Pemodelan: Penerapan yang Ketat, Lebih Baik Persamaan Struktur Kuadrat Terkecil Parsial Hasil dan Penerimaan Lebih Tinggi
Tajuk rencana
di bidang manajemen strategis, penyebaran metode ini tidak seluas bidang lainnya
Ringkasan temuan utama dari tinjauan terkini aplikasi PLS-SEM di berbagai bidang
tidak memanfaatkan seluruh kotak peralatan yang ditawarkan PLS-SEM. Kemajuan metodologis (Esposito peluang penerapan. Seringkali peneliti tidak memperhatikan kualitas data
analisis (IPMA) hasil PLS-SEM (misalnya, Hock et al., 2010 ; Rigdon et al., 2011; Volckner et al., 2010), pendekatan untuk menilai model komponen hierarki (misalnya, Becker et al., 2012; dering
http://dx.doi.org/10.1016/j.lrp.2013.01.001
penelitian telah mengakui fleksibilitas PLS-SEM mengenai penanganan berbagai masalah pemodelan
menawarkan banyak properti yang bermanfaat, 'asumsi lunak' PLS-SEM tidak boleh dianggap remeh
Rigdon et al., 2010) atau prosedur analisis multikelompok (misalnya, Chin dan Dibbern, 2010; Sarstedt berbagai disiplin ilmu penelitian seperti akuntansi (Lee et al., 2011), pemasaran internasional
dkk., 2012; Wilson, 2010), teknik segmentasi data khusus PLS-SEM (misalnya, Rigdon dkk.,
persyaratan (misalnya, berkaitan dengan ukuran sampel atau perlakuan terhadap nilai yang hilang) dan mengabaikan kriteria evaluasi yang penting (terutama ketika menilai model pengukuran formatif), terkadang bahkan
et al., 2012c) dan manajemen operasi (Peng dan Lai, 2012). Begitu pula dengan manajemen strategis
€
tipe model (yaitu, formatif atau reflektif; Gudergan et al., 2008), matriks kepentingan-kinerja
penulis, reviewer, dan editor untuk meningkatkan kualitas studi PLS-SEM:
Rendahnya penyebaran ini menunjukkan bahwa penggunaan PLS-SEM dalam manajemen strategis sangatlah banyak Pemodelan persamaan struktural kuadrat terkecil parsial dari Wold (1982, 1974) dan Lohmoller (1989)
bidang.
Vinzi dkk., 2010; Hair et al., 2013) memberi peneliti lebih banyak fleksibilitas dalam memodelkan hubungan dan dengan demikian memungkinkan pengujian konsep teoretis yang lebih bernuansa. Kemajuan ini antara lain mencakup analisis tetrad konfirmatori (CTA-PLS) untuk menilai pengukuran secara empiris
disiplin ilmu menunjukkan bahwa isu-isu berikut ini lazim dan memerlukan perhatian khusus
€
mereplikasi hasilnya dan menilai sepenuhnya kualitas penelitian. Akibatnya, Hair dkk. (2012c; p. 430) kesimpulan di bidang pemasaran juga tampaknya berlaku untuk disiplin manajemen strategis: “Sementara
Fassott, 2010) dan efek nonlinier lainnya (Dijkstra dan Henseler, 2011; Henseler et al., 2012a;
(misalnya, Hulland, 1999). Namun menurut Hair dkk. (2012b) review terbaru penggunaan PLS-SEM
sepenuhnya untuk mengabaikan teknik penilaian psikometri standar.” Selain itu, para peneliti melakukannya
dkk., 2011b).
http://www.elsevier.com/locate/lrp
(Henseler et al., 2009), sistem informasi manajemen (Ringle et al., 2012), pemasaran (Hair
salah menerapkannya (misalnya dengan menggunakan prosedur penilaian model pengukuran reflektif pada model pengukuran formatif). Kebanyakan penelitian tidak memberikan informasi yang cukup untuk memungkinkan pembaca melakukannya
2010; Sarstedt, 2008), analisis efek interaksi (misalnya, Henseler dan Chin, 2010; Henseler dan
€
Pendekatan (PLS-SEM) semakin populer sebagai metode analisis multivariat utama di tahun 2018
Penulis berterima kasih kepada Jorg Henseler (Radboud University Nijmegen) atas komentar dan sarannya yang berharga.
0024-6301/$ - lihat materi depan 2013 Diterbitkan oleh Elsevier Ltd.
Perencanaan Jangka Panjang 46 (2013) 1e12
*
€1
Demikian pula, peneliti sering menyatakan bahwa mereka menggunakan PLS-SEM karena datanya tidak normal.
Statistik deskriptif tambahan (misalnya, skewness dan kurtosis) untuk memperkuat argumen ini dan untuk memberi informasi kepada pembaca tentang data tersebut secara rutin dihilangkan, meskipun data tersebut mempunyai implikasi penting terhadap analisis (misalnya, berkaitan dengan penggunaan prosedur bootstrapping ; Rambut dkk., 2013).
Pernyataan tentang nilai yang hilang juga jarang terjadi, karena hampir tidak ada penelitian yang memberikan informasi mengenai besarnya data yang hilang (misalnya persentase per variabel dan kasus) dan pilihan perlakuan nilai yang hilang yang digunakan (misalnya penggantian nilai rata-rata atau penghapusan berdasarkan kasus). Memberikan informasi mengenai nilai-nilai yang hilang dan potensi bias non-respons sangat penting untuk memaksimalkan keyakinan
terhadap hasil yang diperoleh. Selain itu, perlakuan terhadap nilai yang hilang memiliki implikasi yang luas terhadap penggunaan PLS-SEM.
Ukuran sampel kecil Tujuan analisis
Pelaporan karakteristik data dan data yang hilang
Beberapa peneliti mengklaim mereka menggunakan PLS-SEM untuk tujuan prediksi. Namun, aspek ini seringkali tidak tercermin dalam analisis dan interpretasi hasil. Misalnya, peneliti yang mengaku menggunakan PLS-SEM untuk tujuan prediksi penelitiannya sering kali menerima tingkat nilai R2 yang relatif rendah dan/atau tidak menganalisis kriteria seperti relevansi prediktif Q2 dan ukuran terkait (Hair et al., 2013; Henseler et al., 2012b).
Aplikasi perangkat lunak PLS-SEM, seperti SmartPLS (Ringle et al., 2005), memberikan hasil untuk semua jenis variabel, terlepas dari apakah variabel tersebut memiliki skala metrik, kuasi-metrik, ordinal, atau kategorikal (misalnya, kode biner). Namun dalam bentuk dasarnya, PLS-SEM memerlukan data metrik atau kuasi-metrik. Penggunaan tingkat skala lain mengubah interpretasi hasil atau melanggar persyaratan dasar metode.1 Misalnya, seseorang tidak boleh menggunakan variabel dummy dalam model pengukuran reflektif. Selain itu, penggunaan variabel dummy dalam model pengukuran formatif memerlukan interpretasi yang serupa dengan analisis regresi dengan variabel dummy (Hair et al., 2010). Oleh karena itu, para peneliti yang menggunakan PLS-SEM dalam konstelasi data tersebut harus mengenalnya Seperti teknik statistik lainnya, statistik inferensi berdasarkan PLS-SEM memerlukan sampel yang representatif. Oleh karena itu, para peneliti disarankan untuk menggunakan teknik pengambilan sampel secara hati-hati (yang juga berlaku untuk semua penelitian lain yang menggunakan teknik analisis berbeda) dan secara cermat mempertimbangkan kekuatan statistik dari analisis mereka (lihat Hair et al., 2013 untuk gambaran umum).
