Antecedents to Leadership: A CB-SEM and PLS-SEM Validation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The main issue with this paper is to investigate the link between emotional intelligence and transformational leadership and the role of organizational culture as a moderator on that relationship by using two research methods: The covariance-based structural equation modeling (CB-SEM) and partial least squares (PLS-SEM). The study examined a complex model consisting of 60 indicators including moderator effects which used real data. This will help in understanding the respective differences of the two approaches in a setup comprising model specification and parameter estimation. The dual SEM approach represents an important contribution, permitting validation of the model's robustness, and, thanks to the CB-SEM method, to overcome the limitations of PLS-SEM. The findings show that both methods yield similar results with minor differences that may be attributed to their respective estimation requirements including model fit and complexity issues. After considering these results and findings from studies done in this line, the researcher concludes that future studies need to observe recommendations made to focus on the phenomenon and research design aspects and, not mere modeling. A study limitation is not testing SEM boundaries with non-normal data and small sample size. The study is first to apply SEM approaches to verify results of a complex leadership model that included moderator affects. A key implication is the insight gained about the application of standards and guidelines for clarifying the interpretation of the SEM theories and models for leadership and management research. This implies the equal use of the CB-SEM and PLS-SEM for future studies, without undue bias.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle