R：semPLS冗余（）函数

我不知道semPLS软件包中的冗余（）函数的功能，并且无法在帮助页面或其他semPLS论文中找到解释。R：semPLS冗余（）函数

就拿ECSI模型例如： enter image description here

library(semPLS) 
data(ECSImobi) 
ecsi <- sempls(model=ECSImobi, data=mobi, wscheme="pathWeighting") 

redundancy(ecsi)

能不能给我：

   redundancy 
Image     . 
Expectation  0.12 
Quality   0.18 
Value    0.29 
Satisfaction  0.47 
Complaints   . 
Loyalty   0.24 

    Average redundancy: 0.26

显然当ckluss指出，冗余方法的计算公式为

as.matrix(communality(ecsi)[, 1] * rSquared(ecsi)[, 1])

社区是AVE（平均差异Extrac ted）和rSquared（决定系数）意味着数据适合模型的程度。问题依然存在：如何解释这些指标。

来源

2015-01-03 Jannic Beck

也不会有多大效果，但'getAnywhere（ “redundancy.sempls”）'显示，它是作为'as.matrix（共同性（ECSI计算），1] * rSquared（ecsi）[，1]）'下一步或许'getAnywhere（“communality.sempls”）' – ckluss

这实际上帮助了很多，共同点是AVE（平均方差提取）和rSquared，意味着数据适合模型的程度。问题仍然是如何解释这些指数。 –

我找到了答案在

桑切斯，G.（2013）PLS路径建模有R

Trowchez版本。伯克利，2013年

http://www.gastonsanchez.com/PLS_Path_Modeling_with_R.pdf

由于它在知识共享署名 - 非商业性使用 - 相同方式共享许可，我复制的文本，并增加了可重复的代码示例。

冗余度衡量内源块中指标方差的百分比，该因子是从与内源性LV相关的独立潜变量中预测的。冗余度的另一个定义是内生构造的变异量，用其独立的潜变量来解释。换句话说，它反映了一组独立的潜变量解释依赖潜变量变化的能力。

高冗余意味着高预测能力。尤其是，研究人员可能会认为独立潜变量预测指标内生结构的价值的程度如何。类似于公共性指数，可以计算平均冗余度，即内生性块的冗余度指数的平均值。

# inner model summary 
satpls$inner_summary 

      Type  R2 Block_Communality Mean_Redundancy  AVE 
IMAG Exogenous 0.0000000   0.5822691  0.0000000 0.5822691 
EXPE Endogenous 0.3351937   0.6164199  0.2066200 0.6164199 
QUAL Endogenous 0.7196882   0.6585717  0.4739663 0.6585717 
VAL Endogenous 0.5900844   0.6644156  0.3920612 0.6644156 
SAT Endogenous 0.7073209   0.7588907  0.5367793 0.7588907 
LOY Endogenous 0.5099226   0.6390517  0.3258669 0.6390517

对于每个潜在变量我们有一些描述性信息：类型（外源或烯 dogenous），测量（反射或形成性），和数量的指标。第列R平方只适用于内生变量。 averga公共性Av.Commu 指示潜在变量可重复块的多变性。旁边的平均公共性我们有平均冗余Av.Redun像 R2只适用于内源构造。 Av.Redun代表内源性区块中由与内源性LV相关的独立LV所预测的内源性区块中的百分比。高冗余意味着高预测能力。假设我们是有兴趣检查独立LV预测内生指标的值有多好。在我们的例子中，LOY（Loyalty）的平均冗余度表示SAT（满意度）和IMAG（图像）预测忠诚度指标变化的33％。

下面的代码显示了重复的例子：

library(plspm) 
# load dataset satisfaction 
data(satisfaction) 

# path matrix 
IMAG = c(0,0,0,0,0,0) 
EXPE = c(1,0,0,0,0,0) 
QUAL = c(0,1,0,0,0,0) 
VAL = c(0,1,1,0,0,0) 
SAT = c(1,1,1,1,0,0) 
LOY = c(1,0,0,0,1,0) 
sat_path = rbind(IMAG, EXPE, QUAL, VAL, SAT, LOY) 

# plot diagram of path matrix 
innerplot(sat_path) 

# blocks of outer model 
sat_blocks = list(1:5, 6:10, 11:15, 16:19, 20:23, 24:27) 

# vector of modes (reflective indicators) 
sat_mod = rep("A", 6) 

# apply plspm 
satpls = plspm(satisfaction, sat_path, sat_blocks, modes = sat_mod, 
       scaled = FALSE) 

# show model 
innerplot(sat_path) 

# show inner model summary 
satpls$inner_summary

来源

2015-01-12 13:08:46

R：semPLS冗余（）函数

回答

相关问题