Menggunakan data kategorikal
PLS-SEM bermanfaat bila digunakan dengan ukuran sampel yang kecil (misalnya, dalam hal ketahanan estimasi dan kekuatan statistik; Reinartz dkk., 2009). Namun, beberapa peneliti menyalahgunakan keuntungan ini dengan mengandalkan sampel yang sangat kecil dibandingkan dengan populasi yang mendasarinya. Semua hal lainnya dianggap sama, semakin heterogen populasi dalam suatu struktur, semakin banyak observasi yang diperlukan untuk mencapai tingkat kesalahan pengambilan sampel yang dapat diterima. Mengabaikan dasar-dasar teori pengambilan sampel akan menghasilkan hasil yang tidak berarti apa pun metode yang diterapkan. PLS-SEM memiliki reputasi yang salah karena menawarkan kemampuan pengambilan sampel khusus yang tidak dimiliki alat analisis multivariat lainnya.
Misalnya, meskipun sejumlah kecil nilai yang hilang telah digantikan oleh nilai rata-rata dari sisa observasi (valid), metode untuk menganalisis heterogenitas yang tidak teramati (misalnya, dengan menggunakan FIMIX-PLS; Hahn et al., 2002; Rigdon et al., 2011; Ringle et al., 2010a,b; Sarstedt et al., 2011a; Sarstedt dan Ringle, 2010) akan menghasilkan hasil yang sangat bias. Peneliti perlu melaporkan karakteristik data secara lengkap dan memperlakukan nilai yang hilang secara hati-hati dalam analisis mereka.
Pada dasarnya, PLS-SEM dibangun berdasarkan metode kuadrat terkecil biasa, yang mengharuskan variabel terikat bersifat kontinu. Jika tidak, persyaratan ini dilanggar ketika memperkirakan model jalur PLS, yang mempunyai konsekuensi signifikan terhadap analisis.
3
3 2
dan Winklhofer, 2001; Gudergan dkk., 2008; Jarvis dkk., 2003; MacKenzie dkk., 2005;
hasil untuk variabel kontrol biasanya tidak diinterpretasikan lebih lanjut. Ketika efek kontrol
model jalur PLS dan efek sederhananya disalahartikan sebagai efek utama
Terakhir, peneliti biasanya mengabaikan fakta bahwa masuknya variabel kontrol meningkat
dan Chin, 2010; Henseler dan Fassott, 2010).3 Pertama-tama kita dapat memperkirakan dan mengevaluasi Peneliti sering menggunakan PLS-SEM karena teknik ini memudahkan penyertaan formatif
Variabel kontrol sering kali disertakan dalam model jalur PLS, yang memperhitungkan beberapa target
Dua isu krusial seringkali menimbulkan masalah dalam analisis moderator. Pertama, moderatornya adalah dengan prinsip dasar algoritma PLS-SEM untuk memahami pengaturan model mana yang diperbolehkan
biasanya tidak diperhitungkan ketika peneliti memasukkan model pengukuran formatif ke dalamnya
efek utama dalam model jalur PLS dan, dalam analisis moderator berikutnya, sertakan istilah produk dan efek interaksinya untuk menghindari kesalahan umum dalam mengacaukan efek utama dan efek utama.
kompleksitas model dan, dengan demikian, juga dapat meningkatkan ukuran sampel yang diperlukan untuk memperkirakan Variabel kontrol
Model pengukuran formatif
memerlukan perhatian khusus ketika menganalisis hasil PLS-SEM (Hair et al., 2013; Henseler et al., 2011b), yang terjadi secara rutin dengan model berbasis regresi (misalnya, Raithel et al., 2012).
misalnya dengan menilai bobot indikator, pembebanan, atau dengan melakukan analisis redundansi.2 Jika model pengukuran formatif tidak dievaluasi secara cermat maka nilai keseluruhan analisis akan diragukan. Terakhir, analisis CTA-PLS (Gudergan et al., 2008) memungkinkan pembedaan
signifikan, peneliti harus menggunakan temuan ini dengan sangat hati-hati ketika menarik kesimpulan atau memulai analisis tambahan (misalnya, analisis multigrup PLS-SEM; Sarstedt
(Jaccard dan Turrisi, 2003). Namun, karakter dari hasil ini sangat berbeda
MacKenzie dkk., 2011). Namun, model pengukuran formatif harus dievaluasi secara hati-hati, misalnya dengan mengikuti rekomendasi yang diberikan oleh Hair et al. (2013) dalam konteks PLS-SEM. Seperti model pengukuran reflektif, model ini memerlukan evaluasi menyeluruh
Analisis moderator
(Henseler dan Chin, 2010). Kedua, ketika ada dukungan teoritis untuk beberapa moderator,
model pengukuran, yang baru-baru ini menarik banyak perhatian di berbagai disiplin ilmu (misalnya, Diamantopoulos dan Riefler, 2011; Diamantopoulos et al., 2008; Diamantopoulos
disertakan dengan istilah interaksinya (yaitu, perkalian indikator atau konstruk) di variasi konstruk. Terlepas dari apakah variabel kontrol ini signifikan atau tidak, untuk penggunaan variabel kategori.
studi PLS-SEM mereka.
Model jalur PLS.
efek sederhana. Sebagai solusi tambahan, peneliti harus mempertimbangkan penggunaan ortogonalisasi secara empiris spesifikasi model pengukuran formatif dari yang reflektif. Semua aspek ini
diperhitungkan dengan benar ketika menafsirkan hasil PLS-SEM. Sedangkan efek utama mengkuantifikasi perubahan tingkat variabel dependen ketika variabel independen yang dipertimbangkan bertambah satu satuan dan semua variabel independen lainnya tetap konstan (ceteris paribus), efek sederhana mengkuantifikasi perubahan tingkat variabel dependen. variabel terikat bila variabel bebasnya adalah
juga harus mempertimbangkan kontribusi absolut indikator terhadap konstruksi (yaitu, bebannya).
model, efek utama berubah menjadi efek sederhana (atau tunggal) (Henseler dan Fassott, 2010). Perbedaan ini penting dan harus dilakukan
Perencanaan Jangka Panjang, vol 46 2013
(Cenfetelli dan Bassellier, 2009; Hair et al., 2013) menyatakan bahwa dalam situasi di mana bobotnya tidak signifikan, peneliti
model efek menjadi model moderator setelah memasukkan istilah produk dan efek interaksinya (atau moderasi). Di moderator
dan Fassott (2010) dan Hair dkk. (2013) memberikan penjelasan rinci dan contoh pengujian efek moderasi pada PLS-SEM.
Perhatikan bahwa prosedur penilaian standar untuk model pengukuran formatif mengabaikan pembebanan. Namun penelitian terbaru
Model jalur PLS tanpa moderasi hanya mencakup efek utama antar variabel laten dalam model struktural. Yang utama
bertambah satu satuan, variabel yang berinteraksi bernilai nol, dan semua variabel bebas lainnya tetap. Henseler
perkiraan?).
pendekatan pelit jika dapat diterima. Ketiga, interpretasi efek nonlinier memerlukan
Analisis perantara
fraksi dengan kemiringan positif yang kuat untuk perusahaan besar. Pecahan yang berbeda dapat dijelaskan
tidak mengkaji dan menafsirkan hasil mediasi penuh tetapi hanya menyatakan bahwa hubungan antara dua variabel laten tidak signifikan. Oleh karena itu, mereka secara keliru menyimpulkan bahwa, dalam model struktural, hubungan antara dua variabel laten adalah nihil. Peneliti harus melakukannya
mediasi. Saat menggunakan teknik pemodelan persamaan struktural berbasis varian seperti PLS- ditafsirkan (misalnya, apakah usia moderator mempengaruhi efek interaksi pendapatan moderator
tidak dapat digeneralisasikan. Kedua, meskipun dampak nonlinier sering kali signifikan, namun pertanyaannya tetap mengenai nilai tambah dari dampak tersebut. Pandangan kritis terhadap hasil sering kali menunjukkan efek kuadrat yang signifikan namun relatif kecil, sehingga hampir tidak ada perubahan pada R2 .
