R: semPLS redundancy() 函数

Question

我不知道 semPLS 包中的 redundancy() 函数的作用，也无法在帮助页面或其他 semPLS 论文中找到解释。

以ecsi模型为例：

library(semPLS)
data(ECSImobi)
ecsi <- sempls(model=ECSImobi, data=mobi, wscheme="pathWeighting")

redundancy(ecsi)

会给我：

             redundancy
Image                 .
Expectation        0.12
Quality            0.18
Value              0.29
Satisfaction       0.47
Complaints            .
Loyalty            0.24

    Average redundancy: 0.26

显然正如ckluss指出的那样，冗余方法计算为

as.matrix(communality(ecsi)[, 1] * rSquared(ecsi)[, 1])

共同性是 AVE（提取的平均方差）和决定系数 rSquared，表示数据与模型的拟合程度。问题仍然存在：如何解释这些指标。

Answer 1

我在

中找到了答案

Sanchez, G. (2013) 使用 R 进行 PLS 路径建模

Trowchez 版本。伯克利，2013 年。

http://www.gastonsanchez.com/PLS_Path_Modeling_with_R.pdf

由于它是根据 Creative Commons Attribution-NonCommercial-ShareAlike 获得许可的，因此我复制了文本并添加了可重现的代码示例。

冗余衡量内生块中指标方差的百分比是根据与内源性 LV 相关的独立潜在变量预测的。其他冗余的定义是由其独立的潜在变量解释的内生结构的方差量。换句话说，它反映了一组独立潜变量解释因潜变量变化的能力。

高冗余意味着高预测能力。特别是，研究人员可能是测试独立潜在变量预测指标内生结构值的程度。类比于communality index，可以计算平均冗余度，即内生块的冗余度指数的平均值。

# inner model summary
satpls$inner_summary

           Type        R2 Block_Communality Mean_Redundancy       AVE
IMAG  Exogenous 0.0000000         0.5822691       0.0000000 0.5822691
EXPE Endogenous 0.3351937         0.6164199       0.2066200 0.6164199
QUAL Endogenous 0.7196882         0.6585717       0.4739663 0.6585717
VAL  Endogenous 0.5900844         0.6644156       0.3920612 0.6644156
SAT  Endogenous 0.7073209         0.7588907       0.5367793 0.7588907
LOY  Endogenous 0.5099226         0.6390517       0.3258669 0.6390517

对于每个潜在变量，我们都有一些描述性信息：类型（外生或外生内生性）、测量（反思性或形成性）和指标数量。专栏 R 方仅适用于内生变量。 Averga 社区 Av.Commu 指示潜在变量可重现多少块变异性。除了平均公共性之外，我们还有平均冗余度 Av.Redun，这就像 R2 仅适用于内源性结构。 Av.Redun代表百分比从关联到的独立 LV 预测的内生块的方差内源性 LV。高冗余意味着高预测能力。假设我们是有兴趣检查独立 LV 预测内生指标值的程度。在我们的示例中，LOY（忠诚度）的平均冗余表示 SAT（满意度）和 IMAG（形象）预测忠诚度指标变异性的 33%。

以下代码显示了可重现的示例：

library(plspm)
# load dataset satisfaction
data(satisfaction)

# path matrix
IMAG = c(0,0,0,0,0,0)
EXPE = c(1,0,0,0,0,0)
QUAL = c(0,1,0,0,0,0)
VAL = c(0,1,1,0,0,0)
SAT = c(1,1,1,1,0,0)
LOY = c(1,0,0,0,1,0)
sat_path = rbind(IMAG, EXPE, QUAL, VAL, SAT, LOY)

# plot diagram of path matrix
innerplot(sat_path)

# blocks of outer model
sat_blocks = list(1:5, 6:10, 11:15, 16:19, 20:23, 24:27)

# vector of modes (reflective indicators)
sat_mod = rep("A", 6)

# apply plspm
satpls = plspm(satisfaction, sat_path, sat_blocks, modes = sat_mod,
               scaled = FALSE)

# show model
innerplot(sat_path)

# show inner model summary
satpls$inner_summary

R: semPLS redundancy() 函数

R: semPLS redundancy() function

r

structural-equation-model