DOI: https://doi.org/10.1016/j.jbusres.2024.115087
تاريخ النشر: 2024-11-28
المؤلف: Siegfried P. Gudergan وآخرون
الموضوع الرئيسي: جودة خدمة العملاء والولاء
نظرة عامة
تقدم هذه القسم نظرة عامة على منهجيات مختلفة تتعلق بنمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM)، متتبعة تطورها من النظريات الأساسية إلى التطبيقات المعاصرة. تشمل المراجع الرئيسية عمل وولد الأساسي حول المتغيرات وPLS، بالإضافة إلى التقدمات اللاحقة في نمذجة المسار للمتغيرات الكامنة ونمذجة المسار باستخدام PLS. يؤكد المؤلفون أن هذه القضية الخاصة تتناول بشكل محدد PLS-SEM كنهج قائم على المكونات أو المركبات، مما يبرز الاستخدام القابل للتبادل لمصطلحي “المركبات” و”المكونات” في أبحاثهم.
بالإضافة إلى ذلك، يقدم القسم تحليل المكونات الهيكلية المعممة (GSCA) كبديل قابل للتطبيق لـ PLS-SEM، مستشهداً بأعمال هوانغ وتاكان. وهذا يشير إلى سياق أوسع للنقاش، موضّحاً PLS-SEM ضمن طيف من تقنيات نمذجة المعادلات الهيكلية ويقترح تطورات مستمرة في هذا المجال.
مقدمة
تسلط مقدمة هذه القضية الخاصة الضوء على التطبيقات المتقدمة والتطورات المنهجية لنمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM) في أبحاث الأعمال. تم تقديم PLS-SEM، الذي تم تقديمه في البداية بواسطة وولد (1975، 1982) ولوهمولر (1989)، لنمذجة العلاقات الهيكلية بين المتغيرات الكامنة من خلال نماذج قياس تستخدم مؤشرات مرصودة. تهدف الطريقة إلى تعظيم التباين المفسر للبناءات التابعة ومؤشراتها، كما هو موضح من خلال نموذج مسار PLS عينة يفحص تأثير سمعة الشركة – التي تم تفعيلها من خلال أبعاد الإعجاب (LIKE) والكفاءة (COMP) – على رضا العملاء (CUSA) وولاء العملاء (CUSL).
يتبع خوارزمية PLS-SEM، كما هو مفصل في المقدمة، عملية من ثلاث مراحل لتقدير معلمات النموذج، بما في ذلك قيم R² وارتباطات البناء. تحسب المرحلة الأولى درجات البناء من خلال إجراء تكراري يقدر أوزان المؤشرات ومعاملات المسار. تستخدم المراحل اللاحقة هذه الدرجات لاشتقاق معلمات النموذج النهائية. تؤكد تطبيق المقاييس القوية، مثل إعادة التقدير لاختبار الاستدلال واختبار القدرة التنبؤية المعتمد على التقسيم المتقاطع، موثوقية وصلاحية النموذج. تشير النتائج إلى أن النموذج يظهر قوة تفسيرية وتنبؤية كافية فيما يتعلق بولاء العملاء (CUSL)، مما يبرز فعالية PLS-SEM في سياقات أبحاث الأعمال.
النتائج
تسلط قسم “النتائج” الضوء على التقدمات المنهجية الهامة في تقييم نتائج الأبحاث. يؤكد على أهمية المنهجيات القوية في ضمان صلاحية وموثوقية النتائج عبر دراسات مختلفة. توفر المصادر الرئيسية المشار إليها في هذا القسم أساسًا لفهم هذه التقدمات، موضحة كيف يمكن أن تؤدي التقنيات المحسنة إلى تفسيرات أكثر دقة للبيانات.
علاوة على ذلك، يناقش القسم مساهمات الأوراق المدرجة في هذه القضية الخاصة، والتي تعرض مجتمعةً أساليب ونتائج مبتكرة تعزز قاعدة المعرفة في هذا المجال. لا تعالج هذه المساهمات الفجوات الحالية في منهجيات البحث فحسب، بل تقترح أيضًا أطرًا جديدة للتحقيقات المستقبلية، مما يضع سابقة للنقاش الأكاديمي المستمر.
نقاش
يسلط قسم النقاش في ورقة البحث الضوء على التقدمات المنهجية الهامة في نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM)، خاصة فيما يتعلق بالتعامل مع أنواع البيانات المختلفة، بما في ذلك البيانات الثنائية، والفئوية، والترتيبية. تبرز المساهمات الملحوظة من باحثين مثل بيكر وآخرين (2023) وهينسلر وآخرين (2016أ) دمج الوسطاء الثنائيين وضرورة تبرير التساوي في المسافات لمقاييس الترتيب لتطبيق PLS-SEM بشكل فعال. يناقش القسم أيضًا خوارزمية PLS-SEM الموزونة (WPLS)، التي تتضمن أوزان العينة لضمان التمثيل، وخوارزمية PLS-SEM الموسعة للوهمولر، التي تعزز مرونة النمذجة من خلال السماح للمؤشرات بالارتباط بعدة متغيرات كامنة.