desain non-linier ke model linier yang lebih pelit sambil memasukkan d sebagai tambahan
sangat berharga ketika hipotesis yang sesuai telah dirumuskan (misalnya, Sattler dkk.,
seseorang dapat mempertimbangkan untuk menganalisis satu moderator satu kali untuk menjaga interpretasi semua hasil.
penalaran apriori yang tepat untuk bentuk efek non-linier. Dengan demikian, mereka tidak membuktikan hipotesis mereka. Sekadar mencari efek nonlinier berarti memanfaatkan hasil yang kebetulan. Semakin banyak Anda mencari ke berbagai arah, semakin tinggi kemungkinan Anda akan menemukannya
secara rutin melaporkan dampak total (yaitu, jumlah dampak langsung dan tidak langsung antara dua konstruksi;
Albers, 2010). Hal ini tidak hanya memungkinkan gambaran yang lebih lengkap tentang konstruksi mediasi oleh sumber efek nonlinier itu sendiri. Untuk tujuan ini, analisis multigrup PLS-SEM
akan menghasilkan efek yang persis sama (Cliff, 1983). Akibatnya, hasil yang sesuai termasuk. Sekalipun interaksi tersebut diperhitungkan, hasilnya biasanya tidak tepat
2010), yang diabaikan oleh banyak peneliti dalam analisis PLS-SEM mereka. Secara ekstrim, mereka melakukannya untuk perusahaan kecil, pecahan dengan kemiringan kira-kira nol untuk perusahaan menengah, dan
Kompleksitas teori dan konstelasi model yang semakin meningkat telah meningkatkan pentingnya pemodelan efek non-linier (Cortina, 1993). Sementara efek nonlinier dapat dengan mudah dimasukkan dalam model jalur PLS (Dijkstra dan Henseler, 2011; Henseler et al., 2012a; Rigdon
peneliti untuk mengkarakterisasi pecahan-pecahan yang berbeda dari suatu fungsi. Misalnya, hubungan berbentuk U yang bergantung pada ukuran perusahaan: pecahan dengan kemiringan negatif yang kuat
Sebagian besar model struktural tunduk pada efek mediasi (misalnya, Hair et al., 2013; Helm et al., Model non-linier
ukuran dan/atau tanda. Sekali lagi, pendekatan ini memungkinkan peneliti untuk beralih dari pendekatan yang lebih kompleks
Selain itu, analisis mediasi diformalkan melalui analisis bootstrapping (Hair et al., 2013) dan bagaimana interaksi tiga arah ini mengubah interpretasi model moderator
penjelasan d pengelompokan data.
nilai-nilai. Dalam kasus seperti ini, model yang linear dan lebih sederhana (yaitu lebih pelit) memberikan hasil yang hampir sama. Dalam tradisi pisau cukur Ockham, para peneliti biasanya memilih yang lebih banyak
2010). Catatan terakhir yang perlu diperhatikan mengacu pada kualitas model pengukuran dalam konteks Peneliti sering kali fokus secara bersamaan pada beberapa moderator. Namun, pertanyaannya tetap apakah interaksi antara beberapa moderator (misalnya, usia dan pendapatan) harus dilakukan
sesuatu. Namun, sangat kecil kemungkinannya bahwa analisis ex post facto tersebut dapat direplikasi
(Chin dan Dibbern, 2010; Sarstedt et al., 2011b) dapat digunakan untuk memperkirakan pecahan-pecahan berbeda dari hubungan non-linier melalui regresi linier khusus kelompok dengan kemiringan berbeda.
peran, tetapi juga memberi praktisi hasil yang dapat ditindaklanjuti mengenai hubungan sebab-akibat.
dkk., 2010), penggunaan aktualnya masih memprihatinkan. Pertama, peneliti kebanyakan tidak menyediakan
Perencanaan Jangka Panjang, vol 46 2013
dkk., 2012; Rambut dkk., 2013; Ringle dkk., 2012; Wetzels dkk., 2009). Sayangnya, sepuluh pengguna salah menerapkan model tingkat tinggi baik secara konseptual maupun teknis. Alih-alih menyajikan
asalkan. Ketiga, beberapa peneliti memasukkan hubungan dari variabel laten lainnya ke dalam model struktural, yang bukan merupakan bagian dari model komponen hierarki, ke dalam formatif tingkat tinggi.
dan signifikansinya tidak dilaporkan, atau nilai R2 dari variabel laten endogen hilang.
komponen formatif tingkat rendah sudah menjelaskan semua varian pembentuk. Oleh karena itu, kesimpulannya adalah bahwa konstruksi lain dalam model struktural tidak menjelaskan variasi apa pun
sebagai sarana untuk memvalidasi model jalur PLS secara global. Henseler dan Sarstedt (2013) menantang kegunaan indeks Pemerintahan Federal secara konseptual dan empiris. Misalnya, dalam studi simulasi, penulis
dalam perjanjian lisensi perangkat lunak ini (yaitu, lebih dari 50 persen aplikasi PLS-SEM (1982) pendekatan indikator berulang. Penjelasan terkini memberikan wawasan tambahan
kriteria evaluasi yang sama (dan nilai kritisnya) yang digunakan untuk komponen tingkat rendah juga berlaku.
Evaluasi dan pelaporan hasil
nilai yang digunakan dalam menjalankan algoritma PLS-SEM dan analisis tambahan. Ketika penulis memberikan informasi penting ini, mereka biasanya gagal mengutip dua informasi utama dengan benar
SEM, peneliti harus mengupayakan pengukuran variabel mediator yang sangat andal (jika tidak, kesimpulan yang salah mungkin diambil; Henseler, 2012).
jumlah indikator per komponen tingkat bawah harus seimbang (Becker et al., 2012).
menunjukkan bahwa indeks GoF tidak dapat memisahkan model yang valid dari model yang tidak valid. Apalagi indeks GoF adalah tipe reflektif-formatif atau tipe formatif-formatif konstruksi tingkat tinggi akan salah
menjadi bias. Kedua, peneliti biasanya tidak mengevaluasi konstruksi tingkat tinggi, meskipun Model komponen hierarki relatif mudah dilakukan di PLS-SEM dengan menggunakan Wold's
isu terkait dengan penggunaan indeks Goodness-of-Fit (GoF) yang diusulkan oleh Tenenhaus dkk. (2004, 2005) Teknik reuse diterapkan untuk menentukan konstruk tingkat tinggi pada PLS-SEM, karena
model. Namun model tingkat tinggi yang dihasilkan seringkali sulit dipertahankan dari sudut pandang teoretis.
konstruksi. Hubungan ini selalu mempunyai nilai mendekati nol bila indikatornya
Sekalipun suatu penelitian menunjukkan semua kriteria yang relevan seperti yang disarankan, misalnya oleh Hair et al. (2013), para peneliti seringkali melaporkan hasil tanpa refleksi kritis atau interpretasi lebih lanjut. Sebuah hal mendasar
tunduk pada kelemahan ini).
penjelasan yang tepat yang membenarkan jenis model tingkat tinggi yang digunakan (misalnya, tipe reflektif-reflektif atau tipe reflektif-formatif), peneliti secara rutin menggunakan model komponen hierarki untuk merangkum informasi dalam dimensi abstrak kedua, ketiga, atau bahkan lebih tinggi. dengan tujuan yang masuk akal untuk mengurangi jumlah hubungan di jalur PLS
keterbatasan teknis dari pendekatan indikator berulang.
