تحلیل نقشه اهمیت- عملکرد (IPMA)

تحلیل نقشه اهمیت- عملکرد (IPMA)

تحلیل نقشه اهمیت- عملکرد (Importance-Performance Map Analysis)، نتایج PLS-SEM را با در نظر گرفتن عملکرد یک متغیر پنهان در مدل بیان می کند. تحلیل نقشه اهمیت- عملکرد که به آن تحلیل IPMA نیز گفته می شود، به منظور محاسبه دو شاخص میزان اهمیت و  کارایی عملکرد متغیرهای پنهان، استفاده می شود. در تحلیل مربعات جزئی، مدل به صورت کلی اجرا می شود و نقش متغیرهای درون مدل یکسان درنظر گرفته می شود. ماتریس IPMA، با در نظر گرفتن یک متغیر پنهان در مدل، اهمیت و عملکرد، دیگر متغیرها را براساس آن متغیر در مدل مشخص می کند.

در تحلیل IPMA، با محاسبه اهمیت و عملکرد متغیر در مدل، می توان جایگاه هر متغیر را در مدل شناسایی کرد. نتایج تحلیل IPMA به منظور نتیجه گیری های در تصمیم گیری های مدیریتی حائز اهمیت است. در نتیجه، ترجیح داده می‌شود که در درجه اول بر بهبود عملکرد آن دسته از سازه‌هایی تمرکز کنیم که اهمیت زیادی در توضیح آن‌ها از یک سازه هدف خاص دارند، اما در عین حال، عملکرد نسبتاً پایینی دارند.

آموزش محاسبه تحلیل نقشه اهمیت- عملکرد (IPMA)

تحلیل IPMA، در نرم افزار SMARTPLS نسخه ۳ قابل محاسبه است. مهم ترین گام در تحلیل IPMA، مشخص کردن صحیح متغیر هدف است. نتیجه گیری های حاصله از تحلیل IPMA براساس هر متغیر پنهان در مدل، کاملا متفاوت است. در منوی CALCUATION گزینه Importance-Performance Map Analysis را انتخاب می کنیم.

آموزش محاسبه تحلیل IPMA 1

شکل۱-آموزش محاسبه تحلیل نقشه اهمیت- عملکرد (گام اول)

در پنجره باز شده، مهم ترین قسمت انتخاب متغیر هدف (TARGET) است. مابقی تنظیمات در حالت معمول نیازی به تغییر ندارد. در شکل نحوه انتخاب متغیر هدف در تحلیل IPMA نشان داده شده است.

آموزش محاسبه تحلیل IPMA 2

شکل۲-آموزش محاسبه تحلیل نقشه اهمیت- عملکرد (گام دوم)

پس از آن با کلیک برروی  START CALCULATOIN می توان نتیجه تحلیل IPMA را مشاهده کرد. همان طور که گفته شد میزان اهمیت و میزان عملکرد هر متغیر در مدل به تفکیک با توجه به متغیر هدف مشخص می شود. در شکل های زیر می توان خروجی های تحلیل IPMA را در SMARTPLSنسخه ۳ مشاهده کرد. در شکل زیر نقشه اهمیت متغیرها نشان داده شده است.

شکل۳-نقشه اهمیت  در تحلیل IPMA

در شکل زیر میزان عملکرد هر متغیر در مدل نشان داده شده است.

شکل ۴-میزان عملکرد در تحلیل IPMA

منبع

Hair, J. F., Sarstedt, M., Ringle, C. M., & Gudergan, S. P. (2018). Advanced Issues in Partial Least Squares Structural Equation Modeling (PLS-SEM), Thousand Oaks, CA: Sage.

برای دریافت آموزش محاسبه تحلیل نقشه اهمیت- عملکرد (IPMA) بر روی لینک زیر کلیک کنید.

آموزش محاسبه تحلیل نقشه اهمیت- عملکرد (IPMA)

ارسال نظر

آدرس ایمیل شما منتشر نخواهد شد.

مدیر آماری