مدل سازی اطلاعات ساختمان (BIM) در ساختمان سبز (قسمت پنجم) - ساختمان سبز ایرانیان

  • Home
  • مدل سازی اطلاعات ساختمان (BIM) در ساختمان سبز (قسمت پنجم)

4 . نتایج

4.1 . تحلیل مدل

جدول 3 اهمیت هر مسیر استاندارد شده را نشان می دهد که از طریق مقادیر اطمینان بوت استرپ با استفاده از روش صدک تصحیح شده بایاس تایید شده است. همه مسیرها از نظر آماری معنی دار هستند وpزیر 0.05 است و فواصل اطمینان آنها صفر را شامل نمی شود ( هیر و همکاران، 2014 ؛ هیز، 2009 ). در نتیجه، مدل اندازه گیری در شکل 4 نشان داده شده است .

جدول 3 . اعتبار سنجی فرضیه.

مسیر پارامتر تعصب تصحیح شده 97.5٪ P – ارزش ها تصمیم گیری
پایین تر بالا
H1.1 IQ – > PU 0.206 0.339 0 پذیرفته شد
H1.2 SYQ – > PU 0.055 0.218 0.001 پذیرفته شد
H1.3 SEQ – > PU 0.150 0.320 0 پذیرفته شد
H2.1 IQ – > PEU 0.023 0.200 0.013 پذیرفته شد
H2.2 SYQ – > PEU 0.172 0.340 0 پذیرفته شد
H2.3 SEQ – > PEU 0.214 0.411 0 پذیرفته شد
H3 PEU – > PU 0.208 0.357 0 پذیرفته شد
H4 PU – > ATB 0.109 0.278 0 پذیرفته شد
H5 PEU – > ATB 0.065 0.229 0 پذیرفته شد
H6 PU – > BI 0.148 0.310 0 پذیرفته شد
H7 ATB – > BI 0.048 0.251 0.003 پذیرفته شد
H8 PEC – > ATB 0.402 0.553 0 پذیرفته شد
H9 PEC – > SN 0.519 0.647 0 پذیرفته شد
H10 PEC – > PBC 0.525 0.635 0 پذیرفته شد
H11 SN – > BI 0.037 0.213 0 پذیرفته شد
H12 PBC – > BI 0.192 0.375 0 پذیرفته شد
H13 PBC – > ASU 0.292 0.453 0 پذیرفته شد
H14 BI – > ASU 0.315 0.478 0 پذیرفته شد
شکل 4

  1. دانلود: دانلود تصویر با وضوح بالا (266 کیلوبایت)
  2. دانلود: دانلود تصویر در اندازه واقعی

شکل 4 . مدل اندازه گیری

4.2 . تجزیه و تحلیل داده ها

ارزیابی برازش داده‌ها شامل سه معیار کلیدی بود: α کرونباخ، قابلیت اطمینان ترکیبی (CR)، و میانگین واریانس استخراج‌شده (AVE). α کرونباخ به عنوان یک معیار اساسی برای سازگاری درونی در ساختارهای چند موردی عمل می کند ( کرونباخ، 1951 )، در حالی که پایایی ترکیبی با استفاده از بارهای عاملی اقلام ارزیابی می شود ( پترسون و کیم، 2013 ). بسیار مهم است که این معیارها را برای تأیید قابلیت اطمینان اندازه‌گیری‌های وزنی و غیروزنی لحاظ کنیم ( هیر و همکاران، 2019 ). مطالعات قبلی با استفاده از مدل‌سازی معادلات ساختاری (SEM) نشان می‌دهد که آستانه ≥0.70 برای α و CR کرونباخ قابل قبول در نظر گرفته می‌شود ( هیر و همکاران، 2020 ؛ لین و همکاران، 2017 ؛ اونگ و همکاران، 2021 ، 20 و 20 ). AVE، یک شاخص محوری برای اعتبار سنجی سازه ها در چارچوب های SEM ( دوس سانتوس و سیریلو، 2021 ؛ نادلیفاتین و همکاران، 2015 )، زمانی که مقدار آن ≥0.5 باشد، رضایت بخش تلقی می شود ( هیر و همکاران، 2017 ؛ اوزیر و همکاران، 2017 ). علاوه بر این، برای اطمینان از قابلیت اطمینان نشانگر، توصیه می شود که مقادیر بارگذاری خارجی باید ≥0.70 باشد ( Hir et al., 2014 ). جداول 4 به طور جامع مدل اندازه گیری را شامل بارگذاری آیتم ها، قابلیت اطمینان سازه و اعتبار همگرا برای هر دو مجموعه سازه نشان می دهد.

جدول 4 . مدل اندازه گیری، بارگذاری آیتم ها، قابلیت اطمینان سازه و سازه های اعتبار همگرا.

متغیرها موارد بارگیری ها آلفای کرونباخ قابلیت اطمینان ترکیبی (CR) میانگین واریانس استخراج شده (AVE)
استفاده واقعی از سیستم ASU1 0.863 0.961 0.966 0.74
ASU2 0.862
ASU3 0.859
ASU4 0.872
ASU5 0.868
ASU6 0.847
ASU7 0.86
ASU8 0.863
ASU9 0.849
ASU10 0.858
نگرش نسبت به رفتار ATB1 0.822 0.913 0.933 0.699
ATB2 0.847
ATB3 0.872
ATB4 0.851
ATB5 0.823
ATB6 0.798
نیت رفتاری BI1 0.84 0.899 0.925 0.712
BI2 0.855
BI3 0.844
BI4 0.838
BI5 0.841
کیفیت اطلاعات IQ1 0.867 0.89 0.923 0.751
IQ2 0.875
IQ3 0.848
IQ4 0.877
کنترل رفتار درک شده PBC1 0.886 0.913 0.939 0.793
PBC2 0.898
PBC3 0.889
PBC4 0.889
کیفیت خدمات SEQ1 0.841 0.866 0.909 0.714
SEQ2 0.838
SEQ3 0.839
SEQ4 0.862
نگرانی زیست محیطی درک شده PEC1 0.888 0.859 0.914 0.781
PEC2 0.867
PEC3 0.895
سهولت استفاده درک شده PEU1 0.861 0.876 0.915 0.729
PEU2 0.847
PEU3 0.874
PEU4 0.833
سودمندی درک شده PU1 0.85 0.87 0.911 0.719
PU2 0.859
PU3 0.832
PU4 0.851
هنجار ذهنی SN1 0.851 0.895 0.923 0.705
SN2 0.836
SN3 0.862
SN4 0.837
SN5 0.812
کیفیت سیستم SYQ1 0.837 0.895 0.922 0.703
SYQ2 0.848
SYQ3 0.83
SYQ4 0.848
SYQ5 0.829

