SEM PLS
SEM PLS
Dari namanya ini adalah Structural Equational Modelling dan juga partial lest square. Maka dalam SEM pls ini kita mencari hubungan bukan hubungan yang sedehana antara variabel independen dan juga variabel dependen saja. Dalam SEM kita akan kembali membuat konstruk untuk variabel laten maka kita dapat menjadikan dari variabel Dalam PLS kita akan melihat hubungan antara variabel tersebut. Banyak ilmuwan yang mendari bahwa hubungan variabel itu tidak saja hanya sederhana melainkan lebih kompleks. Bisa jadi variabel yang lain juga mempengaruhi bariabel yang alin dan bisa sebaliknya. Dengan demikian sem pls ini akan memebrikan banyak penjelasan yang dapat memuaskan keingintahuan peneliti. Hal ini akan dapat memeperkirakan arah dari hubungan Kita akan melihat banyak hal hubungan dari variabel tersebut. dalam hubungan garis tersebut kita akan melihat ada dua model, yakni: Outer(model pengukuran) Dari model ini akan melihat hubungan yang reflektif yang merupakan hubungan kausalitas variabel laten terhadap indikator dan formatif adalah kausalitas dari indikator ke variabel latin atau sebaliknya. Inner model adalah hubungan antara atau sesama variabel laten. Hubungan itu bisa berupa variabel independen laten dan variabel dependen laten. Bisa jadi dalam persamaan satu variabel bisa menjadi bariabel bebas tetapi di persamaan regresi lain menjadi variabel tidak bebas. Hal yang paling penting dalam SEM PLS adalah suatau pencarian teori. Bagaiamana bisa pencarian penentuan teori itu dari mengeksplor kemungkinan adanya hubungab tersebut. Hal itu tentu tidak sembarang dengan memasukkan variabel apa saja yang sekehendak kita. Dalam SEM PLS juga tidak membutuhkan banyak sample Model ini adalah awal konstruk dan menunjukkan analisis jalur dan juga merupakan regrresi?
Langkah langkah analisis SEM PLS di Rstudio
Setelah kita memiliki data yang kita gunakan adalah untuk membuat data set yang sudah kita siapkan sebelumnya. Dalam artikel ini saya mengambil dataset politicaldemocracy yang ada di package lavaan. Penggunaan paket lain dalam analisis ini adalah semPLot untuk menampilkan grafik. tentu sebelum pengolahan data, juga ada penentuan bentuk model. bentuk model ini untuk menguji apakah ada hubungan antara outer model yakni sesama variabel laten.
https://search.r-project.org/CRAN/refmans/cSEM/html/PoliticalDemocracy.html Data political dmeocracy adalah dari rstudio terdiri dari terdiri dari : A data frame of 75 observations of 11 variables.
y1 Expert ratings of the freedom of the press in 1960
y2 The freedom of political opposition in 1960
y3 The fairness of elections in 1960
y4 The effectiveness of the elected legislature in 1960
y5 Expert ratings of the freedom of the press in 1965
y6 The freedom of political opposition in 1965
y7 The fairness of elections in 1965
y8 The effectiveness of the elected legislature in 1965
x1 The gross national product (GNP) per capita in 1960
x2 The inanimate energy consumption per capita in 1960
x3 The percentage of the labor force in industry in 1960
Pertama kita akan menampilkan dulu data dari political democracy dan juga menggunakan package lavaan.
library(lavaan)This is lavaan 0.6-19
lavaan is FREE software! Please report any bugs.head(PoliticalDemocracy) y1 y2 y3 y4 y5 y6 y7 y8 x1
1 2.50 0.000000 3.333333 0.000000 1.250000 0.000000 3.726360 3.333333 4.442651
2 1.25 0.000000 3.333333 0.000000 6.250000 1.100000 6.666666 0.736999 5.384495
3 7.50 8.800000 9.999998 9.199991 8.750000 8.094061 9.999998 8.211809 5.961005
4 8.90 8.800000 9.999998 9.199991 8.907948 8.127979 9.999998 4.615086 6.285998
5 10.00 3.333333 9.999998 6.666666 7.500000 3.333333 9.999998 6.666666 5.863631
6 7.50 3.333333 6.666666 6.666666 6.250000 1.100000 6.666666 0.368500 5.533389
x2 x3
1 3.637586 2.557615
2 5.062595 3.568079
3 6.255750 5.224433
4 7.567863 6.267495
5 6.818924 4.573679
6 5.135798 3.892270Setelah datanya kita buatkan maka kita akan membuat model tersebut. MEmbuat model ini termasuk model inidaktor yang dihubungnkan dengan variabel laten. ada tiga variabel laten yang terdiri dari ind60, dem60 dan dem65.Variabel laten ind60 terdiri dari x1,x2,dan x3. untuk variabel laten dem60 adalah y1. y2, y3, dan y4. Sedangkan dem 65 adalah y5, y6, y7, dan y8.