Selain itu, perangkat lunak yang digunakan (untuk perbandingan perangkat lunak PLS lihat Temme et al., 2010) biasanya tidak dilaporkan, meskipun informasi ini memberikan rincian penting mengenai defaultnya.
bagaimana model komponen hierarki harus dimasukkan ke dalam model jalur PLS (Becker
Evaluasi hasil dan pelaporan seringkali tidak lengkap. Dalam beberapa kasus, koefisien jalur
Oleh karena itu, informasi tentang hasil kriteria evaluasi yang relevan adalah penting dan harus dilakukan
aplikasi perangkat lunak SmartPLS (Ringle et al., 2005) dan PLS-Graph (Chin, 2003) sesuai kebutuhan Model komponen hierarki atau model orde yang lebih tinggi (misalnya, kedua).
Jika tidak, estimasi hubungan antara komponen tingkat tinggi dan rendah mungkin terjadi
dan menyesatkan, karena ini adalah hasil teknis dari pendekatan indikator yang berulang-ulang. Dalam situasi seperti itu, pendekatan dua tahap (Ringle et al., 2012) harus digunakan, yang memungkinkan penanganan
tidak berlaku untuk model pengukuran formatif dan tidak memberikan sanksi terhadap upaya parameterisasi yang berlebihan.
Meskipun penerapannya mudah, pendekatan indikator yang berulang-ulang mungkin menimbulkan beberapa kendala. Pertama,
5
; Haenlein
(2012); Sosik dkk. (2009); Tenenhaus dkk. (2005).
dan Kaplan (2004); Rambut dkk. (2011); Rambut dkk. (2012); Henseler dkk. (2009); Lohmoller (1989)
€
Selain pedoman yang diberikan dalam editorial ini, terdapat berbagai rekomendasi mengenai penggunaan metode PLS-SEM dan
€
; Roldan dan Sanchez-Franco evaluasi hasil literatur sebelumnya; contohnya antara lain: Chin (1998, 2010); Falk dan Miller (1992); Gotz dkk. (2010)
Menilai ukuran sampel yang diperlukan untuk memperkirakan model jalur PLS yang ditetapkan untuk memastikan
2. Ciri-ciri model
.kriteria penghentian (misalnya, jumlah perubahan absolut bobot model pengukuran antara dua iterasi
<0,00001),
memudahkan pembaca untuk dengan cepat memahami beberapa isi penelitian utama.
pengaturan).
dkk., 2013; Rambut dkk., 2011; Rambut dkk., 2012b,c):
Menjelaskan secara rinci skala variabel; memperlakukan variabel dengan skala selain metrik atau
skor (misalnya, gunakan nilai seragam 1 sebagai nilai awal untuk setiap bobot terluar),
Keandalan indikator (misalnya, pemuatan indikator standar 0,70; dalam studi eksplorasi,
Seperti semua metode statistik, “PLS-SEM memerlukan beberapa pilihan yang, jika tidak dibuat dengan benar, bisa saja
Mengkarakterisasi distribusi variabel (misalnya, laporan skewness dan kurtosis data),
4. Laporkan pengaturan algoritma yang tepat yang digunakan saat menjalankan prosedur tambahan (misalnya, bootstrap-ping, penutup mata, CTA-PLS, analisis efek moderasi, analisis multi-grup, FIMIX-PLS) secara rinci.
Mengkarakterisasi model pengukuran (formatif vs. reflektif) dari variabel laten (misalnya, secara empiris mendukung model pengukuran yang dipilih dengan menggunakan CTA-PLS) dan menyertakan daftar lengkap indikator yang digunakan dalam model pengukuran (misalnya, dalam lampiran).
Tawarkan semua informasi yang relevan untuk memfasilitasi replikasi analisis Anda (misalnya, bagikan matriks korelasi/kovarians atau data mentah dalam lampiran online),
khususnya metode.4 Persyaratan ini dapat dikelompokkan ke dalam kategori utama berikut (Rambut
.perangkat lunak yang digunakan (misalnya, laporkan perangkat lunak, termasuk versinya untuk menunjukkan default representasi grafis (bukan representasi formal/matematis) dari model jalur PLS, yang
Berikan deskripsi sampel yang komprehensif (misalnya, laporkan jumlah observasi
Jelaskan secara lengkap model struktural (yaitu variabel laten dan hubungannya) dengan menggunakan
.jumlah iterasi sebenarnya (misalnya, 300), tingkat kekuatan statistik yang memadai,
.nilai awal bobot untuk perkiraan awal variabel laten
.model pengukuran reflektif dengan mencakup hal-hal berikut 1. Karakteristik data
.skema pembobotan dalam untuk menentukan skor variabel laten,
kuasi-metrik dengan perhatian khusus dalam PLS-SEM (misalnya, jangan menggunakan variabel kategori dalam konstruksi end-dogen; tafsirkan variabel kategori dalam konstruksi eksogen dengan hati-hati).
pemuatan 0,40 dapat diterima),
mengarah pada temuan, interpretasi, dan kesimpulan yang tidak tepat” (Hair et al., 2012c, hal. 415). Analisis PLS- SEM harus memperhitungkan permasalahan yang diangkat oleh Gefen dkk. (2011) mengenai pemodelan persamaan struktural secara umum, serta yang dilaporkan oleh Hair et al. (2012a,b,c) tentang PLS-SEM
Gunakan sampel yang tidak ada (misalnya, lakukan analisis dengan 70% sampel asli),
3. Pengaturan algoritma PLS dan perangkat lunak yang digunakan dalam pelaporan.
5. Melakukan evaluasi hasil secara menyeluruh.
dan jumlah nilai yang hilang tetapi juga nilai rata-rata, varians dan statistik deskriptif lainnya),
4
Perencanaan Jangka Panjang, vol 46 2013
Kontribusi relatif indikator terhadap konstruk (yaitu bobot indikator), Signifikansi bobot (misalnya, nilai t laporan, nilai p, atau kesalahan standar), Kontribusi absolut indikator terhadap konstruk (yaitu pemuatan indikator), bergantung -ing pada hasil analisis sebelumnya, penilaian Multikolinearitas (misalnya, VIF < 5;
toleransi > 0,20), analisis Redundansi (Hair et al., 2013). .dari model struktural
Dalam makalah mereka “Crossing Borders and Industry Sectors: Behavioral Governance in Strategic Alliances and Product Innovation for Competitive Advantage,” Yong Kyu Lew dan Rudolf R. Sinkovics menyelidiki bagaimana aliansi teknologi internasional (ITA) antara perusahaan perangkat lunak dan perangkat keras di
6. Melakukan analisis PLS-SEM yang saling melengkapi (misalnya, analisis mediator, moderator, multi-grup, atau kinerja penting) pada langkah selanjutnya setelah analisis model jalur PLS asli seperti yang dijelaskan pada langkah sebelumnya.
Reliabilitas konsistensi internal: Gunakan alfa Cronbach sebagai batas bawah reliabilitas konsistensi internal dan reliabilitas gabungan sebagai batas atas untuk reliabilitas sebenarnya (yang tidak diketahui). Kedua ukuran tersebut harus melebihi 0,70,
Validitas konvergen (misalnya, AVE 0,50),
Validitas diskriminan (misalnya, melaporkan dan menganalisis hasil kriteria Fornell-Larcker dan/atau pemuatan
silang), .model pengukuran formatif dengan menyertakan
R2 (misalnya, tingkat yang dapat diterima bergantung pada konteks
penelitian), Ukuran efek f2 (misalnya, 0,02, 0,15, 0,35 untuk efek lemah, sedang,
kuat), Estimasi koefisien jalur (misalnya, menggunakan bootstrapping untuk menilai signifikansi;
memberikan
keyakinan interval), Relevansi prediktif Q2 dan q2 (misalnya, gunakan penutup mata; Q2 > 0 menunjukkan relevansi prediktif; q2 : 0,02, 0,15, 0,35 untuk tingkat relevansi prediktif lemah, sedang, kuat dari
masing-masing efek), Menganalisis heterogenitas yang teramati dan tidak teramati (misalnya,
pertimbangkan variabel moderasi kategorikal atau berkelanjutan menggunakan informasi apriori atau FIMIX-PLS).
