بلایندفولدینگ
بلایندفولدینگ (Blindfolding) روشی برای سنجش شاخص ارتباط پیشبین با استفاده مجدد از نمونه است که قدرت پیشبینی مدل را نشان میدهد. این شاخص بوسیله استون و گیزر معرفی گردید و در حداقل مربعات جزئی بکار گرفته میشود.
شاخص ارتباط پیشبین تنها برای سازههای درونزای مدل محاسبه میشود و برای سازههای برونزا صفر خواهد بود. چنانچه میزان این شاخص مثبت باشد نشان از قدرت پیشبینی خوب مدل دارد. زمانی که این رویه در نرمافزار Smart PLS اجرا میشود دو شاخص اصلی را به دست میدهد:
- روایی متقاطع افزونگی (Cross-validated redundancy)
- روایی متقاطع اشتراکی (Cross-validated communality)
روایی متقاطع افزونگی هم براساس بخش ساختاری و هم بخش اندازهگیری برآورد میشود اما روایی متقاطع اشتراکی اطلاعات بخش ساختاری را در نظر نمیگیرد. بنابراین روایی متقاطع افزونگی برآورد بهتری را برای بلایندفولدینگ ارائه میکند.
میزان روایی متقاطع افزونگی با Q2 نمایش داده میشود و اگر مثبت باشد نشانه تناسب مدل است. همانگونه که اندازه اثر (F2) معیاری برای ارزیابی توان نسبی ضریب تعیین (R2) است، اندازه نسبی شاخص ارتباط پیشبین نیز قابل برآورد است که با q2 نمایش داده میشود:
q2 = Q2 ÷ (۱-Q2)
مقادیر ۰/۰۲ ، ۰/۱۵ و ۰/۳۵ به ترتیب نشاندهنده قدرت پیشبینی کوچک، متوسط و بزرگ برای سازههای درونزا است.
ویدیوی آموزش بلایندفولدینگ
ویدیوی آموزش بلایندفولدینگ در نرمافزار Smart PLS را مشاهده کنید.
کاربرد : محاسبه شاخص برای ارزیابی روایی متقاطع Cross-Validity
مدرس دوره : آرش حبیبی – پارس مدیر
این ویدیو در نرمافزار Smart PLS 2 تهیه گردید.
در نرمافزار Smart PLS 4 امکان استفاده از رویه بلایندفولدینگ نیست. در این نرمافزار برای سنجش شاخص تناسب پیشبین از آزمون توان پیشبینی روایی متقاطع (CVPAT) استفاده میشود. برای مطالعه بیشتر آموزش مربوط را در سایت پارسمدیر مطالعه کنید.
خلاصه و جمعبندی
بلایندفولدینگ یک تکنیک استفاده مجدد از نمونه است. این تکنیک امکان محاسبه شاخص استون-گیزر Stone-Geisser را فراهم میکند. معیار استون- گیزر یا شاخص Q2 قدرت پیشبینی مدل را مشخص میسازد. شاخص استون-گیزر معیاری برای ارزیابی روایی متقاطع در مدل حداقل مجذورات جزیی است. شاخص ضریب تعیین R2 دقت پیشبینی را مشخص میکند و شاخص Q2 رابطهمند بودن پیشبینی را تعیین میکند. چناچه مقدار شاخص استون-گیزر مثبت باشد روایی پیشبینی مورد تایید است.
روش تحقیق , ویدیوی آموزشی مدیریت | ۱۷ اسفند ۹۷
ضمن سلام و عرض ادب ، ببخشید یک سوال داشتم در مدل ساختاری پروژه بنده از در Q2 از ۱۱ سازه ۱ سازه ۰.۰۱ و ۴ سازه ۰.۰۰ شدند مابقی کوچکترین ۰.۰۶ و بزرگترین ۰.۲۳ هستش یعنی در کل این سازه ها از ۰.۰۲ بزرگتر و از ۰.۳ کوچکتر با این حساب و با حضور مقادیر رد شده ۵ سازه دیگر به معنای مشکل در مدل ساختاری است یا خیر ؟؟
بطور کلی اگر شاخص Q2 مثبت باشه همه چیز امن و امان هست. مقادیر شما هم مطلوب بوده
اگر شما بهترین نیستید پس کیه؟؟؟؟؟!!!!
ممنون بابت آموزش های فوق العادتون
زنده باشید 🙏 🙏