Abstract
While the Bayesian SEM approach is now receiving a strong attention in the literature, tourism studies still heavily rely on the covariance-based approach for SEM estimation. In a recent special issue dedicated to the topic, Zyphur and Oswald (2013) used the term “Bayesian revolution” to describe the rapid growth of the Bayesian approach across multiple social science disciplines. The method introduces several advantages that make SEM estimation more flexible and powerful. We aim in this paper to introduce tourism researchers to the power of the Bayesian approach and discuss its unique advantages over the covariance-based approach. We provide first some foundations of Bayesian estimation and inference. We then present an illustration of the method using a tourism application. The paper also conducts a Monte Carlo simulation to illustrate the performance of the Bayesian approach in small samples and discuss several complicated SEM contexts where the Bayesian approach provides unique advantages.
fr202:کد
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله زمان آن شده است: به سوی تخمین بیزی SEM در تحقیقات گردشگری
تعداد کلمات فایل انگلیسی:8636 کلمه 12صفحه pdf
تعداد صفحات فایل ترجمه:39صفحه word فونت14 Arial
چکیده
با وجود اینکه اکنون دیدگاه مدلسازی ساختاری معادله ای (SEM) بیزی توجه زیادی را در منابع علمی جلب کرده است، اما مطالعات گردشگری هنوز هم برای تخمین SEM به شدت روی نظرگاه مبتنی بر هم – پراکنش تکیه می کنند. مجله زیفور و اوسوالد (۲۰۱۳) در یک شماره ویژه اختصاص یافته به این موضوع، از عبارت “انقلاب بیزی” برای توصیف رشد سریع نظرگاه بیزی در میان رشته های مختلف علوم اجتماعی استفاده کرده است. این شیوه چندین مزیت را معرفی می کند که تخمین SEM را انعطاف پذیرتر و قدرتمندتر می کند.مقصود ما در این مطالعه معرفی قدرت نظرگاه بیزی به محققان گردشگری و بحث روی مزایای منحصر به فرد آن از راه دیدگاه مبتنی بر هم پراکنش می باشد. ما ابتدا برخی پایه های تخمین و استنتاج بیزی را ارائه می دهیم. سپس بوسیله یک کاربرد گردشگری، نمایی از این شیوه را نشان می دهیم. این مطالعه همچنین یک شبیه سازی مونت کارلو را انجام می دهد تا کارکرد نظرگاه بیزی را در نمونه های کوچک نشان دهد و روی زمینه های مختلف پیچیده SEM بحث کند جاییکه نظرگاه بیزی مزایای منحصر به فردی را فراهم می کند.
مقدمه
درطی دو دهه گذشته، مدلسازی ساختاری معادله ای (SEM) تبدیل به یکی از محبوب ترین روش ها در تحقیقات گردشگری شده است. محبوبیت این روش از قابلیت آن برای مدیریت روابط پیچیده بین متغیرهای نهفته و مشاهده شده ناشی می شود که تاحد زیادی در تحقیقات گردشگری رایج می باشد (ریسینگر و ترنر 1999). با اینکه این روش یک روش نسبتا” پیچیده می باشد اما دسترس پذیری بسته های مختلف نرم افزاری SEM (مثل AMOS، LISREL، Mplus) قطعا” کاربرد گسترده این روش را تسهیل کرده و آن را دردسترس محققان کاربردی قرار داده است (آساف، اوه و تسیوناس 2016). اساسا” SEM شامل “معادله سنجش” می شود که شبیه به یک مدل رگراسیون بین متغیرهای نهفته و مشاهده شده می باشد و نیز شامل “معادله ساختاری” می شود که یک رگراسیون بین متغیرهای نهفته می باشد. نظر به عدم مشاهده مستقیم متغیرهای نهفته، نمی توان از روشهای رگاسیون عادی برای تحلیل مدل استفاده کرد.
Abstract
While the Bayesian SEM approach is now receiving a strong attention in the literature, tourism studies still heavily rely on the covariance-based approach for SEM estimation. In a recent special issue dedicated to the topic, Zyphur and Oswald (2013) used the term “Bayesian revolution” to describe the rapid growth of the Bayesian approach across multiple social science disciplines. The method introduces several advantages that make SEM estimation more flexible and powerful. We aim in this paper to introduce tourism researchers to the power of the Bayesian approach and discuss its unique advantages over the covariance-based approach. We provide first some foundations of Bayesian estimation and inference. We then present an illustration of the method using a tourism application. The paper also conducts a Monte Carlo simulation to illustrate the performance of the Bayesian approach in small samples and discuss several complicated SEM contexts where the Bayesian approach provides unique advantages.
fr202:کد
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com