Modelování pomocí strukturálních rovnic: úspěšný nástroj pro pochopení chování zákazníků?

Radoslav Škapa

25.10.2012 2

Obsah přednášky

• Představení strukturního modelování (structural equation modeling – SEM)– Pěšinková analýza– Latentní proměnné a konfirmační faktorová

analýza

• Způsob použití SEM při empirickém výzkumu

• Zhodnocení SEM

Modelování pomocí strukturálních rovnic: úspěšný nástroj pro pochopení chování zákazníků?

25.10.2012 3

• Relativně mladá technika vícerozměrné statistiky

• Umožňuje kvantitativně testovat hypotézy ve formě teoretických modelů

Model = představa o vzájemných vztazích mezi proměnnými.Testovaná teorie musí být převoditelná do modelu lineárních rovnic s přímou úměrností typologie, nominální data (Nachtigall a kol., 2003)

• Odpoví na otázku, do jaké míry získaná (empirická) data podporují platnost navrženého teoretického modelu

• SEM má několik podob

SEM – základní charakteristika

• Vícenásobná regrese (Multiple regression)• Analýza hlavních komponent (Principal Component

Analysis) • Faktorová analýza (Factor Analysis)• Shluková analýza (Cluster Analysis) • Diskriminační analýza (Discriminant Analysis)• Korespondenční analýza (Correspondence analysis)• Kanonická korelace (Canonical Correlation Analysis) • Vícerozměrné škálování (Multidimensional Scaling) • Klasifikační stromy (Classification Trees)• Pěšinková analýzy (Path analysis)• Strukturní modelování (Structrual equation modeling)• Preferenční analýza (Conjoint analysis)

25.10.2012 4

• Původ v psychologickém výzkumu (psychometrie)

• Od 60. let 20. století v marketingu, strategickém managementu, výzkumu organizací, manažerských informačních systémů či v provozním managementu (Shah a Goldstein, 2006)

• Příklady:– implementace Balanced-Scorecard v podniku (Saghaei a

Ghasemi, 2009)

– logistický controlling (Wallenburg a Weber, 2005)

• Počet aplikací v posledních letech roste (např. v oblasti provozního managementu kvadraticky) (Shah a Goldstein, 2006)

SEM – historie a oblasti aplikace

25.10.2012 5

• Regresní modely

• Pěšinková analýza (Path analysis)

• Konfirmační faktorová analýza (Confirmatory factor analysis)

• Modelování pomocí strukturálních rovnic (Structural equation modeling)

• Latent change models (Latent growth curve models)

Podoby SEM

25.10.2012 6

• Autor - Biolog Sewall Wright, 1918

• Větší zájem až v 60. letech 20. století

• Posuzuje přímé ale i nepřímé efekty proměnných na jiné proměnné podle teoretického modelu (grafu).Podobnost s vícenásobnou regresí – výpočet odlišný (maximální věrohodnost – maximum likelihood, iterativní postup))

• Označována jako „kauzální“ modelování

Pěšinková analýza I

Zdroj: http://www.psy.jhu.edu/~ashelton/courses/SEM09/SEMIntro.pdf

25.10.2012 7

• Vazby mezi proměnnými: žádná, jedna jednosměrná, dvě jednosměrné opačného směru (zpětná vazba) (Hair a kol., 2010)

• Proměnné měřeny alespoň na úrovni intervalových proměnných (Likertovy škály akceptovány).

• Pěšinková analýza – přímo pozorované (měřené) proměnné

• Předpokládá se 100% reliabilita měření proměnných

Pěšinková analýza II

Prosím, vyberte nejvhodnější odpověď podle následující stupnice hodnocení: -3 = Zcela nesouhlasím; -2 = V podstatě nesouhlasím; -1 = Částečně nesouhlasím; 0 = Ani souhlas ani nesouhlas; 1 = Částečně souhlasím; 2 = V podstatě souhlasím; 3 = Zcela souhlasím. Pokusil jste se uplatnit reklamaci, i když jste věděl, že je neoprávněná?

Nikdy -3 -2 -1 0 1 2 3 Mnohokrát

Nebudu-li dále potřebovat výrobek, který stále vypadá jako nový, pokusím se jej vrátit obchodníkovi jako reklamaci.

Zcela nesouhlasím -3 -2 -1 0 1 2 3

Zcela souhlasím

Mám právo vrátit a reklamovat funkční výrobek, ač jsem jej používal.