Perencanaan Jangka Panjang kedua ini (http://www.journals.elsevier.com/long-range-planning/) isu khusus tentang PLS-SEM dalam penelitian dan praktik manajemen strategis berupaya untuk mencapai kemajuan lebih lanjut menuju tujuan ini. Jurnal ini menerima 41 artikel untuk edisi khusus PLS-SEM, dua belas di antaranya berhasil menyelesaikan proses peninjauan menyeluruh. Berdasarkan jumlah manuskrip berkualitas tinggi, diambil keputusan untuk membagi edisi khusus tersebut. Dalam edisi khusus Perencanaan Jangka Panjang pertama tentang PLS-SEM dalam manajemen strategis (Hair et al., 2012a; Robins, 2012), fokusnya adalah pada
pengembangan metodologi dan penerapannya (Becker et al., 2012; Furrer et al., 2012; Gudergan et al., 2012; Hair et al., 2012a,b,c; Money et al., 2012; Rigdon, 2012). Edisi khusus kedua ini menyediakan forum untuk isu-isu topikal yang menunjukkan kegunaan PLS-SEM dengan melakukan uji coba penerapan metode ini di bidang manajemen strategis dengan implikasi kuat untuk penelitian dan praktik strategis. Oleh karena itu, terbitan khusus ini menyasar dua audiens: akademisi yang terlibat dalam bidang strategi dan manajemen, dan praktisi seperti konsultan. Keenam artikel dalam edisi ini dirangkum dalam paragraf berikut.
Pedoman ini, serta buku teks baru tentang metode PLS-SEM (misalnya, Hair et al., 2013) memberikan para peneliti, editor, dan pengulas pengetahuan yang mereka perlukan untuk memastikan ketelitian penelitian yang dipublikasikan di jurnal akademik . Dengan mengikuti rekomendasi ini, kualitas penelitian yang menggunakan PLS- SEM harus ditingkatkan dan kesalahan krusial dapat dihindari. Seperti halnya penelitian empiris lainnya, tujuan PLS-SEM adalah mencapai tingkat transparansi setinggi mungkin yang memungkinkan replikasi penelitian yang dipublikasikan. Perkembangan di masa depan menuju tujuan ini akan secara signifikan meningkatkan cara pelaksanaan penelitian, serta kualitas artikel yang diterbitkan.
7
melalui Intervensi Vertikal terhadap Pusat Korporasi di Unit Bisnis Tunggal dengan Portofolio Terdiversifikasi yang Tidak Terkait.
e Kasus Perusahaan Ekuitas Swasta” e membahas penciptaan nilai oleh pusat korporat perusahaan multibisnis melalui intervensi vertikal pada unit bisnis tunggal. Menggambar
bahwa struktur organisasi organik memfasilitasi dampak kemampuan dinamis pada organisasi penelitian kinerja.
Estimasi menunjukkan bahwa pusat korporasi dapat menciptakan nilai melalui intervensi vertikal pada unit bisnis tunggal dengan, sebagai bagian dari fungsi administratifnya, mengurangi biaya keagenan melalui tata kelola.
Studi PLS-SEM mereka yang terkenal dan percontohan mengungkapkan bahwa kapasitas inovasi strategis bersifat langsung
kemampuan dinamis, serta kesesuaian eksternal dari kemampuan dinamis dengan intensitas kompetitif.
jalannya fungsi kewirausahaan mereka. Secara khusus, penyediaan sumber daya tak berwujud d
dll., mendapat manfaat dari mekanisme tata kelola perilaku. Analisis empiris didasarkan pada model jalur PLS lintas industri dan lintas batas yang mengidentifikasi komitmen teknologi sebagai faktor kunci dalam mempercepat pertukaran sumber daya teknologi di ITA. Komitmen teknologi d yaitu,
Makalah selanjutnya dalam edisi khusus ini oleh Christian Landau dan Carolin Bock e “Value Creation
hasil. Hasil penelitian juga menunjukkan bahwa kinerja tingkat perusahaan hanya dipengaruhi oleh kemampuan pengembangan pasar, dan bukan kemampuan pengembangan produk baru. Hal ini mengejutkan para peneliti inovasi, namun menyoroti pentingnya pemasaran fungsional. Makalah ini adalah
Analisis mereka mengenai pendahuluan dan hasil melengkapi dan memperluas penelitian yang ada mengenai kapasitas penyerapan dengan menunjukkan pentingnya tindakan yang disengaja ketika mencoba untuk menerobos.
Erich Joachimsthaler. Artikel ini mengonseptualisasikan konstruksi formatif multifaset baru, mata uang sosial, dan dimensinya berdasarkan teori modal sosial untuk menangkap sifat sosial yang kompleks dari masyarakat.
Terakhir, kelebihan PLS-SEM untuk memodelkan konstruksi laten, seperti kemampuan dinamis, adalah
artinya, pengetahuan dan jaringan pusat perusahaan d mempunyai dampak penciptaan nilai pada unit bisnis, dan menyarankan arah baru untuk penelitian masa depan dalam bidang ini.
Dalam makalah ketiga, “Kemampuan dan Kinerja Dinamis: Strategi, Struktur, dan Lingkungan,” Ralf Wilden, Siegfried Gudergan, Bo Nielsen, dan Ian Lings berpendapat secara teoritis dan menunjukkan secara empiris bahwa dampak kinerja dari kemampuan dinamis bergantung pada
tata kelola antar perusahaan dalam pengaturan pertukaran sumber daya teknologi internasional. Selain itu, itu
berdasarkan literatur parenting, teori agensi, dan pandangan berbasis sumber daya, penulis mengembangkan sebuah model
berinteraksi dan, dengan demikian, menyebarkan informasi terkait merek ke pelanggan lain. PLS-SEM terdiri dari serangkaian hipotesis yang saling terkait mengenai penciptaan nilai. Hasil model jalur PLS mereka struktur organisasi dan intensitas persaingan di pasar. Analisis PLS-SEM mereka menunjukkan
memberikan bukti kegunaan metodologis PLS-SEM dalam aliansi strategis, kemampuan, dan
atau secara tidak langsung diperkuat ketika manajer dengan sengaja memasang mekanisme pembelajaran khusus untuk itu
analisis dengan data dari survei konsumen representatif AS dalam konteks otomotif saat itu
upaya jujur untuk memenuhi janji kepada mitra dan kesediaan untuk melakukan investasi sebagai dukungan pasar komputasi seluler, yang melibatkan pemain besar seperti Motorola, HTC, Samsung, Apple,
mekanisme dan, yang menarik, juga memberikan akses kepada dunia usaha terhadap sumber daya strategis selama masa krisis Makalah berikutnya ditulis oleh Liselore Berghman, Paul Matthyssens, Sandra Streukens, dan Koen Vanden-bempt dan berjudul “Mekanisme pembelajaran yang disengaja untuk merangsang kapasitas inovasi strategis.”
pertunjukan. Selain itu, penelitian mereka mengidentifikasi bahwa hasil kinerja kapabilitas dinamis bergantung pada intensitas persaingan yang dihadapi perusahaan. Studi mereka memberikan bukti dampak kinerja keselarasan internal antara struktur organisasi dan
Makalah kelima adalah “Mengapa Mata Uang Sosial menjadi Penggerak Utama Ekuitas Merek Perusahaan dan Wawasan dari Industri Otomotif” oleh Lara Lobschat, Markus A. Zinnbauer, Florian Pallas, dan
tiga dimensi kapasitas penyerapan: pengenalan pengetahuan, asimilasi dan eksploitasi.
mitra mereka d berkontribusi pada kemampuan inovasi tingkat perusahaan, dan peningkatan kinerja
ringkasan dan implikasi manajerial yang relevan disediakan. Dalam melakukannya, penulis memberikan pendekatan canggih untuk mengukur kemampuan dinamis.
merek. Mata uang sosial didefinisikan sebagai nilai yang diakumulasikan oleh pelanggan dalam berkomunikasi,
kontribusi penting terhadap pemahaman yang lebih baik tentang bagaimana perusahaan teknologi tinggi mendapat manfaat dari relasional
praktik industri yang ada.
