리샘플링 방법

부트스트래핑은 리샘플링 방법을 사용하여 PLS 계수의 유의성을 계산합니다. 이는 전통적인 PLS 추정 알고리즘과 함께 사용될 수 있습니다. 부트스트랩 유의도의 경우 확률 수준 0.05는 샘플링(데이터에서 다른 샘플 가져오기)으로 인해 절대적인 측면에서 강력하거나 더 강한 결과가 발생할 확률이 20분의 1이라는 것을 의미합니다. 부트스트래핑은 모든 분포를 처리하지만 표본이 모집단에서 무작위로 추출되지 않는 한 연구자는 모집단을 일반화할 수 없습니다. 그렇지 않으면 연구자는 현재 가지고 있는 데이터에만 일반화할 수 있습니다. 부트스트랩은 데이터의 비정규 분포 문제를 추정하지만 비 무작위 샘플링 문제는 다루지 않습니다 [ 19 ]. 그림 3은 표 3 에 요약된 부트스트래핑 결과를 보여줍니다 .


β
PLS-SEM 알고리즘에서 경로계수 값을 추출하여 통계변수 간의 구조방정식 모델링 접근법에서 가능한 인과관계를 조사합니다. 경로 계수는 분류된 시스템에서 변수 간의 연관성을 결정하기 위해 다이어그램 기반 방법을 적용하여 Wright [ 34 ]에서 파생되었습니다. 수렴타당도는 잠재변수 간의 연관성이 0.80 이상일 때 설정된다. 구조모델의 경로계수가 통계적으로 유의하기 위해서는 그 값이 0.05 수준 이상에서 1.96이어야 한다. 근거이론에서 해석된 가치를 바탕으로 기준이 형성된 인과관계를 규명하는데 주로 활용된다. 구성 상호관계의 관점에서 볼 때, 네 가지 구성 사이의 관계의 정도나 강도는 구조 모델의 전체 효과와 경로 계수에 의해 반영됩니다. 결과가 통계적으로 유의하기 위해서는 경로계수 값이 0.05 수준에서 1.96 이상이어야 합니다. 결과는 표 3 에 제시되어 있다 .
구글상위노출

카지노솔루션 제작

카지노솔루션

무료스포츠중계

토토사이트

토토사이트

다낭 가라오케

다낭 가라오케 롱타임

다낭 가라오케 2차

비제이벳

LCK토토

롤토토

E스포츠토토

무료스포츠중계

무료스포츠중계

구글 백링크

먹튀검증사이트

먹튀사이트신고