علاوة على ذلك، تتناول الورقة قضايا حاسمة مثل تباين الطريقة الشائعة (CMV) والداخلية، مقترحةً أساليب متنوعة للتخفيف من هذه التحديات، بما في ذلك نهج المتغير الكامن المحدد (MLMV) لـ CMV وطريقة الكوبولا الغاوسية للداخلية. يتم التأكيد على أهمية تقييم القدرة التنبؤية في PLS-SEM، مع تقنيات مثل إجراء التنبؤ PLS واختبار القدرة التنبؤية المعتمد على التقسيم المتقاطع (CVPAT) الموصى بها لتقييم فعالية النموذج. تختتم المناقشة بالاعتراف بقبول PLS-SEM المتزايد عبر التخصصات، مع الاعتراف أيضًا بالانتقادات المستمرة والحاجة إلى الصرامة المنهجية، كما أبرزت الدراسات الأخيرة التي تدعو إلى الشفافية والموثوقية في تطبيقات PLS-SEM.
DOI: https://doi.org/10.1016/j.jbusres.2024.115087
Publication Date: 2024-11-28
Author(s): Siegfried P. Gudergan et al.
Primary Topic: Customer Service Quality and Loyalty
Overview
This section provides an overview of various methodologies related to Partial Least Squares Structural Equation Modeling (PLS-SEM), tracing its development from foundational theories to contemporary applications. Key references include Wold’s foundational work on variables and PLS, as well as subsequent advancements in latent variable path modeling and PLS path modeling. The authors emphasize that this special issue specifically addresses PLS-SEM as a component- or composite-based approach, highlighting the interchangeable use of the terms “composites” and “components” in their research.
Additionally, the section introduces Generalized Structured Component Analysis (GSCA) as a viable alternative to PLS-SEM, citing works by Hwang and Takane. This indicates a broader context for the discussion, positioning PLS-SEM within a spectrum of structural equation modeling techniques and suggesting ongoing developments in the field.
Introduction
The introduction of this special issue highlights the advanced applications and methodological developments of Partial Least Squares Structural Equation Modeling (PLS-SEM) in business research. PLS-SEM, initially introduced by Wold (1975, 1982) and Lohmöller (1989), serves to model structural relationships between latent variables through measurement models that utilize observed indicators. The method aims to maximize the explained variance of dependent constructs and their indicators, as illustrated by a sample PLS path model that examines the influence of corporate reputation—operationalized through dimensions of likeability (LIKE) and competence (COMP)—on customer satisfaction (CUSA) and customer loyalty (CUSL).
The PLS-SEM algorithm, as detailed in the introduction, follows a three-stage process to estimate model parameters, including R² values and construct correlations. The first stage computes construct scores through an iterative procedure that estimates indicator weights and path coefficients. Subsequent stages utilize these scores to derive final model parameters. The application of robust metrics, such as bootstrapping for inference testing and k-fold cross-validation for predictive power assessment, confirms the reliability and validity of the model. The findings indicate that the model demonstrates adequate explanatory and predictive power concerning customer loyalty (CUSL), underscoring the effectiveness of PLS-SEM in business research contexts.
Results
The “Results” section highlights significant methodological advancements in the assessment of research findings. It emphasizes the importance of robust methodologies in ensuring the validity and reliability of results across various studies. Key sources referenced in this section provide a foundation for understanding these advancements, illustrating how improved techniques can lead to more accurate interpretations of data.
Furthermore, the section discusses the contributions of papers included in this special issue, which collectively showcase innovative approaches and findings that enhance the field’s knowledge base. These contributions not only address existing gaps in research methodologies but also propose new frameworks for future investigations, thereby setting a precedent for ongoing scholarly discourse.
Discussion
The discussion section of the research paper highlights significant methodological advancements in Partial Least Squares Structural Equation Modeling (PLS-SEM), particularly regarding the handling of various data types, including binary, categorical, and ordinal data. Notable contributions from researchers such as Becker et al. (2023) and Henseler et al. (2016a) emphasize the integration of binary moderators and the necessity of justifying the equidistance of ordinal scales for effective PLS-SEM application. The section also discusses the Weighted PLS-SEM (WPLS) algorithm, which incorporates sampling weights to ensure representativeness, and Lohmöller’s extended PLS-SEM algorithm, which enhances modeling flexibility by allowing indicators to link to multiple latent variables.
Furthermore, the paper addresses critical issues such as common method variance (CMV) and endogeneity, proposing various approaches to mitigate these challenges, including the measured latent marker variable (MLMV) approach for CMV and the Gaussian copula method for endogeneity. The importance of predictive power assessment in PLS-SEM is underscored, with techniques like the PLS predict procedure and cross-validated predictive ability test (CVPAT) recommended for evaluating model efficacy. The discussion concludes by acknowledging the growing acceptance of PLS-SEM across disciplines while also recognizing ongoing criticisms and the need for methodological rigor, as highlighted by recent studies advocating for transparency and robustness in PLS-SEM applications.