• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Business Research >Segmentation of PLS path models by iterative reweighted regressions
【24h】

Segmentation of PLS path models by iterative reweighted regressions

机译：通过迭代加权加权回归对PLS路径模型进行细分

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Uncovering unobserved heterogeneity is a requirement to obtain valid results when using structural equation modeling (SEM). Conventional segmentation methods usually fail in an SEM context because they account for the indicator data, but not for the latent variables and their relationships in the structural model. This research introduces a new segmentation approach to variance-based SEM using partial least squares path modeling (PLS). The iterative reweighted regressions segmentation method for PIS (PLS-IRRS) effectively identifies and treats unobserved heterogeneity in data sets. Compared to existing alternatives, PLS-IRRS is multiple times faster while delivering results of the same quality. Researchers should therefore routinely use PLS-IRRS to address the critical issue of unobserved heterogeneity in PLS. (C) 2016 Published by Elsevier Inc.
机译：当使用结构方程模型（SEM）时，发现未观察到的异质性是获得有效结果的要求。常规的分割方法通常在SEM上下文中失败，因为它们考虑了指标数据，但没有考虑结构模型中的潜在变量及其关系。这项研究介绍了一种新的基于偏最小二乘路径建模（PLS）的基于方差的SEM分割方法。 PIS的迭代重加权回归分割方法（PLS-IRRS）有效地识别和处理数据集中未观察到的异质性。与现有替代方案相比，PLS-IRRS的速度快了好几倍，同时提供了相同质量的结果。因此，研究人员应常规使用PLS-IRRS来解决PLS中未观察到的异质性这一关键问题。 （C）2016由Elsevier Inc.发布

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号