PLS is suitable for exploratory res

PLS is suitable for exploratory research because it is a less restricted and prediction-oriented method (Henseler et al., 2014), and its iterative algorithm helps resolve “the blocks of the measurement model and then, in a second step, estimates the path coefficients in the structural model” (Vinzi, Trinchera, & Amao, 2010: 48). In addition, considering the small sample size (n=110) and the complexity of the model, PLS structural equation modeling was appropriate for testing the model in an exploratory sense (Hair, Sarstedt, Pieper, & Ringle, 2012). We used a bootstrapping method to construct randomized and standardized errors, which provided us with t-statistics with which to test the hypotheses (Henseler et al., 2009; Tenenhaus, Vinzi, Chatelin, & Lauro, 2005).

ผลลัพธ์ (ไทย) 1:

PLS เหมาะสมสำหรับการวิจัยเชิงบุกเบิก เพราะเป็นวิธีไม่จำกัด และ เชิงทำนาย (Henseler et al. 2014), และ iterative อัลกอริทึมช่วยแก้ไข "ของการวัดรุ่นแล้ว ในขั้นตอนที่สอง ประเมินค่าสัมประสิทธิ์เส้นทางในรูปแบบโครงสร้าง" (Vinzi, Trinchera, & เพื่อ ต้อน 2010:48) นอกจากนี้ พิจารณาขนาดตัวอย่างเล็ก (n = 110) และความซับซ้อนของรูปแบบ การสร้างโมเดลสมการโครงสร้างของ PLS เหมาะสมสำหรับการทดสอบแบบจำลองในความรู้สึกสำรวจ (ผม Sarstedt, Pieper และ Ringle, 2012) ใช้วิธี bootstrapping สร้างแบบสุ่ม และมีมาตรฐานข้อผิดพลาด ซึ่งให้เรา มีสถิติ t ที่จะทดสอบสมมติฐาน (Henseler et al. 2009 Tenenhaus, Vinzi, Chatelin, & Lauro, 2005)

ผลลัพธ์ (ไทย) 2:

PLS เหมาะสำหรับการวิจัยสำรวจเพราะมันเป็นวิธีการที่ถูก จำกัด น้อยลงและการคาดการณ์ที่มุ่งเน้น (Henseler et al., 2014) และขั้นตอนวิธีการทำซ้ำจะช่วยแก้ "บล็อกของรูปแบบการวัดและจากนั้นในขั้นตอนที่สองประมาณการเส้นทาง ค่าสัมประสิทธิ์ในรูปแบบโครงสร้าง "(Vinzi, Trinchera และ Amao, 2010: 48) นอกจากนี้เมื่อพิจารณาจากขนาดของกลุ่มตัวอย่างขนาดเล็ก (n = 110) และความซับซ้อนของรูปแบบ, PLS การสร้างแบบจำลองสมการโครงสร้างที่เหมาะสมสำหรับการทดสอบแบบจำลองในความรู้สึกสอบสวน (ผม, ซาร์สเต็ดท์, Pieper และ Ringle 2012) เราใช้วิธีการความร่วมมือในการสร้างข้อผิดพลาดแบบสุ่มและมาตรฐานซึ่งให้เรามี T-สถิติด้วยซึ่งในการทดสอบสมมติฐาน (Henseler et al, 2009;. Tenenhaus, Vinzi, Chatelin และ Lauro 2005)

ผลลัพธ์ (ไทย) 3:

กรุณาเหมาะสำหรับการวิจัยสำรวจ เพราะมันเป็นน้อยกว่าที่ จำกัด และการทำนายด้วยวิธีเน้น ( henseler et al . , 2010 ) และวนซ้ำ วิธีช่วยแก้ปัญหา " บล็อกของการวัดโมเดล จากนั้นในขั้นตอนที่สองการประมาณค่าสัมประสิทธิ์เส้นทางในรูปแบบโครงสร้าง " ( vinzi trinchera & amao 2010 , : 48 ) นอกจากนี้ เมื่อพิจารณาตัวอย่างขนาดเล็ก ( n = 110 ) และความซับซ้อนของโมเดล , pls โมเดลสมการโครงสร้างเป็นที่เหมาะสมสำหรับการทดสอบแบบจำลองในความรู้สึกเชิงสำรวจ ( ผม Sarstedt เปอร์ และ ริงเกิล , 2012 ) เราใช้วิธีการสร้างสุ่ม bootstrapping และข้อผิดพลาดมาตรฐานซึ่งให้กับเราหรือไม่ ซึ่งในการทดสอบสมมติฐาน ( henseler et al . , 2009 ; tenenhaus vinzi chatelin , , , และ ลอโร , 2005 )