R：semPLS redundancy（）函数

Question

我不知道semPLS包中的redundancy（）函数是什么，也无法在帮助页面或其他semPLS文件上找到解释。

以ecsi模型为例：

library(semPLS)
data(ECSImobi)
ecsi <- sempls(model=ECSImobi, data=mobi, wscheme="pathWeighting")

redundancy(ecsi)

会给我：

             redundancy
Image                 .
Expectation        0.12
Quality            0.18
Value              0.29
Satisfaction       0.47
Complaints            .
Loyalty            0.24

    Average redundancy: 0.26 

显然ckluss指出，冗余方法计算为

as.matrix(communality(ecsi)[, 1] * rSquared(ecsi)[, 1])

公共性是AVE（提取的平均差异）和rSquared，决定系数，表示数据与模型的匹配程度。问题仍然存在：如何解释这些指数。

Answer 1

我在

中找到了答案

Sanchez，G。（2013）PLS Path Modeling with R

Trowchez Editions。伯克利，2013年。

http://www.gastonsanchez.com/PLS_Path_Modeling_with_R.pdf

由于它是根据Creative Commons Attribution-NonCommercial-ShareAlike授权的，因此我复制了文本并添加了可重现的代码示例。

冗余衡量内生块中指标方差的百分比 从与内源性LV相关的独立潜变量预测。另一个 冗余的定义是由其独立潜在变量解释的内生构造中的方差量。换句话说，它反映了一组独立潜在变量解释从属潜变量变化的能力。

高冗余意味着高预测能力。特别是，研究人员可能是 考虑独立潜在变量如何预测指标内生结构的价值。类似于公共指数，可以计算平均冗余，即内生块的冗余指数的平均值。

# inner model summary
satpls$inner_summary

           Type        R2 Block_Communality Mean_Redundancy       AVE
IMAG  Exogenous 0.0000000         0.5822691       0.0000000 0.5822691
EXPE Endogenous 0.3351937         0.6164199       0.2066200 0.6164199
QUAL Endogenous 0.7196882         0.6585717       0.4739663 0.6585717
VAL  Endogenous 0.5900844         0.6644156       0.3920612 0.6644156
SAT  Endogenous 0.7073209         0.7588907       0.5367793 0.7588907
LOY  Endogenous 0.5099226         0.6390517       0.3258669 0.6390517

对于每个潜在变量，我们都有一些描述性信息：类型（外源或en- dogenous），测量（反射或形成）和指标数量。专栏 R-square仅适用于内生变量。 averga公共性Av.Commu 表示潜在变量可以重现多少块变异性。 在平均社区旁边，我们有平均冗余Av.Redun，就像 R2仅适用于内源性构建体。 Av.Redun代表了百分比 从与之相关的独立LV预测的内源性块的方差 内源性LV。高冗余意味着高预测能力。让我们说我们是 有兴趣检查独立的LV预测内生指标的价值。在我们的示例中，LOY（忠诚度）的平均冗余表示SAT（满意度）和IMAG（图像）预测忠诚度指标变异性的33％。

以下代码显示了可重现的示例：

library(plspm)
# load dataset satisfaction
data(satisfaction)

# path matrix
IMAG = c(0,0,0,0,0,0)
EXPE = c(1,0,0,0,0,0)
QUAL = c(0,1,0,0,0,0)
VAL = c(0,1,1,0,0,0)
SAT = c(1,1,1,1,0,0)
LOY = c(1,0,0,0,1,0)
sat_path = rbind(IMAG, EXPE, QUAL, VAL, SAT, LOY)

# plot diagram of path matrix
innerplot(sat_path)

# blocks of outer model
sat_blocks = list(1:5, 6:10, 11:15, 16:19, 20:23, 24:27)

# vector of modes (reflective indicators)
sat_mod = rep("A", 6)

# apply plspm
satpls = plspm(satisfaction, sat_path, sat_blocks, modes = sat_mod,
               scaled = FALSE)

# show model
innerplot(sat_path)

# show inner model summary
satpls$inner_summary