knitr::opts_chunk$set(echo = TRUE, message = FALSE, warning = FALSE)

library(seminr)
## Warning: пакет 'seminr' был собран под R версии 4.5.3
library(DiagrammeR)
## Warning: пакет 'DiagrammeR' был собран под R версии 4.5.3
data(mobi)
measurements <- constructs(
  composite("Image",        multi_items("IMAG", 1:5)),
  composite("Expectation",  multi_items("CUEX", 1:3)),
  composite("Value",        multi_items("PERV", 1:2)),
  composite("Satisfaction", multi_items("CUSA", 1:3)),
  interaction_term(iv = "Image", moderator = "Expectation"),
  interaction_term(iv = "Image", moderator = "Value")
)

composite() задаёт композитные (формирующие) конструкты. interaction_term() создаёт взаимодействия для проверки модерации. Здесь мы проверяем, как взаимодействие Image с Expectation и Image с Value влияют на Satisfaction.

structural <- relationships(
  paths(to = "Satisfaction",
        from = c("Image", "Expectation", "Value",
                 "Image*Expectation", "Image*Value"))
)

Все предикторы влияют на Satisfaction. Включены прямые эффекты и эффекты взаимодействия. Проведем оценку PLS-модели

pls_model <- estimate_pls(
  data = mobi,
  measurement_model = measurements,
  structural_model = structural,
  inner_weights = path_weighting
)
summary(pls_model)
## 
## Results from  package seminr (2.4.2)
## 
## Path Coefficients:
##                   Satisfaction
## R^2                      0.614
## AdjR^2                   0.606
## Image                    0.470
## Expectation              0.132
## Value                    0.320
## Image*Expectation       -0.140
## Image*Value              0.023
## 
## Reliability:
##                   alpha  rhoA  rhoC   AVE
## Image             0.723 0.745 0.818 0.478
## Expectation       0.452 0.462 0.733 0.481
## Value             0.824 0.858 0.918 0.848
## Image*Expectation 0.802 1.000 0.833 0.291
## Image*Value       0.810 1.000 0.918 0.574
## Satisfaction      0.779 0.784 0.871 0.693
## 
## Alpha, rhoA, and rhoC should exceed 0.7 while AVE should exceed 0.5

структурная часть модели обладает высокой объяснительной способностью: R² удовлетворённости составляет 0,614, то есть модель объясняет 61,4% дисперсии эндогенного конструкта. Наиболее сильное положительное влияние на удовлетворённость оказывает имидж (β = 0,470), за ним следуют ценность (β = 0,320) и ожидания (β = 0,132). Взаимодействие имиджа и ожиданий имеет умеренный отрицательный эффект (β = –0,140), что может свидетельствовать о снижении влияния имиджа при высоких ожиданиях, тогда как взаимодействие имиджа и ценности практически незначимо. При оценке измерительной модели выявлены проблемы: конструкт «Ожидания» обладает неприемлемо низкой надёжностью (альфа Кронбаха = 0,452), а у конструкта «Имидж» средняя извлечённая дисперсия (AVE = 0,478) не достигает порога 0,5, хотя композитная надёжность находится на приемлемом уровне. Конструкты «Ценность» и «Удовлетворённость» демонстрируют хорошую надёжность и конвергентную валидность

model_summary <- summary(pls_model)
model_summary$paths
##                   Satisfaction
## R^2                      0.614
## AdjR^2                   0.606
## Image                    0.470
## Expectation              0.132
## Value                    0.320
## Image*Expectation       -0.140
## Image*Value              0.023

R² = 0.614 — модель объясняет 61.4% дисперсии удовлетворённости. Image имеет самый сильный прямой эффект (0.470). Взаимодействие Image*Expectation отрицательно (-0.140) — возможно, при высоких ожиданиях имидж влияет слабее.

model_summary$reliability
##                   alpha  rhoA  rhoC   AVE
## Image             0.723 0.745 0.818 0.478
## Expectation       0.452 0.462 0.733 0.481
## Value             0.824 0.858 0.918 0.848
## Image*Expectation 0.802 1.000 0.833 0.291
## Image*Value       0.810 1.000 0.918 0.574
## Satisfaction      0.779 0.784 0.871 0.693
## 
## Alpha, rhoA, and rhoC should exceed 0.7 while AVE should exceed 0.5

AVE > 0.5 для Value и Satisfaction (хорошая конвергентная валидность). Для Image AVE = 0.478 — ниже порога, но допустимо в PLS при сильных теоретических основаниях. rhoC и rhoA > 0.7 — приемлемая надёжность.

plot(pls_model, title = "PLS Model: влияние на удовлетворённость")

На графике видны нагрузки (λ) для рефлективных индикаторов и веса (w) для формирующих. Стрелки — структурные коэффициенты. R² отображается внутри эндогенных конструктов.