Zcela nesouhlasím -3 -2 -1 0 1 2 3

Zcela souhlasím

Pokud by mí přátelé pokazili výrobek, nesnažili by se získat za něj zpět peníze pod záminkou reklamace.

Zcela nesouhlasím -3 -2 -1 0 1 2 3

Zcela souhlasím

Vrátit používaný, ale již nepotřebný výrobek zpět obchodníkovi pod záminkou reklamace, je obtížné.

Zcela nesouhlasím -3 -2 -1 0 1 2 3

Zcela souhlasím

25.10.2012 8

Latentní proměnná

• Konstrukt či faktor, který není přímo pozorovatelný, popř. měřitelný a který je „zodpovědný“ za korelaci mezi pozorovanými proměnnými

• Zjistit pouze nepřímo, pomocí pozorovaných proměnných

• Pozorované proměnné „odráží“ skrytou latentní proměnnou.– Inteligence – testy inteligence– Ekonomika amerických společností – Dow-Jones index

(Schumacker, Lomax, 2004)

• Měření pomocí dvou a více pozorovaných proměnných

Konfirmační faktorová analýza I

Proměnná Formulace otázky

Distribuční spravedlnos

t

Náhrada (finanční a nefinanční), kterou člověk získá reklamací, je:(nízká – vysoká)Kompenzace za reklamovaný produkt, kterou člověk získá od obchodníka, je: (neférová – férová)Reklamací člověk nezíská takovou náhradu, jakou by si zasloužil.(souhlasím – nesouhlasím)

Vnímaná kontrola chování

Zabalit zpět reklamovaný výrobek a doručit jej obchodníkovi není složité. (nesouhlasím – souhlasím)Složitý postup reklamací mě odrazuje.(souhlasím – nesouhlasím)Nutnost odvozu výrobku zpět obchodníkovi mě od reklamace odrazuje. (souhlasím – nesouhlasím)

25.10.2012 9

Konfirmační faktorová analýza:

• Nejedná se o (explorativní) faktorovou analýzu.

• Deduktivní přístup na rozdíl od (explorativní) faktorové analýzy

• Posoudí platnost předpokládané struktury vztahů mezi proměnnými.

Konfirmační faktorová analýza II

0;

Distr

d1w

0;

er1

1

1

d2w

0;

er21

d3w

0;

er31

0;

Process

e1w

0;

er4

1

1

e3w

0;

er51

0;

Interac

f1w

0;

er6

1

1

f2w

0;

er71

f3w

0;

er81

25.10.2012 10

Modelování pomocí strukturních rovnic spojuje pěšinkovou analýzu a konfirmační faktor. analýzu

Výhoda: Možnost testovat komplexní modelyZohlednění chyby měření (nezávislých) proměnných – vztahy mezi latentními proměnnými odhadnuty přesněji. (Hair a kol., 2010)

SEM

Zdroj: Nachtigall a kol., 2003

Distr

,31

d1

er8

,56

,27

d2r

er9

,52

,51

d3r

er10

,72

Process

,63

e1

er11,59

e3

er12

Interac

,55

f1

er13

,74

,68

f2

er14

,82

,49

f3

er15

,70

,48

Intention

,69

b1

er5,40

b2

er6

,14

Behavior

Beh_contSN

,52

a1 er1,72

,54

a2 er2,19

a4r er3

,30

i1

er16,38

i3r

er18

,36

i4r

er17

,77

g1

e26

,88

,09

g2

e28

,31

,01

er4

er7

,22

,60

,55

,61

,44

,73

,24

,14

,44,39

,48

-,52

-,07

,38

-,51

,28

,63,83

,45

-,49

,46 ,06

,79,77

,00

25.10.2012 11

1. Konfirmační mód - test hypotetického modelu na empirických datech

2. Testování platnosti dvou alternativních teorií na jedněch datech

3. Vývoj teorie (explorativní mód) - na jednom vzorku dat se hledá model, který nejlépe z odpovídá datům. Následně je třeba prověřit model na nové sadě dat (opět konfirmační využití SEM). (Raykov & Marcolides, 2006; Hair a kol., 2010)

Způsoby využití SEM

25.10.2012 12

• Neumí testovat směr vazeb mezi proměnnými (Stoelting, 2002).

• Ekvivalence modelů - více různých modelů na stejných datech (Hancock, Mueller, 2006)

• Ex post modifikace modelu mohou popřít smysluplnost metody (výsledky přizpůsobeny datům) (Hair a kol. 2010)

• Náročná technika, pro kterou existuje málo „vodítek“ a standardů pro použití a pro interpretaci výsledků (Shah a Goldstein, 2006).

