicators in both PLS-SEM and covariance-based SEM (CB-SEM).
Additionally, the study suggests that incorporating parameter constraints into the PLS-SEM algorithm could enhance efficiency and align it more closely with CB-SEM methodologies. Future investigations could compare the proposed methodology with CB-SEM across various conditions, such as non-normality and low sample sizes. The simulation study’s focus on a two-construct model with fixed indicators presents opportunities for further exploration, including varying model complexity, interaction terms, and different indicator distributions. Lastly, the framework’s applicability to other structural equation modeling techniques that yield latent variable scores warrants further examination to broaden the understanding of MI testing performance.