Full Latent Growth Analysis

Full Latent Growth Analysis

Czasem włączenie do modelu strukturalnego SEM-PLS zmiennych moderujących i korespondujących z nimi wskaźników prowadzi do problemów; np. zwiększenia poziomów współliniowości oraz wyłonienia się przypadków Paradoksów Sympsona (Kock, 2011; Kock & Gaskins, 2016). Wykorzystanie analizy Full Latent Growth Analysis przez analityków całkowicie omija te problemy. Metoda ta pozwala oszacować efekty zmiennej latentnej lub wskaźników na wszystkie ścieżki w modelu (wszystkie naraz) bez potrzeby włączania jakichkolwiek nowych ścieżek i zmiennych w modelu. Cowięcej wzrost współczynników związanych ze ścieżkami pomiędzy różnymi zmiennymi latentnymi i ich wskaźnikami może być oszacowany, pozwalając równiez na testowanie założenia o inwariancji pomiarów stosowanego do ładunków i/lub wag czynnikowych testowanych wskaźników zmiennych latentnych (Jorg & Ringle, 2016; Lisboa, 2016).

Full Latent Growth Analysis powinna być widziana jako wszechstronna analiza statystyczna efektów moderacyjnych, gdzie zmienna moderacyjna jest latenta w tym sensie, że nie „zakłóca” modelu w żaden sposób. Forma tej analizy jest konceptualnie podobna do analizy MGA (multi group analysis) (Sarstedt, Henseler, & Ringle, 2011).

Metodolog.pl zachęca do skorzystania z opcji takiej analizy efektów moderacyjnych. Dzięki tej metodzie testowany model strukutralnych jest wolny od inflacji wariancji, a wartości ścieżek nie odchylają się silnie od wartości współczynników w macierzy korelacji testowanych zmiennych.

Bibliografia:

Jorg, C., & Ringle, C. M. (2016). Testing Measurement Invariance of Composites Using Partial Least Squares. International Marketing Review, 33(3), 1–32.

Kock, N. (2011). Using WarpPLS in e-Collaboration Studies. International Journal of E-Collaboration, 7(3), 1–13. https://doi.org/10.4018/jec.2011070101

Kock, N., & Gaskins, L. (2016). Simpson’s paradox, moderation, and the emergence of quadratic relationships in path models: An information systems illustration. International Journal of Applied Nonlinear Science, 2(3), 200–234. https://doi.org/10.1109/ICUMT.2009.5345351

Lisboa, U. N. De. (2016). Testing measurement invariance of composites using partial least squares, 33(3), 405–431. https://doi.org/10.1108/IMR-09-2014-0304

Sarstedt, M., Henseler, J., & Ringle, C. M. (2011). Multigroup analysis in partial least squares (PLS) path modeling: Alternative methods and empirical results. Advances in International Marketing, 22(2011), 195–218. https://doi.org/10.1108/S1474-7979(2011)0000022012