Referensi
Albers, S., 2010. PLS dan studi faktor keberhasilan dalam pemasaran, Dalam: Esposito Vinzi, V., Chin, WW, Henseler, J., Wang, H. (Eds.), Handbook of Partial Least Squares: Concepts, Metode dan Aplikasi (Springer
Handbooks of Computational Statistics Series, vol. II). Springer, Heidelberg, Dordrecht, London, New York, hal.409e425.
9 Cliff, N., 1983. Beberapa peringatan mengenai penerapan metode pemodelan kausal, Penelitian Perilaku Multivariat 18 (1),
115e126.
Cenfetelli, RT, Bassellier, G., 2009. Interpretasi pengukuran formatif dalam penelitian sistem informasi, MIS Quarterly 33 (4), 689e708.
Diamantopoulos, A., Riefler, P., 2011. Menggunakan langkah-langkah formatif dalam model pemasaran internasional: kisah peringatan menggunakan permusuhan konsumen sebagai contoh, Kemajuan dalam Pemasaran Internasional 10 (22), 11e30.
Chin, WW, Dibbern, J., 2010. Prosedur berbasis permutasi untuk analisis PLS multi-kelompok: hasil uji perbedaan pada data simulasi dan analisis lintas budaya dari sumber layanan sistem informasi antara Jerman dan Amerika, Dalam: Esposito Vinzi, V., Chin, WW, Henseler, J., Wang, H. (Eds.), Buku Pegangan Kuadrat Terkecil Parsial: Konsep, Metode dan Aplikasi (Buku Panduan Springer Seri Statistik Komputasi, vol. II ). Springer, Heidelberg, Dordrecht, London, New York, hlm.171e193.
menggunakan model tipe reflektif-formatif, Perencanaan Jangka Panjang 45 (5/6), 359e394.
Jurnal Manajemen 19 (4), 915e922.
Chin, WW, 2010. Cara menulis dan melaporkan analisis PLS, Dalam: Esposito Vinzi, V., Chin, WW, Henseler, J., Wang, H.
(Eds.), Handbook of Partial Least Squares: Concepts, Methods dan Aplikasi (Springer Handbooks of Computational Statistics Series, vol. II). Springer, Heidelberg, Dordrecht, London, New York, hal.655e690.
Becker, J.-M., Klein, K., Wetzels, M., 2012. Model variabel laten hierarki dalam PLS-SEM: pedoman untuk
(Ed.), Metode Modern untuk Riset Bisnis. Erlbaum, Mahwah, hal.295e358.
Chin, WW, 2003. PLS Grafik 3.0. Pemodelan Lembut Inc, Houston.
Cortina, JM, 1993. Interaksi, nonlinier, dan multikolinearitas: implikasi terhadap regresi berganda,
Penelitian 61 (12), 1203e1218.
Chin, WW, 1998. Pendekatan kuadrat terkecil parsial untuk pemodelan persamaan struktural, Dalam: Marcoulides, GA
Diamantopoulos, A., Riefler, P., Roth, KP, 2008. Memajukan model pengukuran formatif, Journal of Business
Makalah terakhir edisi khusus ini, “A Model of Antesedents and Consequences of Intuition in Strategic Decision Making:
Evidence from Egypt,” ditulis oleh Said Elbanna, John Child, dan Mumin Dayan. Ini memajukan pemahaman kita tentang pengambilan keputusan dengan mengusulkan dan menguji model anteseden dan konsekuensi intuisi dalam pengambilan keputusan strategis. Konseptualisasi intuisi dalam pengambilan keputusan manajerial merupakan upaya terobosan untuk studi masa depan bidang yang sedang berkembang ini. Selain itu, penelitian penulis terhadap perusahaan manufaktur Mesir menunjukkan bahwa ketidakpastian keputusan dan ukuran perusahaan berhubungan dengan penggunaan intuisi; bahwa intuisi berpengaruh signifikan terhadap gangguan pengambilan keputusan; dan bahwa permusuhan terhadap lingkungan memoderasi hubungan antara intuisi pengambilan keputusan dan gangguan. Terakhir, makalah ini merangkum implikasi temuan ini terhadap teori dan praktik pengambilan keputusan strategis, serta untuk penelitian lebih lanjut.
Tanpa dukungan luar biasa dari para pengulas, yang telah menyumbangkan waktu dan bakat mereka yang berharga untuk mengembangkan terbitan khusus ini, dan menjamin kualitas artikel dengan komentar dan saran konstruktif mereka kepada penulis, terbitan khusus ini tidak akan mungkin terwujud. Akhirnya, kami ingin menggunakan kesempatan ini untuk mengucapkan terima kasih kepada Pemimpin Redaksi Perencanaan Jangka Panjang, James A. Robins (Universitas Ekonomi dan Bisnis Wina), yang telah memulai proyek ini dan bantuannya yang menyeluruh serta dukungan luar biasa dari jurnal ini. kantor redaksi d dalam mengembangkan terbitan khusus ini. Kami sangat menikmati bekerja dengan penulis dan pengulas yang berkomitmen tinggi untuk jurnal tingkat atas yang terorganisir dengan baik.
secara empiris memvalidasi konstruksi mereka dan berbagai dimensinya, dan memperkuat validitas nomologisnya dengan mengeksplorasi pengaruhnya terhadap ukuran ekuitas merek yang sudah mapan. Hasil mereka mengkonfirmasi deskripsi yang valid mengenai mata uang sosial dan menunjukkan efek positif dari mata uang sosial pada ukuran ekuitas merek terhadap kualitas yang dirasakan, loyalitas merek, dan kepercayaan merek. Selain itu, temuan mereka memberikan para peneliti dan manajer wawasan penting tentang cara menilai nilai sosial.
Terakhir, kami ingin menggunakan kesempatan ini untuk menarik perhatian Anda atas pengakuan kami dalam editorial edisi khusus pertama tentang PLS-SEM dalam manajemen strategis (Hair et al., 2012a).
Sekali lagi terima kasih, dan lanjutkan pekerjaan luar biasa Anda!
Perencanaan Jangka Panjang, vol 46 2013
Furrer, O., Tjemkes, B., Henseler, J., 2012. Model strategi respon dalam aliansi strategis: analisis PLS struktur sirkumplex, Perencanaan Jangka Panjang 45 (5/6), 424e450.
Hahn, C., Johnson, MD, Herrmann, A., Huber, F., 2002. Menangkap heterogenitas pelanggan menggunakan metode terbatas
Rambut, JF, Sarstedt, M., Pieper, TM, Ringle, CM, 2012b. Penerapan pemodelan jalur kuadrat terkecil parsial dalam jurnal manajemen: tinjauan praktik masa lalu dan rekomendasi untuk aplikasi masa depan, Perencanaan Jangka Panjang 45 (5e6), 320e340.
Tebing Englewood
Henseler, J., 2012. Mengapa analisis komponen terstruktur yang digeneralisasi tidak secara universal lebih disukai daripada analisis komponen struktural.
