BUKU: A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM)

A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM), by Hair, Hult, Ringle, and Sarstedt, provides a concise yet very practical guide to understanding and using PLS structural equation modeling (PLS-SEM). PLS-SEM is evolving as a statistical modeling technique and its use has increased exponentially in recent years within a variety of disciplines, due to the recognition that PLS-SEM’s distinctive methodological features make it a viable alternative to the more popular covariance-based SEM approach. 

This text—the only comprehensive book available to explain the fundamental aspects of the method—includes extensive examples on SmartPLS software, and is accompanied by multiple data sets that are available for download from the accompanying website (www.pls-sem.com).

Langkah-Langkah dalam Pemodelan SEM

Dalam membuat permodelan SEM perlu dilakukan langkah-langkah berikut ini:

1.      Pengembangan model teoritis

Langkah pertama yang harus dilakukan dalam mengembangkan model SEM adalah mengembangkan sebuah model penelitian dengan dukungan teori yang kuat melalui berbagai telaah pustaka dari sumber-sumber ilmiah yang berhubungan dengan model yang dikembangkan. Tanpa dasar teoritis yang kuat, SEM tidak bisa digunakan. SEM tidak digunakan untuk mempengaruhi sebuah teori kausalitas yang sudah ada teorinya, karena dengan pengembangan sebuah teori yang berjustifikasi ilmiah merupakan syarat utama dalam menggunakan model SEM

2.      Pengembangan diagram alur (path diagram) untuk menunjukkan hubungan kausalitas (sebab akibat). Model penelitian yang telah dibangun pada tahap pertama akan digambarkan pada sebuah path diagram yang akan mempermudah untuk melihat hubungan-hubungan kausalitas yang akan diuji. Dalam path diagram hubungan antar konstruk akan dinyatakan melalui anak panah. Anak panah yang lurus menunjukkan sebuah hubungan kausal yang langsung antar satu konstruk dengan konstruk yang lainnya. Sedangkan garis lengkung antar konstruk dengan anak panah pada setiap ujungnya menunjukkan korelasi. Konstruk-konstruk dalam path diagram dapat dibedakan menjadi dua kelompok, yaitu:

·         Konstruk Eksogen (exogenous construct), dikenal dengan source variable atau independent variable yang tidak diprediksi oleh variabel-variabel yang lain yang terdapat dalam model. Konstruk eksogen adalah konstruk yang dituju oleh garis dengan satu ujung anak panah.

·         Konstruk Endogen (endogenous construct) yang merupakan faktor-faktor yang diprediksi oleh satu atau beberapa konstruk. Konstruk endogen dapat memprediksi satu atau beberapa kosntruk endogen lainnya, tetapi konstruk endogen hanya dapat berhubungan kausal dengan konstruk endogen.

Konsultasi Disertasi/Tesis dengan SEM

Pengantar Structural Equation Model

Structural Equation Modeling (SEM) merupakan teknik analisis multivariat yang dikembangkan untuk menutupi keterbatasan yang dimiliki oleh model-model seperti: analisis regresi, path analysis (analisis jalur), dan confirmatory factor analysis (analisis faktor konfirmatori) (Hox dan Bechger, 1998).

SEM merupakan teknik statistik yang digunakan untuk membangun dan menguji model statistik yang umumnya dalam bentuk model hubungan kausalitas. SEM merupakan teknik perpaduan (hybrid) yang menggabungkan aspek dari analisis regresi, path analysis (analisis jalur), dan confirmatory factor analysis (analisis faktor konfirmatori).

Sebagai teknik statistik multivariat, penggunaan SEM memungkinkan peneliti untuk melakukan pengujian terhadap bentuk hubungan tunggal (i.e. regresi sederhana), regresi berganda, hubungan rekursif maupun hubungan resiprokal, atau bahkan terhadap variabel laten maupun variabel yang diobservasi/ diukur langsung.

Salah satu keunggulan SEM adalah kemampuannya dalam membuat model yang mengandung variabel laten atau variabel–variabel yang tidak diukur (tidak diobservasi) secara langsung (seperti "kecerdasan", “kinerja”, dan "sikap terhadap merek"). Variabel-variabel laten tersebut diestimasi dalam model melalui variabel-variabel terukur (measured variable) yang diasumsikan mempunyai hubungan dengan variabel-variabel laten tersebut.

BUKU: Structural Equation Modeling with Mplus: Basic Concepts, Applications, and Programming

The first two chapters introduce the fundamental concepts of SEM and important basics of the Mplus program. The remaining chapters focus on SEM applications and include a variety of SEM models presented within the context of three sections: Single-group analyses, Multiple-group analyses, and other important topics, the latter of which includes the multitrait-multimethod, latent growth curve, and multilevel models.

Intended for researchers, practitioners, and students who use SEM and Mplus, this book is an ideal resource for graduate level courses on SEM taught in psychology, education, business, and other social and health sciences and/or as a supplement for courses on applied statistics, multivariate statistics, intermediate or advanced statistics, and/or research design. Appropriate for those with limited exposure to SEM or Mplus, a prerequisite of basic statistics through regression analysis is recommended.

BUKU: A Beginner's Guide to Structural Equation Modeling: Third Edition

This best-seller introduces readers to structural equation modeling (SEM) so they can conduct their own analysis and critique related research. Noted for its accessible, applied approach, chapters cover basic concepts and practices and computer input/output from the free student version of Lisrel 8.8 in the examples. Each chapter features an outline, key concepts, a summary, numerous examples from a variety of disciplines, tables, and figures, including path diagrams, to assist with conceptual understanding.

The book first reviews the basics of SEM, data entry/editing, and correlation. Next the authors highlight the basic steps of SEM: model specification, identification, estimation, testing, and modification, followed by issues related to model fit and power and sample size. Chapters 6 through 10 follow the steps of modeling using regression, path, confirmatory factor, and structural equation models. Next readers find a chapter on reporting SEM research including a checklist to guide decision-making, followed by one on model validation. Chapters 13 through 16 provide examples of various SEM model applications. The book concludes with the matrix approach to SEM using examples from previous chapters.

Designed for introductory graduate level courses in structural equation modeling or factor analysis taught in psychology, education, business, and the social and healthcare sciences, this practical book also appeals to researchers in these disciplines. An understanding of correlation is assumed.

BUKU: Discovering Structural Equation Modeling Using Stata

Discovering Structural Equation Modeling Using Stata is devoted to Stata’s sem command and all it can do. You’ll learn about its capabilities in the context of confirmatory factor analysis, path analysis, structural equation modeling, longitudinal models, and multiple-group analysis. The book describes each model along with the necessary Stata code, which is parsimonious, powerful, and can be modified to fit a wide variety of models. Downloadable data sets enable you to run the programs and learn in a hands-on way.

A particularly exciting feature of Stata is the SEM Builder. This graphic interface for structural equation modeling allows you to draw publication-quality path diagrams and fit the models without writing any programming code. When you fit a model with the SEM Builder, Stata automatically generates the complete code that you can save for future use. Use of this unique tool is extensively covered in an appendix, and brief examples appear throughout the text.

Requiring minimal background in multiple regression, this practical reference is designed primarily for those new to structural equation modeling. Some experience with Stata would be helpful but is not essential. Readers already familiar with structural equation modeling will also find the book’s State code useful.