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


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

25.10.2012
3
SEM – základní charakteristika
j30_article_fig1
•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)

•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)
25.10.2012
4
SEM – historie a oblasti aplikace

•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
Podoby SEM

•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
•
25.10.2012
6
Pěšinková analýza I
Zdroj: http://www.psy.jhu.edu/~ashelton/courses/SEM09/SEMIntro.pdf

•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
•
•
7
Pěšinková analýza II
25.10.2012

•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
25.10.2012
8
Konfirmační faktorová analýza I
Proměnná
Formulace otázky
Distribuční spravedlnost
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)

•Konfirmační faktorová analýza:
•Nejedná se o (explorativní) faktorovou analýzu.
•Deduktivní přístup na rozdíl od (explorativní) faktorové analýzy
•Posoudí platnost předpokládané struktury vztahů mezi proměnnými.
•
25.10.2012
9
Konfirmační faktorová analýza II

•Modelování pomocí strukturních rovnic spojuje pěšinkovou analýzu a konfirmační faktor. analýzu
•
•
•
•Výhoda:
–Možnost testovat komplexní modely
–Zohlednění chyby měření (nezávislých) proměnných – vztahy mezi latentními proměnnými odhadnuty
přesněji. (Hair a kol., 2010)
25.10.2012
10
SEM
Zdroj: Nachtigall a kol., 2003

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)
25.10.2012
11
Způsoby využití 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
Nevýhody a rizika SEM

•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
Výhody SEM - shrnutí

•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
Zhodnocení SEM

•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
Doporučená literatura
http://images.betterworldbooks.com/013/Multivariate-Data-Analysis-9780138132637.jpg
http://images.tandf.co.uk/common/jackets/weblarge/978080585/9780805855883.jpg

•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.
•
25.10.2012
17
Hlavní použité zdroje

Děkuji za pozornost
•