Blog Posts

PLS-SEM (Partial Least Squares Structural Equation Modeling) বিশ্লেষণের ক্ষেত্রে অনেক গবেষক সরাসরি hypothesis testing বা path analysis এর দিকে মনোযোগ দেন। তবে Hair et al. (2022) এর নির্দেশনা অনুযায়ী Structural Model মূল্যায়নের পূর্বশর্ত হলো একটি শক্তিশালী Measurement Model প্রতিষ্ঠা করা। কারণ কোনো construct যদি সঠিকভাবে পরিমাপই না হয় তাহলে সেই construct-এর মধ্যকার সম্পর্ক বিশ্লেষণ করে প্রাপ্ত ফলাফলও নির্ভরযোগ্য হবে না।

সহজভাবে বললে Measurement Model Assessment-এর মূল উদ্দেশ্য হলো যাচাই করা যে গবেষণায় ব্যবহৃত questionnaire items বা indicators আসলেই কি নির্ধারিত latent construct কে সঠিকভাবে প্রতিনিধিত্ব করছে। উদাহরণস্বরূপ যদি "Perceived Value" construct পরিমাপের জন্য ৫টি প্রশ্ন ব্যবহার করা হয় তাহলে প্রথমে নিশ্চিত হতে হবে যে এই ৫টি প্রশ্ন সত্যিই Perceived Value কে পরিমাপ করছে অন্য কোনো ধারণাকে নয়।

প্রথমত, Hair et al. (2022) অনুযায়ী reflective measurement model মূল্যায়নের ক্ষেত্রে চারটি প্রধান বিষয় পরীক্ষা করা হয়। প্রথমত Indicator Reliability যা Factor Loading দ্বারা নির্ধারিত হয়। সাধারণত 0.708 বা তার বেশি loading গ্রহণযোগ্য ধরা হয় কারণ এটি নির্দেশ করে যে indicator তার construct এর variance এর অন্তত 50% ব্যাখ্যা করতে সক্ষম। উদাহরণস্বরূপ যদি Brand Image-এর একটি indicator এর loading 0.85 হয় তাহলে এটি constructটিকে শক্তিশালীভাবে প্রতিনিধিত্ব করছে।

দ্বিতীয়ত, Internal Consistency Reliability মূল্যায়ন করা হয় Cronbach’s Alpha এবং Composite Reliability (CR) এর মাধ্যমে। Hair et al. (2022) Composite Reliability কে অধিক গুরুত্ব দিয়েছেন কারণ এটি indicator-গুলোর প্রকৃত contribution বিবেচনা করে। সাধারণভাবে CR এর মান 0.70 থেকে 0.95 এর মধ্যে থাকলে construct টিকে নির্ভরযোগ্য বলে গণ্য করা হয়।

তৃতীয়ত, Convergent Validity পরীক্ষা করা হয় Average Variance Extracted (AVE) দ্বারা। AVE-এর মান 0.50 এর বেশি হলে বোঝায় যে construct তার indicator গুলোর variance এর অর্ধেকেরও বেশি ব্যাখ্যা করতে পারছে। উদাহরণস্বরূপ, যদি Perceived Quality এর AVE = 0.68 হয় তাহলে এটি শক্তিশালী convergent validity নির্দেশ করে।

চতুর্থত, Discriminant Validity নিশ্চিত করতে হয় যাতে একটি construct অন্য construct থেকে স্পষ্টভাবে পৃথক থাকে। অতীতে Fornell-Larcker Criterion এবং Cross Loading বেশি ব্যবহৃত হলেও Hair et al. (2022) সাম্প্রতিক গবেষণায় HTMT (Heterotrait-Monotrait Ratio) কে সবচেয়ে শক্তিশালী পদ্ধতি হিসেবে সুপারিশ করেছেন। সাধারণত HTMT মান 0.85 বা 0.90 এর নিচে থাকলে discriminant validity প্রতিষ্ঠিত হয়েছে বলে ধরা হয়।

ধরা যাক একটি গবেষণায় Perceived Quality, Brand Image এবং Purchase Intention নিয়ে কাজ করা হচ্ছে। যদি Brand Image এর কিছু indicator আসলে Perceived Quality এর সঙ্গে বেশি সম্পর্ক প্রদর্শন করে তাহলে discriminant validity সমস্যা দেখা দেবে। এই অবস্থায় Structural Model এর path coefficient যতই significant হোক না কেন গবেষণার ফলাফল প্রশ্নবিদ্ধ হয়ে যাবে।

সুতরাং Hair et al. (2022) এর PLS-SEM নির্দেশিকা অনুসারে Measurement Model Assessment শুধুমাত্র একটি প্রাথমিক ধাপ নয় বরং এটি পুরো গবেষণার ভিত্তি। একটি নির্ভরযোগ্য ও বৈধ measurement model প্রতিষ্ঠিত হলে তবেই গবেষক Structural Model Assessment, hypothesis testing, mediation, moderation এবং predictive power বিশ্লেষণের দিকে আত্মবিশ্বাসের সঙ্গে এগিয়ে যেতে পারেন।