SMART PLS 4 두 번째 시간

지난 시간에는 SMART PLS 4 사용 방법 중 PLS-SEM 생성하는 방법에 대해서 살펴봤습니다.

이번 시간에는 그 이후 작업에 대해서 알아보도록 하겠습니다.

 

1. latent vairables(잠재 변수) 연결

각각의 변수들을 선택을 하는데 저의 데이터에서는 A1을 선택하고 [Shift]를 누른 상태에서 A4를 클릭한 후 오른쪽의 빈 공간에 드래그를 한 후 이름을 정해줍니다. 저는 따로 이름을 정하지 않고 같은 알파벳으로 정해주었습니다. 같은 방법으로 B, C, D, E도 드래그를 합니다.

잠재 변수 드래그

 

여기서 지표들의 방향을 바꾸기 위해서는 잠재변수를 선택한 후 오른쪽의 indicators에서 방향을 선택해도 되고, [Alt] + [Shift]를 누른 상태에서 원하는 방향으로 드래그를 하셔도 됩니다.

indicators 정렬

 

변수들 간의 연결을 위해서는 위에 있는 Connect 단추를 누르고 변수들 간에 드래그를 해도 되고 [Alt]를 누른 상태에서 드래그를 해도 됩니다.

연결

 

각각의 변수들간의 연결이 끝나고 나면 Calculate 단추를 눌러서 PLS-SEM algorithm을 선택합니다.

Calculate

 

PLS-SEM algorithm 대화상자가 뜨면 오른쪽 하단의 Start calculation 단추를 눌러줍니다.

PLS-SEM algorithm

 

이렇게 하면 계산을 해 줍니다.

 

이렇게 하면 나오는 그림을  캡처해서 '그림창1-요인적재값, 베타값, R2'로 저장합니다.

이번에 나온 값은 제가 테스트로 임의로 만든 값으로 통계를 돌렸더니 값이 엉망이네요 ㅜ.ㅜ

이하에서는 통계로  나온 값들은 혼란을 방지하기 위해 지우도록 하겠습니다.

 

그림창 1

 

2. 신뢰도, AVE

왼쪽에 있는 Quality criteria의 Construct reliability and validity의 Overview를 클릭하시면 AVE와 Cronbach's alphar 값을 확인할 수 있습니다.

신뢰도

Cronbach's alpha는 설문이나 그와 비슷한 시험 등의 문항에 대한 내적일관성을 측정하는 척도를 말합니다. 일반적으로 Cronbach's alpha값은 0.7 이상이면 분석에 활용하기 적합하다고 판단을 합니다.

Composite Reliability(CR : 합성신뢰도) : 0.7 이상이면 내적 신뢰도가 있다고 판단합니다.

요인적재값(외부 적재값)이 0.7 이상이면 집중타당도 확보했다고 할 수 있습니다.

AVE(average variance extracted)는 임계치인 0.5이상이면 집중타당도 확보했다고 볼 수 있습니다.

판별타당도 평가는 각 요인적재량의 제곱을 더한 후 문항수로 나눈 값으로 평균분산추출량정도로 해석을 할 수 있고, 각 측정문당들이 잠재변수를 잘 설명하고 있나를 나타냅니다.

다중공선성(VIF) : 구조모델의 내부 VIF 값이 5 미만이면 다중공선성이 없다고 판정

Smart Pls 4에서는 AVE 값이 0.7이상이면 초록색으로 표시가 됩니다.

위의 그림도 '신뢰도, ave'라는 이름으로 캡쳐를 해 놓습니다.

 

3. 내부VIF

다음은 내부 VIF값을 찾습니다.

내부 VIF값은 Quality criteria의 Collinearity statistics(VIF)의 inner model-matrix를 클릭하시면 확인할 수 있습니다.

내부 VIF

통계에서 Collinearity(공선성)는 두 가지 설명 변수 사이의 정확한 또는 근사적인 선형 관계를 말합니다.

 

4. 최종 결과

이때까지 작업했던 내용들은 저장을 하고 Edit로 나가서 Calculate의 Bootstrapping을 클릭한 후 Start Calculation을 클릭합니다.

bootstrapping

 

Final results의 Path coefficients의 Mean, STDEV, T values, P values를 클릭하면 표본 평균(sample mean), 표준편차(Stdev), T values, p values를 확인할 수 있습니다. 아래 그림을 "T통계량, P값"으로 캡처한 후 저장합니다.

Final results

T값의 기본적인 개념은 두 집단의 평균을 비교하고 각 집단 내에서 변화를 고려하여 값을 계산한 것이고

P값은 확률분포 그래프에서 양쪽 극단값의 범위를 설정하여 통계적으로 나오는 결과의 신뢰성을 보여주는 값이다.

그래서 P-value가 작아질수록 신뢰도가 올라간다고 볼 수 있다.

P-value

 

최종적으로 아래와 같이 6개의 그림을 캡처합니다.

최종 캡처본

다시 한번 말씀드리지만 제가 다니고 있는 랩실의 방식입니다. 내용에 맞지 않는 부분이 있다면 이 내용은 참고만 하시면 될듯합니다.