Esposito Vinzi, V., Chin, WW (Eds.),. Buku Panduan Partial Least Squares: Konsep, Metode dan Aplikasi (Springer Handbooks of Computational Statistics Series, vol. II). Springer, Heidelberg, Dordrecht, London, New York
Haenlein, M., Kaplan, AM, 2004. Panduan pemula untuk analisis kuadrat terkecil parsial, Memahami Statistika
Rambut, JF, Ringle, CM, Sarstedt, M., 2012a. Kuadrat terkecil parsial: pendekatan persamaan struktural yang lebih baik
Henseler, J., Fassott, G., Dijkstra, TK, Wilson, B., 2012a. Menganalisis efek kuadrat dari konstruksi formatif melalui pemodelan persamaan struktural berbasis varians, European Journal of Information Systems 21 (1), 99e112.
Diamantopoulos, A., Winklhofer, HM, 2001. Konstruksi indeks dengan indikator formatif: alternatif pengembangan skala, Jurnal Riset Pemasaran 38 (2), 269e277.
Gudergan, SP, Devinney, TM, Richter, NF, Ellis, S., 2012. Implikasi strategis untuk aliansi (non-ekuitas)
pemodelan persamaan, Jurnal Akademi Ilmu Pemasaran 40 (3), 402e413.
Hair, JF, Hult, GTM, Ringle, CM, Sarstedt, M., 2013. Panduan Dasar Pemodelan Persamaan Struktural Partial Least Squares (PLS-SEM). Sage, Seribu Pohon Ek.
Gudergan, SP, Ringle, CM, Wende, S., Will, A., 2008. Analisis tetrad konfirmatori dalam pemodelan jalur PLS, Journal of Business Research 61 (12), 1238e1249.
indeks dan komposit lainnya, Kualitas & Kuantitas 45 (6), 1505e1518.
Helm, S., Eggert, A., Garnefeld, I., 2010. Pemodelan dampak reputasi perusahaan terhadap kepuasan dan loyalitas pelanggan menggunakan PLS, Dalam: Esposito Vinzi, V. (Ed.), Handbook of Partial Least Squares : Konsep, Metode dan Aplikasi (Springer Handbooks of Computational Statistics Series, vol. II). Springer, Hei-delberg, Dordrecht, London, New York, hal.515e534.
Hair, JF, Black, WC, Babin, BJ, Anderson, RE, 2010. Analisis Data Multivariat, edisi ketujuh. Aula Prentice,
Gotz, O., Liehr-Gobbers, K., Krafft, M., 2010. Evaluasi Model Persamaan Struktural Menggunakan Pendekatan Partial Least Squares (PLS), Dalam: Esposito Vinzi, V. (Ed.), Handbook of Partial Least Kotak: Konsep, Metode dan Aplikasi (Springer Handbooks of Computational Statistics Series, vol. II). Springer, Hei-delberg, Dordrecht, London, New York, hal.691e711.
pendekatan campuran PLS, Schmalenbach Business Review 54 (3), 243e269.
Rambut, JF, Sarstedt, M., Ringle, CM, Mena, JA, 2012c. Penilaian penggunaan pemodelan persamaan struktural kuadrat terkecil parsial dalam riset pemasaran, Jurnal Akademi Ilmu Pemasaran 40 (3), 414e433.
Gefen, D., Rigdon, EE, Straub, DW, 2011. Komentar editor: pembaruan dan perluasan pedoman SEM untuk penelitian administrasi dan ilmu sosial, MIS Quarterly 35 (2), iiiexiv.
Latihan 19 (2), 139e151.
Henseler, J., Fassott, G., 2010. Menguji efek moderasi dalam model jalur PLS: ilustrasi prosedur yang tersedia, Dalam:
Esposito Vinzi, V., Chin, WW, Henseler, J., Wang, H. ( Eds.), Handbook of Partial Least Squares: Konsep, Metode dan Aplikasi (Springer Handbooks of Computational Statistics Series, vol. II). Springer, Heidelberg, Dordrecht, London, New York, hal.713e735.
Falk, RF, Miller, NB, 1992. Panduan Dasar untuk Soft Modeling, Universitas Akron Press, Akron, OH.
pemodelan?, Perencanaan Jangka Panjang 45 (5e6), 312e319.
3 (4), 283e297.
Henseler, J., Ringle, CM, Sarstedt, M., 2012b. Menggunakan pemodelan jalur kuadrat terkecil parsial dalam penelitian periklanan internasional: konsep dasar dan isu terkini, Dalam: Okazaki, S. (Ed.), Buku Pegangan Penelitian Periklanan Internasional. Penerbitan Edward Elgar, Cheltenham, hal.252e276.
Dijkstra, TK, Henseler, J., 2011. Indeks linier dalam model persamaan struktural nonlinier: best fitting right
kinerja, Perencanaan Jangka Panjang 45 (5/6), 451e476.
Hair, JF, Ringle, CM, Sarstedt, M., 2011. PLS-SEM: memang solusi terbaik, Jurnal Teori Pemasaran dan
Henseler, J., Chin, WW, 2010. Perbandingan pendekatan analisis efek interaksi antar variabel laten menggunakan pemodelan jalur kuadrat terkecil parsial, Structural Equation Modeling 17 (1), 82e109.
€
Perencanaan Jangka Panjang, vol 46 2013 11 Hulland, J., 1999. Penggunaan Partial Least Squares (PLS) dalam penelitian manajemen strategis: tinjauan empat penelitian terbaru
MacKenzie, SB, Podsakoff, PM, Podsakoff, NP, 2011. Membangun prosedur pengukuran dan validasi
Banyak penggerak dan banyak pasar, Jurnal Akademi Ilmu Pemasaran 40 (5), 509e525.
strategi di antara segmen pemangku kepentingan: kasus layanan pendapatan Eropa, Perencanaan Jangka Panjang
Rigdon, EE, 2012. Memikirkan kembali pemodelan jalur kuadrat terkecil parsial: memuji metode sederhana, Jarak Jauh
kotak: landasan teori dan penerapan data indeks kepuasan pelanggan Amerika, Annals
kuadrat terkecil parsial dalam penelitian sistem informasi, Dalam: Metodologi Penelitian, Inovasi dan Filsafat dalam Rekayasa Sistem Perangkat Lunak dan Sistem Informasi IGI Global, hal. 193e221.
14 (2/3), 188e207.
penelitian perilaku dan organisasi dan beberapa solusi yang direkomendasikan, Jurnal Psikologi Terapan
dan ringkasan penelitian sebelumnya, Jurnal Manajemen Operasi 30 (6), 467e480.
Rigdon, EE, Ringle, CM, Sarstedt, M., Gudergan, SP, 2011. Menilai heterogenitas dalam studi kepuasan pelanggan: persamaan lintas industri dan perbedaan industri, Kemajuan dalam Pemasaran Internasional 22, 169e194.
Robins, JA, 2012. Kuadrat terkecil parsial, Perencanaan Jangka Panjang 45 (5e6), 309e311.
Tinjauan Bisnis Schmalenbach 63 (1), 34e62.
Henseler, J., Ringle, CM, Sinkovics, RR, 2009. Penggunaan pemodelan jalur kuadrat terkecil parsial dalam pemasaran internasional, Kemajuan dalam Pemasaran Internasional 20, 277e320.
(2), 199e218.
Perencanaan 45 (5e6), 341e358.
45 (5e6), 395e423.
