R：semPLS冗餘（）函數

我不知道semPLS軟件包中的冗餘（）函數的功能，並且無法在幫助頁面或其他semPLS論文中找到解釋。R：semPLS冗餘（）函數

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)

能不能給我：

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

    Average redundancy: 0.26

顯然當ckluss指出，冗餘方法的計算公式爲

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

社區是AVE（平均差異Extrac ted）和rSquared（決定係數）意味着數據適合模型的程度。問題依然存在：如何解釋這些指標。

來源

2015-01-03 Jannic Beck

也不會有多大效果，但'getAnywhere（「redundancy.sempls」）'顯示，它是作爲'as.matrix（共同性（ECSI計算），1] * rSquared（ecsi）[，1]）'下一步或許'getAnywhere（「communality.sempls」）' – ckluss

這實際上幫助了很多，共同點是AVE（平均方差提取）和rSquared，意味着數據適合模型的程度。問題仍然是如何解釋這些指數。 –

我找到了答案在

桑切斯，G.（2013）PLS路徑建模有R

Trowchez版本。伯克利，2013年

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

由於它在知識共享署名 - 非商業性使用 - 相同方式共享許可，我複製的文本，並增加了可重複的代碼示例。

冗餘度衡量內源塊中指標方差的百分比，該因子是從與內源性LV相關的獨立潛變量中預測的。冗餘度的另一個定義是內生構造的變異量，用其獨立的潛變量來解釋。換句話說，它反映了一組獨立的潛變量解釋依賴潛變量變化的能力。

高冗餘意味着高預測能力。尤其是，研究人員可能會認爲獨立潛變量預測指標內生結構的價值的程度如何。類似於公共性指數，可以計算平均冗餘度，即內生性塊的冗餘度指數的平均值。

# 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

對於每個潛在變量我們有一些描述性信息：類型（外源或烯 dogenous），測量（反射或形成性），和數量的指標。第列R平方只適用於內生變量。 averga公共性Av.Commu 指示潛在變量可重複塊的多變性。旁邊的平均公共性我們有平均冗餘Av.Redun像 R2只適用於內源構造。 Av.Redun代表內源性區塊中由與內源性LV相關的獨立LV所預測的內源性區塊中的百分比。高冗餘意味着高預測能力。假設我們是有興趣檢查獨立LV預測內生指標的值有多好。在我們的例子中，LOY（Loyalty）的平均冗餘度表示SAT（滿意度）和IMAG（圖像）預測忠誠度指標變化的33％。

下面的代碼顯示了重複的例子：

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

來源

2015-01-12 13:08:46

R：semPLS冗餘（）函數

回答

相關問題