4.3 . مناسب مدل

خلاصه آزمون‌های برازش مدل در جدول 4 نشان می‌دهد که مدل نظری چقدر با وضعیت فعلی مطابقت دارد. ضریب تورم واریانس (VIF) برای ارزیابی همخطی بودن بین شاخص‌ها استفاده می‌شود که مقادیر بیشتر از پنج نشان‌دهنده سطوح بالای همخطی بودن است ( Sarstedt et al., 2014 ). بالاترین مقدار VIF در بین شاخص های مورد استفاده در این مطالعه 3.23 است که نشان دهنده عدم وجود هم خطی است. میانگین ریشه استاندارد شده مقدار باقیمانده SYQuared (SRMR) <0.08 نشان‌دهنده تناسب مدل بهتر است ( Carfora et al., 2019 ؛ Dash & Paul, 2021 )، و مقدار SRMR 0.032 در این آستانه قرار می‌گیرد. علاوه بر این، شاخص برازش هنجاری (NFI) 0.902 از آستانه 0.90 فراتر می رود ( Dash & Paul, 2021 ; Lin et al., 2017 )، که نشان دهنده یک برازش مدل قابل قبول است. علاوه بر این، مقدار RMS-تتا 0.082 نشان دهنده تناسب خوبی است زیرا به زیر سطح تحمل 0.12 می رسد ( Henseler et al., 2014 ). با این حال، باید توجه داشت که معیارهای مناسب بودن در PLS-SEM در درجه اول برای طرح ریزی مدل در تحقیقات اکتشافی استفاده می شود ( هیر و همکاران، 2012 ).
برای ارزیابی اعتبار متمایز، معیار Fornell-Larcker (FLC) و Heterotrait-Monotrait Ratio (HTMT) توسط Hair و همکاران توصیه شد. (2014) . FLC یک رویکرد محافظه کارانه برای آزمایش همبستگی بین سازه ها برای هر متغیر پنهان است. مقادیر مورب در جدول 5 بالاتر از مقادیر افقی مربوطه خود هستند. علاوه بر این، HTMT برای بررسی بیشتر اعتبار تمایز مورد استفاده قرار گرفت. مو و همکاران (2014) توصیه کرد که مقدار برش <0.900 برای HTMT قابل قبول است. نتایج تجزیه و تحلیل HTMT در جدول 6 ارائه شده است و مقادیر زیر این آستانه را نشان می دهد، که نشان می دهد سازه ها اعتبار تفکیک مناسبی دارند. ( جدول 7 را ببینید .)

جدول 5 . مناسب مدل

پارامترها ارزش ها آستانه مرجع
ضریب تورم واریانس (VIF) 1.99 تا 3.45 ≤5.00 سرستد و همکاران (2014)
Root Mean SYQuared Residual (SRMR) استاندارد شده 0.032 ≤0.08 داش و پل (2021) ؛ کارفورا و همکاران (2019)
شاخص تناسب هنجار (NFI) 0.902 ≥0.70 ( گرمن و همکاران، 2022 ؛ دش، کیفر و پل، 2021 )
RMS-تتا 0.082 <0.12 هنسلر و همکاران، 2014

جدول 6 . معیار فورنل-لارکر (FLC).

عوامل ASU ATB BI IQ PBC SEQ PEC PEU PU SN SYQ
ASU 0.86
ATB 0.524 0.836
BI 0.591 0.48 0.844
IQ 0.354 0.337 0.322 0.867
PBC 0.579 0.556 0.521 0.296 0.891
SEQ 0.397 0.332 0.431 0.449 0.364 0.845
PEC 0.525 0.594 0.419 0.261 0.581 0.306 0.883
PEU 0.433 0.404 0.454 0.369 0.358 0.495 0.308 0.854
PU 0.414 0.452 0.452 0.541 0.399 0.562 0.368 0.562 0.848
SN 0.536 0.557 0.429 0.255 0.509 0.277 0.585 0.316 0.338 0.84
SYQ 0.39 0.325 0.401 0.429 0.328 0.457 0.276 0.454 0.49 0.291 0.839

جدول 7 . نسبت Heterotrait-Monotrait Ratio (HTMT).

عوامل ASU ATB BI IQ PBC SEQ PEC PEU PU SN SYQ
ASU
ATB 0.557
BI 0.635 0.529
IQ 0.382 0.372 0.359
PBC 0.618 0.607 0.575 0.328
SEQ 0.434 0.372 0.488 0.51 0.409
PEC 0.578 0.672 0.476 0.297 0.655 0.355
PEU 0.472 0.45 0.511 0.417 0.4 0.567 0.355
PU 0.451 0.505 0.51 0.613 0.446 0.645 0.423 0.642
SN 0.577 0.616 0.477 0.285 0.562 0.314 0.666 0.356 0.382
SYQ 0.42 0.359 0.447 0.481 0.363 0.518 0.315 0.512 0.555 0.326

Leave A Comment