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

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

Modelování pomocí strukturálních rovnic: úspěšný nástroj pro pochopení chování zákazníků? 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 25.10.2012 2

SEM základní charakteristika Relativně mladá technika vícerozměrné statistiky Vícenásobná regrese (Multiple regression) Umožňuje Analýza kvantitativně hlavních komponent testovat (Principal hypotézy Component Analysis) ve formě teoretických Faktorová modelů analýza (Factor Analysis) Shluková analýza (Cluster Analysis) Diskriminační Model = představa analýza o vzájemných (Discriminant vztazích Analysis) mezi proměnnými. Korespondenční Testovaná teorie analýza musí být (Correspondence převoditelná do modelu analysis) lineárních rovnic Kanonická s přímou úměrností korelace (Canonical typologie, Correlation nominální Analysis) data (Nachtigall a kol., 2003) Vícerozměrné škálování (Multidimensional Scaling) na otázku, do jaké míry získaná (empirická) Klasifikační stromy (Classification Trees) Pěšinková analýzy (Path analysis) Strukturní modelování (Structrual equation modeling) Preferenční analýza (Conjoint analysis) Odpoví na otázku, do jaké míry data podporují platnost navrženého teoretického modelu SEM má několik podob 25.10.2012 3

SEM historie a oblasti aplikace 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 Ghasemi, 2009) logistický controlling (Wallenburg a Weber, 2005) podniku (Saghaei a Počet aplikací v posledních letech roste (např. v oblasti provozního managementu kvadraticky) (Shah a Goldstein, 2006) 25.10.2012 4

Podoby SEM 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) 25.10.2012 5

Pěšinková analýza I 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 Zdroj: http://www.psy.jhu.edu/~ashelton/courses/sem09/semintro.pdf 25.10.2012 6

Pěšinková analýza II Vazby mezi proměnnými: žádná, jedna jednosměrná, dvě jednosměrné opačného směru (zpětná vazba) (Hair Proměnné měřeny alespoň na úrovni intervalových proměnných (Likertovy škály akceptovány). Hair a kol., 2010) Pěšinková analýza přímo pozorované (měřené) proměnné Předpokládá se 100% reliabilita měření proměnných 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 Nikdy -3-2 -1 0 1 2 3 Mnohokrát je neoprávněná? Nebudu-li dále potřebovat výrobek, který stále vypadá jako nový, pokusím se jej vrátit obchodníkovi jako reklamaci. Mám právo vrátit a reklamovat funkční výrobek, ač jsem jej používal. Pokud by mí přátelé pokazili výrobek, nesnažili by se získat za něj zpět peníze pod záminkou reklamace. Vrátit používaný, ale již nepotřebný výrobek zpět obchodníkovi pod záminkou reklamace, je obtížné. Zcela nesouhlasím -3-2 -1 0 1 2 3 Zcela nesouhlasím Zcela nesouhlasím Zcela nesouhlasím -3-2 -1 0 1 2 3-3 -2-1 0 1 2 3 25.10.2012-3 -2-1 0 1 2 3 Zcela souhlasím Zcela souhlasím Zcela souhlasím Zcela souhlasím 7

Konfirmační faktorová analýza I Latentní proměnná Konstrukt či faktor, který není přímo pozorovatelný, popř. měřitelný a který je zodpovědný za korelaci mezi pozorovanými Proměnná proměnnými Formulace otázky (nízká vysoká) Zjistit pouze nepřímo, pomocí pozorovaných Distribuční proměnných (neférová férová) spravedlnost Náhrada (finanční a nefinanční), kterou člověk získá reklamací, je: Kompenzace za reklamovaný produkt, kterou člověk získá od obchodníka, je: Reklamací člověk nezíská takovou náhradu, jakou by si zasloužil. Pozorované (souhlasím proměnné nesouhlasím) odráží skrytou latentní proměnnou. Vnímaná Zabalit zpět reklamovaný výrobek a doručit jej obchodníkovi není složité. (nesouhlasím souhlasím) Inteligence Složitý postup testy reklamací inteligence mě odrazuje. kontrola (souhlasím nesouhlasím) chování Ekonomika amerických společností Dow-Jones index Nutnost odvozu výrobku zpět obchodníkovi mě od reklamace odrazuje. (Schumacker, (souhlasím Lomax, 2004) nesouhlasím) Měření pomocí dvou a více pozorovaných proměnných 25.10.2012 8

Konfirmační faktorová analýza II Konfirmační faktorová analýza: Nejedná se o (explorativní) faktorovou analýzu. Deduktivní přístup na rozdíl od (explorativní) faktorové analýzy Posoudí platnost předpokládané struktury vztahů mezi proměnnými. er6 f1w 1 1 f2w er7 er8 1 1 Interac f3w er4 1 e1w 1 er5 1 e3w Process er1 1 d1w d2w d3w 1 er2 1 Distr er3 1 25.10.2012 9

SEM,56,52,72,82,74,70 -,07 Modelování pomocí,46 strukturních rovnic Distr,06 spojuje Interac -,49 pěšinkovou analýzu a konfirmační faktor. analýzu Výhoda:,45 er13 er14 er15 f1,55,55,30 i1 er16 f2 Možnost testovat komplexní modely,52,72,14,54 Zohlednění chyby měření (nezávislých),73 proměnných Behavior a2 er2,44,19 vztahy mezi latentními proměnnými odhadnuty přesněji. (Hair a kol., 2010),68 f3,49-,52 Beh_cont,60,36 i4r er17 i3r er18,61,38,14,39,22 er11 e1,63,38,79,77 er12 e3 Process er5 b1,69,48,83,63,59 er6 b2,48 Intention,24,00 er4,40,28 er7 a1 a4r -,51,44 er8 d1,31 er1 er3 er9 d2r e26 g1,27 er10 d3r,77,88 SN,51,31 e28 Zdroj: Nachtigall a kol., 2003 25.10.2012 10 g2,09,01

Způsoby využití SEM 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 Hair a kol., 2010) 25.10.2012 11

Nevýhody a rizika SEM 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). 25.10.2012 12

Nevýhody a rizika SEM 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 25.10.2012 13

Výhody SEM - shrnutí 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. 25.10.2012 14

Zhodnocení SEM 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) 25.10.2012 15

Doporučená literatura Hair, J., Anderson, R., Babin, B. Multivariate data analysis New 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 25.10.2012 16

Hlavní použité zdroje 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,.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. 25.10.2012 17

Děkuji za pozornost