Measurement model ind60 =~ x1 + x2 + x3
dem60 =~ y1 + y2 + y3 + y4
dem65 =~ y5 + y6 + y7 + y8
untuk model regresi adalah seperti ini: Regressions / Path model
dem60 ~ ind60
dem65 ~ ind60 + dem60
Dalam model ini kita menentukan regresi dem60 sebagai variabel dependen sedangkan ind60 adalah sebagai variabel bebas atau variabel independen. pada model kedua dem65 adalah variabel y atau tidak bebas sehingga ind60 dan dem60 adalah variabel bebasnya.
Kemudian untuk nilai residualnya adalah sebagai bawah ini
residual correlations y2 ~~ y4
y6 ~~ y8
Kita buat model terlebih dahulu dengan memberi nama model
setelah itu kita bisa untuk mengeksekusi model dan mendapatkan nilai dari persamaan struktural. saya akan namakan analisis adalah fitpd dengan perintah sem(model,…) kemudian kita melakukan penampilan dengan summary(fitpd)
model <- "
# Measurement model
ind60 =~ x1 + x2 + x3
dem60 =~ y1 + y2 + y3 + y4
dem65 =~ y5 + y6 + y7 + y8
# Regressions / Path model
dem60 ~ ind60
dem65 ~ ind60 + dem60
# residual correlations
y2 ~~ y4
y6 ~~ y8
"
fitpd <- sem(model, data=PoliticalDemocracy)Warning: lavaan->lav_object_post_check():
some estimated lv variances are negativesummary(fitpd, standardized=TRUE)lavaan 0.6-19 ended normally after 51 iterations
Estimator ML
Optimization method NLMINB
Number of model parameters 27
Number of observations 75
Model Test User Model:
Test statistic 57.914
Degrees of freedom 39
P-value (Chi-square) 0.026
Parameter Estimates:
Standard errors Standard
Information Expected
Information saturated (h1) model Structured
Latent Variables:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
ind60 =~
x1 1.000 0.670 0.920
x2 2.181 0.139 15.742 0.000 1.460 0.973
x3 1.818 0.152 11.961 0.000 1.218 0.872
dem60 =~
y1 1.000 2.246 0.862
y2 1.246 0.174 7.171 0.000 2.799 0.714
y3 1.054 0.143 7.395 0.000 2.367 0.726
y4 1.228 0.135 9.111 0.000 2.758 0.829
dem65 =~
y5 1.000 2.142 0.825
y6 1.149 0.159 7.243 0.000 2.461 0.734
y7 1.242 0.147 8.433 0.000 2.661 0.815
y8 1.220 0.146 8.358 0.000 2.613 0.811
Regressions:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
dem60 ~
ind60 1.504 0.401 3.752 0.000 0.448 0.448
dem65 ~
ind60 0.519 0.232 2.240 0.025 0.162 0.162
dem60 0.883 0.108 8.183 0.000 0.926 0.926
Covariances:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
.y2 ~~
.y4 1.660 0.750 2.214 0.027 1.660 0.325
.y6 ~~
.y8 1.706 0.622 2.746 0.006 1.706 0.398
Variances:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
.x1 0.082 0.020 4.183 0.000 0.082 0.154
.x2 0.119 0.070 1.709 0.087 0.119 0.053
.x3 0.467 0.090 5.178 0.000 0.467 0.240
.y1 1.740 0.382 4.560 0.000 1.740 0.256
.y2 7.536 1.362 5.534 0.000 7.536 0.490
.y3 5.017 0.900 5.572 0.000 5.017 0.472
.y4 3.461 0.700 4.943 0.000 3.461 0.313
.y5 2.148 0.416 5.158 0.000 2.148 0.319
.y6 5.169 0.925 5.586 0.000 5.169 0.461
.y7 3.575 0.682 5.240 0.000 3.575 0.336
.y8 3.564 0.680 5.245 0.000 3.564 0.343
ind60 0.448 0.087 5.172 0.000 1.000 1.000
.dem60 4.032 0.910 4.432 0.000 0.799 0.799
.dem65 -0.085 0.233 -0.366 0.714 -0.019 -0.019Setelah itu kita bisa menampilkan grafik tersebut dengan paket semPlot
library(semPlot)
semPaths(fitpd, what = 'std', layout = 'tree', edge.label.cex=.9, curvePivot = TRUE)
Interprestasi
Untuk menginterpresati output Rstudio kita akan menyajikan dalam berbagai segmen sebagai berikut:
A Outer Model atau Model Luar
Dari bagian ini kita melihat hubungan indikator dengan variabel latennya adalah sebagai berikut: 1. Nilai loading factor yang lebih dari 0,7 menunjukkan bahwa nilai ini baik. 2. Nilai Composite Reabilitynya atau C juga lebih dari 0,7 3. Nilai AVE nya juga cukup besar karena lebih dari 0,5. Dari ketiga nilai tersebut kita bisa mennginterprestasikan nilai X1 sangat menginterprestasikan ind 60 sedangnkan y2 kecil sekali hanya 0,6 dan bisa dibuang.
Inner MOdel
Secara ringkas kita melihat hubungan dari dua model regresi signifikan. persamaan regresi pertama dimana dem60 dan ind 60 menunjukkan nilai p value yang lebih kecil dari 0,05 maka ada hiubungan yang signifikan dimana ind 60 memepnegaruhi dem60. sedangkan apda regresi kedua menunjukkan kalau ind 60 dan dem60 mempengaruhi dem65.
