Leseprobe
* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Partial Least Squares Strukturgleichungsmodellierung
G. Tomas M. Hult, Sven Hauff, Christian M. Ringle, ...
* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Sozialwissenschaften, Recht, Wirtschaft / Allgemeines, Lexika
Beschreibung
Die Partial Least Squares Strukturgleichungsmodellierung (PLS-SEM) hat sich in der wirtschafts- und sozialwissenschaftlichen Forschung als geeignetes Verfahren zur Schätzung von Kausalmodellen behauptet. Dank der Anwenderfreundlichkeit des Verfahrens und der vorhandenen Software ist es auch in der Praxis etabliert.
Dieses Buch bietet eine anwendungsorientierte Einführung in die PLS-SEM. Der Fokus liegt auf den Grundlagen des Verfahrens und deren praktischer Umsetzung mit Hilfe der SmartPLS-Software; aber auch weiterführende Verfahren werden diskutiert. Das Konzept des Buches setzt dabei auf einfache Erläuterungen statistischer Ansätze und die anschauliche Darstellung zahlreicher Anwendungsbeispiele anhand einer einheitlichen Fallstudie. Viele Grafiken, Tabellen und Illustrationen erleichtern das Verständnis der PLS-SEM. Zwecks weiterer Vertiefung der vorgestellten Inhalte werden dem Leser herunterladbare Datensätze, Videos, Aufgaben und weitere Literaturhinweise zur Verfügung gestellt. Damit eignet sich das Buch hervorragend für Studierende, Forscher und Praktiker, die die PLS-SEM in ihren Projekten nutzen möchten.
Das Autorenteam
Joseph F. Hair, Jr. ist Professor für Marketing an der University of South Alabama und mit mehr als 75 veröffentlichten Büchern einer der weltweit führenden Experten auf dem Gebiet der anwendungsorientierten Statistik. Das von ihm mitverfasste Buch „Multivariate Data Analysis“ hat mit über 200.000 Zitationen den Status eines Standardwerks für die Anwendung multivariater Analyseverfahren in den Wirtschafts- und Sozialwissenschaften und vielen weiteren wissenschaftlichen Disziplinen erlangt.
G. Tomas M. Hult ist Professor für Marketing und International Business am Eli Broad College of Business an der Michigan State University und mit mehr als 100.000 Zitationen bei Google Scholar einer der meist zitierten Forscher in den Wirtschaftswissenschaften, der sich in seiner Forschung intensiv mit verschiedenen Verfahren der Strukturgleichungsmodellierung auseinandersetzt.
Christian M. Ringle ist Professor für Management und Entscheidungswissenschaften (Decision Sciences) an der Technischen Universität Hamburg (und assoziierter Professor an der James Cook University in Australien). Seine Forschung umfasst ebenfalls die Bereiche Business Analytics und Machine Learning, wobei sein Schwerpunkt auf der Entwicklung und Verbesserung von multivariaten Analyseverfahren sowie der Anwendung dieser Methoden in der betriebswirtschaftlichen Forschung liegt. Er ist Mitgründer und Mitentwickler der statistischen Software SmartPLS (https://www.smartpls.com).
Marko Sarstedt ist Professor für Marketing an der Ludwig-Maximilians-Universität in München (und assoziierter Professor an der Babe?-Bolyai University in Rumänien), und Mitglied der Clarivate Analytic’s Highly Cited Researcher List. Im Jahr 2022 wurde ihm für seine Forschungsleistungen im Bereich der PLS-SEM und für seine international Zusammenarbeit die Ehrendoktorwürde der Babe?-Bolyai-Universität verliehen.
Nicole F. Richter ist Professorin für International Business an der University of Southern Denmark und beschäftigt sich in ihren Publikationen kritisch mit dem Einsatz empirischer Forschungsmethoden in der internationalen Managementforschung. Dies umfasst insbesondere auch die Triangulation von PLS-SEM mit anderen Methoden (z.B. Necessary Condition Analysis, Machine Learning).
Kundenbewertungen
Strukturgleichungsmodell, Fallstudie, Kausalmodell, SmartPLS, Aufgaben, Smart, Statistik, PLS