Co oznacza GoF Tenenhausa?
Zastosowanie, warunki i dobre praktyki
GoF Tenenhausa łączy przeciętną wspólność i przeciętne R² w jedną liczbę. Późniejsze badania wykazały, że miara nie potrafi niezawodnie odróżniać poprawnych i błędnych modeli PLS, dlatego nie powinna służyć jako globalny test jakości. Raportowanie może mieć charakter historyczny, ale decyzję należy oprzeć na modelu pomiarowym, ścieżkach i predykcji.
Najważniejsze zastosowanie: Można go objaśniać przy czytaniu starszych publikacji, lecz nie używać jako głównego kryterium walidacji współczesnego PLS-SEM. Zamiast niego oceniaj pomiar, strukturę, dopasowanie i predykcję oddzielnie.
Jak to się oblicza i co oznaczają symbole?
Średnia AVE streszcza wspólną wariancję wskaźników refleksyjnych, a średnie R² — wyjaśnioną wariancję konstruktów endogenicznych. Średnia geometryczna tych wielkości miała łączyć część pomiarową i strukturalną. GoF nie potrafi jednak wiarygodnie odróżniać poprawnych i błędnych modeli PLS-SEM, dlatego nie powinien pełnić funkcji globalnego testu dopasowania ani kryterium wyboru modelu.
Jak poprawnie stosować i interpretować hasło „GoF Tenenhausa”?
GoF Tenenhausa jest historycznym indeksem łączącym średnią wspólność i średnie R² w PLS path modeling. Przy ocenie hasła „GoF Tenenhausa” nie powinien być używany jako uniwersalny test dopasowania ani kryterium wyboru poprawnego modelu, ponieważ nie rozróżnia wiarygodnie wielu typów błędnej specyfikacji. W analizie dotyczącej hasła „GoF Tenenhausa” w nowej analizie trzeba ocenić osobno model pomiarowy, strukturalny i predykcję.
W analizie dotyczącej hasła „GoF Tenenhausa”, jeżeli GoF pojawia się w starszej publikacji, należy odtworzyć dokładny sposób obliczenia i sprawdzić, jakie konstrukty oraz R² weszły do średniej. Dla interpretacji hasła „GoF Tenenhausa” własną analizę lepiej oprzeć na diagnostykach właściwych dla rodzaju konstruktu, SRMR lub innych miarach rozbieżności używanych ostrożnie oraz na PLSpredict, gdy celem jest predykcja.
Co trzeba opisać w raporcie?
W odniesieniu do hasła „GoF Tenenhausa” wspomnienie GoF powinno zawierać wzór, składniki i wyraźne zastrzeżenie, że indeks nie stanowi globalnego testu modelu. Przy ocenie hasła „GoF Tenenhausa” raport współczesnej analizy PLS powinien zamiast tego przedstawić ładunki lub wagi, rzetelność i trafność, współliniowość, ścieżki z bootstrapem, R², Q² oraz ocenę predykcji poza próbą.
Zakres raportowania dla hasła „GoF Tenenhausa”: Jeżeli cytujesz starszą analizę, podaj sposób obliczenia i zaznacz ograniczenia. We własnym badaniu raportuj właściwe współczesne diagnostyki zamiast GoF.
Przykład praktyczny i gotowa interpretacja
Sytuacja: GoF = .48 może wyglądać wysoko, choć jedna ścieżka jest błędnie pominięta i konstrukty nie mają trafności różnicowej. Syntetyczna liczba maskuje źródło problemu.
Jak ją zinterpretować: Jedna wartość łącząca wspólność i R² nie potrafi wiarygodnie odróżniać dobrze i źle określonych modeli PLS. Nie powinna być podstawą akceptacji; potrzebna jest oddzielna ocena pomiaru, ścieżek i predykcji.
Najczęstsza pułapka i granica interpretacji
Progi mały/średni/duży nie są uniwersalnym testem dopasowania. Wysoki R² i AVE mogą sztucznie podnieść GoF mimo złej specyfikacji.
