Bootstrap - SmartPLS
Bootstrap - SmartPLS
com/documentation/algorithms-and-techniques/bootstrapping
Inggris Indonesia
Bootstrap
Abstrak
Bootstrapping adalah prosedur nonparametrik yang
memungkinkan pengujian signifikansi statistik dari berbagai
hasil PLS-SEM seperti koefisien jalur, nilai Cronbach's alpha,
HTMT, dan R².
Deskripsi singkat
PLS-SEM tidak mengasumsikan bahwa data terdistribusi
secara normal, yang menyiratkan bahwa uji signifikansi
parametrik (misalnya, seperti yang digunakan dalam analisis
regresi) tidak dapat diterapkan untuk menguji apakah
koefisien seperti bobot luar, beban luar dan koefisien jalur
signifikan. Sebaliknya, PLS-SEM bergantung pada prosedur
bootstrap nonparametrik (Efron dan Tibshirani, 1986; Davison
dan Hinkley, 1997) untuk menguji signifikansi estimasi
koefisien jalur di PLS-SEM.
Pengaturan Bootstrap di
SmartPLS
Subsamples
Dalam bootstrap, subsampel dibuat dengan pengamatan
yang diambil secara acak dari set data asli (dengan
penggantian). Untuk memastikan stabilitas hasil, jumlah
sampel harus besar.
Masuk Perubahan
Mengatur metode untuk berurusan dengan perubahan tanda
https://www.smartpls.com/documentation/algorithms-and-techniques/bootstrapping
selama iterasi bootstrap. Versi sebelumnya memungkinkan
Inggris
pengguna untuk memilih antara "tidak ada perubahan tanda",
Indonesia
Inggris Indonesia
Tingkat Signifikansi
1. Bootstrap Persentil
2. Bootstrap yang telah di pelajarisasi
3. Bootstrap Bias-Dikoreksi dan Dipercepat (BCa) (default)
4. Bootstrap Ganda Davision Hinkley
5. Double Bootstrap Shi
Tautan
Mediasi
Bootstrap yang Konsisten
Analisis Multigroup (MGA)
R f i
Referensi
https://www.smartpls.com/documentation/algorithms-and-techniques/bootstrapping
Inggris Indonesia
Kembali ke atas