Nevýhody a rizika SEM

25.10.2012 13

Technické aspekty:

• Velké výzkumné vzorky (Wallenburg, Weber, 2005)

• Podmínka vícerozměrné normality dat (Wallenburg, Weber, 2005) + transformace promenných

• Obtížná identifikace odlehlých hodnot

• Náročné prokazování validity modelu– Validity konstruktů + validita strukturního modelu– Zjevná (face) validita, konvergenční, diskriminační,

nomologická validita

• Specializovaný software– AMOS, EQS, Mplus, SAS PROC CALIS, SEPATH, RAMONA

Nevýhody a rizika SEM

25.10.2012 14

SEM v porovnání s jinými statistickými technikami (např. regresními modely):

• Zohledění chyby měření jak u závislých tak i nezávislých proměnných

• Použití latentních proměnných

• Odlišení chyb měření a chyb spojených se specifikací modelu (přesnost modelu)

• Možnost modelovat zprostředkující proměnné

• Závislá proměnné může být současně vysvětlující proměnou

• Pro komplexní modely, u kterých je třeba testovat všechny předpokládané vazby současně, je SEM jediná technika.

Výhody SEM - shrnutí

25.10.2012 15

Úspěšnost v recenzním řízení v renomovaném marketingovém časopisu (Babin, Hair a Boles, 2009):

– 48 % zaslaných článků využívalo SEM– Statisticky prokázali, že články se SEM jsou

hodnoceny lépe (byť ne o mnoho)

Zhodnocení SEM

25.10.2012 16

Hair, J., Anderson, R., Babin, B. Multivariate data analysisNew Jersey: Upper Saddle River: Prentice Hall, 2010.

Raykov, T., Marcolides, A. G.

A First Course in Structural Equation Modeling

London: Lawrence Erlbaum Associates, 2006.

Diskuzní skupiny na internetu…

Doporučená literatura

25.10.2012 17

• BABIN, B., Hair, J., Boles, J. S. Publishing Research in Marketing Journals Using Structural Equations Modeling. Journal of Marketing, 2009, roč. 16, č. 3. s. 279-285.

• GOLOB.,T. F. Structural equation modeling for travel behavior research. Transportation Research Part B, 2003,roč.37,s.1-25.

• HAIR, J., Anderson, R., Babin, B. Multivariate data analysis. New Jersey: Upper Saddle River: Prentice Hall, 2010. ISBN 0138132631.

• HANCOCK, Gregory R., Mueller, R. O. (eds.). Structural Equation Modeling: A Second Course. Greenwich: Information Age Publishing, 2006. ISBN 1593110154.

• NACHTIGALL, C., Kröhne, U., Funke, F., Steyer, R. (Why) Should We Use SEM? Pros and Cons of Structural Equation Modeling. MPR-Online [online]. 2003 [cit. 2010-01-02]. Dostupný na WWW: < http://www.dgps.de/fachgruppen/methoden/mpr-online/issue20/art1/mpr127_11.pdf >.

• RAYKOV, T., Marcolides, A. G. A First Course in Structural Equation Modeling, 2. vyd. London: Lawrence Erlbaum Associates, 2006. ISBN 10: 0805855882.

• SAGHAEI, A., Ghasemi, R. Using Structural Equation Modeling in Causal Relationship Design for Balanced-Scorecards Strategic Map. World Academy of Science, Engineering and Technology, 2009, no. 49. s. 1032-1038.

• SHAH, R., Goldstein, S. M. Use of structural equation modeling in operations management research: Looking back and forward. Journal of Operations Management, 2006, roč. 24, č. 2. s. 148-169.

• SCHUMACKER, R., Lomax R. A beginner's guide to structural equation modeling. 2. vyd. New Jersey: Mahwah, 2004. ISBN 1841698911.

• STOELTING, R. Structural Equation Modeling/Path Analysis. [online]. 2002 [cit. 2011-03-15]. Dostupný na WWW: < http://userwww.sfsu.edu/~efc/classes/biol710/path/SEMwebpage.htm >.

• WALLENBURG, C. M., Weber, J. Structural Equation Modelling as a Basis for Theory Development within Logistics and Supply Chain Management Research. In Kotzab, H., Seuring , S., Muller, M., Reiner, G. (eds.). Research Methodologies in Supply Chain Management. Heidelberg: Physica, 2005, s. 171-186.

Hlavní použité zdroje

Děkuji za pozornost