Wysoki GoF Tenenhausa nie dowodzi poprawności modelu i nie rozstrzyga wyboru między PLS-SEM a CB-SEM. Dla interpretacji hasła „GoF Tenenhausa” mechaniczne stosowanie dawnych progów może prowadzić do akceptacji modelu z błędnie określonym pomiarem lub strukturą.
Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Tenenhaus et al., 2005).
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Modelowanie równań strukturalnych (SEM): od teorii do raportu
SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.
Czytaj →PoradnikPLS-SEM krok po kroku: założenia, model pomiarowy i strukturalny
Praktyczny przewodnik po PLS-SEM: kiedy metoda odpowiada pytaniu, jak odróżnić kompozyt od wspólnego czynnika, ocenić model i uczciwie raportować wynik.
Czytaj →PoradnikPLS-SEM w R: kompletny przykład w seminr i cSEM
Odtwarzalny przykład PLS-SEM w R: specyfikacja refleksyjna i kompozytowa, PLSc, bootstrap, HTMT, R², f² i ocena predykcyjna w seminr oraz cSEM.
Czytaj →Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Oferta dla badaczyOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- Tenenhaus, M., Esposito Vinzi, V., Chatelin, Y.-M., & Lauro, C. (2005). PLS path modeling. Computational Statistics & Data Analysis, 48(1), 159–205. https://doi.org/10.1016/j.csda.2004.03.005
- Hair, J. F., Sarstedt, M., & Ringle, C. M. (2019). Rethinking some of the rethinking of partial least squares. European Journal of Marketing, 53(4), 566–584. https://doi.org/10.1108/EJM-10-2018-0665
- Benitez, J., Henseler, J., Castillo, A., & Schuberth, F. (2020). How to perform and report an impactful analysis using partial least squares: Guidelines for confirmatory and explanatory IS research. Information & Management, 57(2), 103168. https://doi.org/10.1016/j.im.2019.05.003
- Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
- Bentler, P. M. (1990). Comparative fit indexes in structural models. Psychological Bulletin, 107(2), 238–246. https://doi.org/10.1037/0033-2909.107.2.238
- Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
Cytowania BibTeX
@article{tenenhaus2005pls, author={Tenenhaus, Michel and Esposito Vinzi, Vincenzo and Chatelin, Yves-Marie and Lauro, Carlo}, title={PLS Path Modeling}, journal={Computational Statistics and Data Analysis}, year={2005}, volume={48}, number={1}, pages={159--205}, doi={10.1016/j.csda.2004.03.005}}@article{hair2019rethinking, author={Hair, Joseph F. and Sarstedt, Marko and Ringle, Christian M.}, title={Rethinking Some of the Rethinking of Partial Least Squares}, journal={European Journal of Marketing}, year={2019}, volume={53}, number={4}, pages={566--584}, doi={10.1108/EJM-10-2018-0665}}@article{benitez2020impactful, author={Benitez, Jose and Henseler, Jörg and Castillo, Ana and Schuberth, Florian}, title={How to Perform and Report an Impactful Analysis Using Partial Least Squares: Guidelines for Confirmatory and Explanatory IS Research}, journal={Information and Management}, year={2020}, volume={57}, number={2}, pages={103168}, doi={10.1016/j.im.2019.05.003}}@article{hu1999sem, author={Hu, Li-tze and Bentler, Peter M.}, title={Cutoff criteria for fit indexes in covariance structure analysis}, journal={Structural Equation Modeling}, year={1999}, volume={6}, number={1}, pages={1--55}, doi={10.1080/10705519909540118}}@article{bentler1990cfi, author={Bentler, Peter M.}, title={Comparative fit indexes in structural models}, journal={Psychological Bulletin}, year={1990}, volume={107}, number={2}, pages={238--246}, doi={10.1037/0033-2909.107.2.238}}@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}