Lohmoller, J.-B., 1989. Pemodelan Jalur Variabel Laten dengan Partial Least Squares. Physica, Heidelberg MacKenzie, SB, Podsakoff, PM, Jarvis, CB, 2005. Masalah kesalahan spesifikasi model pengukuran di
Hock, C., Ringle, CM, Sarstedt, M., 2010. Manajemen stadion serbaguna: pentingnya dan pengukuran kinerja antarmuka layanan, Jurnal Internasional Teknologi dan Manajemen Layanan
Ringle, CM, Wende, S., Will, A., 2005. SmartPLS 2.0. Hamburg. www.smartpls.de.
dan SEM berbasis varians, International Journal of Research in Marketing 26 (4), 332e344.
Ringle, CM, Sarstedt, M., Straub, DW, 2012. Pandangan kritis terhadap penggunaan PLS-SEM di MIS triwulanan, MIS
pemodelan, Jurnal Pemodelan Manajemen 3 (2), 140e161.
Money, KG, Hillenbrand, C., Henseler, J., Da Camara, N., 2012. Menjelajahi konsekuensi tak terduga dari Jaccard, JJ, Turrisi, R., 2003. Efek Interaksi dalam Regresi Berganda. Sage, Seribu Pohon Ek.
Roldan, JL, Sanchez-Franco, MJ, 2012. Pemodelan persamaan struktural berbasis varian: pedoman penggunaan dalam MIS dan penelitian perilaku: mengintegrasikan teknik baru dan yang sudah ada, MIS Quarterly 35 (2), 293eA295.
Reinartz, W., Haenlein, M., Henseler, J., 2009. Perbandingan empiris kemanjuran berbasis kovarians
Sistem Informasi 8, 19e49.
studi, Jurnal Manajemen Strategis 20 (2), 195e204.
Sarstedt, M., 2008. Tinjauan pendekatan terkini untuk menangkap heterogenitas dalam jalur kuadrat terkecil parsial Peng, DX, Lai, F., 2012. Menggunakan kuadrat terkecil parsial dalam penelitian manajemen operasi: pedoman praktis
kotak. Dalam: Malhotra, NK (Ed.), Review Riset Pemasaran, vol. 7. Sharpe, Armonk, hal.255e296.
€
Raithel, S., Sarstedt, M., Scharf, SM, Schwaiger, M., 2012. Tentang relevansi nilai kepuasan pelanggan.
90 (4), 710e730.
Ringle, CM, Sarstedt, M., Mooi, EA, 2010a. Segmentasi berbasis respons menggunakan campuran hingga parsial paling sedikit
Kuadrat Terkecil: Konsep, Metode dan Aplikasi (Springer Handbooks of Computational Statistics Series, vol. II). Springer, Heidelberg, Dordrecht, London, New York, hlm.195e218.
Henseler, J., Sarstedt, M., 2013. Tentang indeks kebaikan pemodelan jalur kuadrat terkecil parsial. Statistik Komputasi, akan datang (tersedia online).
Lee, L., Petter, S., Fayard, D., Robinson, S., 2011. Tentang penggunaan pemodelan jalur kuadrat terkecil parsial dalam penelitian akuntansi, International Journal of Accounting Information Systems 12 (4), 305e328.
€
Rigdon, EE, Ringle, CM, Sarstedt, M., 2010. Pemodelan struktural data heterogen dengan parsial paling sedikit
Ringle, CM, Wende, S., Will, A., 2010b. Analisis kuadrat terkecil parsial campuran hingga: metodologi dan contoh numerik. Dalam:
Esposito Vinzi, V., Chin, WW, Henseler, J., Wang, H. (Eds.), Buku Panduan Parsial Triwulanan 36 (1), iiiexiv.
Sarstedt, M., Becker, J.-M., Ringle, CM, Schwaiger, M., 2011a. Mengungkap dan menangani heterogenitas yang tidak teramati dengan FIMIX-PLS: kriteria pemilihan model manakah yang menyediakan jumlah segmen yang sesuai?,
Jarvis, CB, MacKenzie, SB, Podsakoff, PM, 2003. Tinjauan kritis terhadap indikator konstruk dan kesalahan spesifikasi model pengukuran dalam riset pemasaran dan konsumen, Jurnal Riset Konsumen 30
Biografi
Marko Sarstedt, Universitas Otto-von-Guericke-Magdeburg Joseph F. Hair, Jr., Universitas Negeri Kennesaw
Christian M. Ringle, Universitas Teknologi Hamburg (TUHH)
€
keberhasilan perluasan merek, Jurnal Penelitian Layanan 13 (4), 359e361.
34 (1), 5e36.
Sistem Dalam Pengamatan Tidak Langsung: Bagian II. Belanda Utara, Amsterdam, hal.1e54.
teknik analisis data kuadrat dalam penelitian kelompok dan organisasi, Manajemen Organisasi Kelompok
Volckner, F., Sattler, H., Hennig-Thurau, T., Ringle, CM, 2010. Peran kualitas merek induk untuk layanan
Wold, H., 1982. Pemodelan lunak: desain dasar dan beberapa perluasan, Dalam: Joreskog, KG, Wold, H. (Eds.), Tinjauan Ekonomi pean 5 (1), 67e86.
Sosik, JJ, Kahai, SS, Piovoso, MJ, 2009. Statistik peluru perak atau voodoo? primer untuk menggunakan sebagian paling sedikit
Statistik & Analisis Data 48 (1), 159e205.
€
Sattler, H., Volckner, F., Riediger, C., Ringle, CM, 2010. Dampak faktor keberhasilan perluasan merek terhadap harga premium perluasan merek, International Journal of Research in Marketing 27 (4), 319e328.
Wold, H., 1974. Arus kausal dengan variabel laten: perpisahan jalan berdasarkan pemodelan NIPALS, Euro- Springer, Heidelberg, Dordrecht, London, New York, hal.621e652.
Tenenhaus, M., Esposito Vinzi, V., Chatelin, Y.-M., Lauro, C., 2005. Pemodelan jalur PLS, Sta-
FIMIX-PLS dengan strategi analisis data yang berbeda, Journal of Applied Statistics 37 (8), 1299e1318.
Sarstedt, M., Henseler, J., Ringle, CM, 2011b. Analisis multi-kelompok dalam pemodelan jalur Partial Least Squares (PLS):
metode alternatif dan hasil empiris, Kemajuan dalam Pemasaran Internasional 22, 195e218.
pemodelan. Dalam: Prosiding Temu Ilmiah SIS XLII. CLEUP, Padova, hal.739e742.
Esposito Vinzi, V., Chin, WW, Henseler, J., Wang, H. (Eds.), Buku Panduan Partial Least Squares: Konsep, Metode dan Aplikasi (Springer Handbooks of Computational Statistics Series, vol. II).
Sarstedt, M., Ringle, CM, 2010. Mengobati heterogenitas yang tidak teramati dalam pemodelan jalur PLS: perbandingan
Tenenhaus, M., Amato, S., Esposito Vinzi, V., 2004. Indeks kesesuaian global untuk persamaan struktural PLS
Wilson, B., 2010. Menggunakan PLS untuk menyelidiki efek interaksi antara konstruksi branding tingkat tinggi, Dalam:
Wetzels, M., Odekerken-Schroder, G., van Oppen, C., 2009. Menggunakan pemodelan jalur PLS untuk menilai model konstruk hierarki: pedoman dan ilustrasi empiris, MIS Quarterly 33 (1), 177e195.
kemudahan penggunaan, dan kinerja, Dalam: Esposito Vinzi, V., Chin, WW, Henseler, J., Wang, H. (Eds.), Buku Pegangan Partial Least Squares: Konsep, Metode dan Aplikasi (Springer Buku Pegangan Seri Statistika Komputasi, jilid II). Springer, Heidelberg, Dordrecht, London, New York, hal.737e756.
€
Temme, D., Kreis, H., Hildebrandt, L., 2010. Perbandingan perangkat lunak pemodelan jalur PLS saat ini: fitur,
Joseph F. Rambut Jr. Christian M. Ringle dan Marko Sarstedt
