تحلیل چندگروهی (MGA)

تحلیل چندگروهی (MGA) برای آزمون معناداری تفاوت ضریب مسیر سازه‌ها براساس گروه‌های گوناگون را در حداقل مربعات جزئی فراهم می‌سازد. نرم‌افزار Smart PLS با سه رویکرد مختلف براساس بوت‌استراپینگ نتایج هر گروه را مشخص می‌سازد.

تحلیل چند گروهی برگردان پارسی Multi Group Analysis است که با فرم کوتاه MGA نمایش داده می‌شود. در بیشتر پژوهش‌ها، داده‌ها در چند گروه گوناگونه قابل دسته‌بندی است. برای نمونه ممکن است داده‌ها براساس جنسیت، طبقه سازمانی یا تحصیلات دسته‌بندی شده باشد. برای پی بردن به اینکه آیا تفاوت معناداری میان ضرایب مسیر میان متغیرها در گروه‌های مختلف وجود دارد، باید تحلیل چند گروهی PLS-MGA انجام شود.

روش PLS- MGA به مجموعه‌ای از تکنیک‌های مختلف برمی‌گردد که برای مقایسه برآوردهای مدل حداقل مربعات جزئی در میان گروه‌های مختلف داده‌ای توسعه داده شده‌اند. معمولاً PLS- MGA برای جستجوی تفاوت‌های میان ضرایب مسیر در مدل ساختاری استفاده می‌شود. با این وجود می‌توان سایر پارامتراهی آنها برای مثال بارها یا وزن‌ها را باهم مقایسه کرد.

روش PLS- MGA یک رشته مطالعاتی جدید است و اخیراً چندین رویکرد برای آن پیشنهاد شده است. از این روش برای مقایسه داده‌های دو یا چندگروه استفاده می‌شود. برای نمونه اگر بخواهیم دیدگاه دو گروه مختلف را بررسی کنیم روش PLS-MGA هم ارز روش تی-مستقل خواهد بود. فرض کنید بخواهید رابطه متغیرها را براساس دیدگاه زنان و مردان به تفکیک بررسی کنید. همچنین اگر با بیش از دو گروه سروکار داشته باشید این روش با تحلیل واریانس قابل مقایسه خواهد بود.

علت استفاده از روش تحلیل چندگروهی

در یک مطالعه رابطه رضایت و اعتماد مشتریان به سایت پارس مدیر بررسی گردید. میزان تاثیر رضایت بر وفاداری با استفاده از روش حداقل مربعات جزئی ۰/۶۴ بدست آمد. اکنون این پرسش مطرح می‌شود که آیا پژوهشگران مورد بررسی همگن هستند؟ یعنی دیدگاه همه افراد نمونه بصورت یکپارچه و قابل تعمیم می‌باشد؟ در این مثال ممکن است دیدگاه دانشجویان با پژوهشگران مستقل متفاوت باشد. آنچه رضایت دانشجویان را از یک سایت مدیریتی فراهم می‌کند با پژوهشگران مستقل تفاوت دارد.

از آنجا که ناهمگنی در بیشتر مطالعات تجربی وجود دارد، پژوهشگران گاهی باید منابع بالقوه ناهنگی را با تشکیل گروه‌هایی براساس خصیصه‌های قابل مشاهده بررسی نمایند. در بیشتر موارد از متغیرهای جمعیت شناختی مانند جنسیت، سن و تحصیلات برای گروه‌بندی افراد نمونه استفاده می‌شود. گاهی نیز از سازه‌های پنهان برای گروه‌بندی افراد نمونه استفاده می‌شود. در زمینه ناهمگنی داده‌ها در بحث حداقل مربعات جزئی آمیخته متناهی FIMIX-PLS تشریح شده است.

روش تحلیل چندگروهی

برای تحلیل چندگروهی PLS-MGA می‌توانید از نرم‌افزار Smart PLS 3 استفاده کنید. در نرم‌افزار Smart PLS 2 امکان محاسبه مستقیم تحلیل چندگروهی وجود ندارد اما با این نرم‌افزار نیز می‌توان تحلیل را انجام داد.

اگر بررسی دیدگاه دو گروه را در نظر گرفته اید ابتدا باید مشخص شود که واریانس دیدگاه دو گروه باهم برابر است یا خیر. همچنین ملاحظات حجم نمونه نیز باید در نظر گرفته شود. بطوریکه در هر گروه حداقل ۱۰ برابر تعداد روابط میان متغیرهای پنهان نمونه وجود داشته باشد. همچنین به سه فایل داده نیاز دارید: فایل داده کامل، فایل داده گروه اول، فایل داده گروه دوم. براساس آموزش نحوه وارد کرده داده‌ها به PLS هر سه فایل داده را فراخوانی کنید. در نرم‌افزار نسخه دو باید سه بار مدل را اجرا کنید اما در نسخه ۳ کافی است تا از منوی Calculate دستور Multigroup Analysis (MGA)  را اجرا کنید.

منبع برای مطالعه بیشتر در سایت سازنده نرم‌افزار:

https://www.smartpls.com/documentation/algorithms-and-techniques/multigroup-analysis