SmartPLS是一款功能十分強(qiáng)大的PLS-SEM數(shù)據(jù)分析軟件，該軟件結(jié)合了行業(yè)內(nèi)最先進(jìn)的分析方案，為用戶提供了直觀清晰的UI用戶界面，能夠幫助用戶高效率地完成數(shù)據(jù)建模和分析操作，內(nèi)置了全新的智能AI算法，能夠獲得更加精準(zhǔn)和完善的報告結(jié)果，大大提升用戶的工作效率，有需要的小伙伴千萬不要錯過哦。

【功能介紹】

　　一、輕松深入了解您的數(shù)據(jù)！

　　1、強(qiáng)大的建模環(huán)境使您可以在幾分鐘內(nèi)創(chuàng)建路徑模型。

　　2、項目經(jīng)理可以幫助您跟蹤所有分析和文件。

　　3、使用顏色，邊框和字體自定義模型，以分別強(qiáng)調(diào)您的想法！

　　4、內(nèi)置的算法解釋和有意義的默認(rèn)設(shè)置使您可以輕松進(jìn)入PLS-SEM世界。

　　5、井井有條的報告可全面洞悉您的結(jié)果。

　　6、將結(jié)果永久保存為HTML報告或Excel文件。

　　7、創(chuàng)建數(shù)據(jù)組以輕松運行多組分析。

　　8、創(chuàng)建交互條件并運行主持人分析，沒有任何問題。

　　二、SmartPLS是所有PLS-SEM分析的主力軍-對于初學(xué)者和專家

　　這是我們（不斷增長的）所有可用計算方法的列表。相關(guān)的創(chuàng)新算法也將在短時間內(nèi)在SmartPLS中提供。我們承諾。

　　1、偏最小二乘（PLS）路徑建模

　　2、基于sumscores的普通最小二乘（OLS）回歸

　　3、一致的PLS（PLSc）

　　4、加權(quán)PLS（WPLS），加權(quán)OLS（WOLS）和加權(quán)一致PLS（WPLSc）

　　5、引導(dǎo)程序和高級引導(dǎo)程序選項的使用

　　6、蒙住眼睛

　　7、重要績效圖分析（IPMA）

　　8、PLS多組分析（MGA）：分析特定于組的PLS路徑模型估計的區(qū)別和重要性

　　9、高階模型

　　10、中介：間接影響的估算及其基于引導(dǎo)的重要性測試

　　11、審核：交互作用的估計及其基于引導(dǎo)的重要性測試

　　12、非線性關(guān)系：二次效應(yīng)的估計及其基于自舉的顯著性檢驗

　　13、驗證性四元分析（CTA）：一種統(tǒng)計技術(shù)，可以對測量模型的設(shè)置進(jìn)行實證測試

　　14、有限混合（FIMIX）細(xì)分：一種潛在類方法，可以識別和處理路徑模型中未觀察到的異質(zhì)性

　　15、面向預(yù)測的細(xì)分（POS）：一種識別數(shù)據(jù)組的方法

　　16、PLS預(yù)測：一種確定PLS路徑模型的預(yù)測質(zhì)量的技術(shù)

　　17、面向預(yù)測的模型選擇

【使用教程】

　　一、PLS中的驗證性四元分析（CTA-PLS）

　　1、抽象

　　PLS-SEM（CTA-PLS；Gudergan等人，2008）中的確認(rèn)性四元分析可以區(qū)分形成性和反射性測量模型。原則上，該分析遵循Bollen和Ting（2000）在PLS-SEM環(huán)境中測試模型隱含四邊形的確認(rèn)方法。

　　2、描述

　　在PLS-SEM（CTA-PLS；Gudergan等人，2008）中使用確認(rèn)四元分析可以區(qū)分形成性和反射性測量模型。原則上，該分析遵循Bollen和Ting（2000）在PLS-SEM上下文中測試模型隱含四邊形的確認(rèn)方法，不同之處在于采用了引導(dǎo)程序來測試模型隱含四邊形的重要性。

　　Gudergan等。（2008年）詳細(xì)描述了CTA-PLS程序。

　　所執(zhí)行的過程每個構(gòu)造至少需要4個清單變量，并且每個構(gòu)造最多可以處理25個清單變量，這是因為，如果四元組是否冗余，測試數(shù)量呈指數(shù)增長。

　　3、SmartPLS中的CTA-PLS設(shè)置

　　子樣本

　　在引導(dǎo)過程中，將使用從原始數(shù)據(jù)集中隨機(jī)抽取的觀察值（帶有替換值）創(chuàng)建子樣本。為了確保結(jié)果的穩(wěn)定性，子樣本的數(shù)量應(yīng)大。

　　對于初步評估，可能希望選擇較少數(shù)量的引導(dǎo)子樣本（例如500個），以使用PLS-SEM算法隨機(jī)抽取和估計，因為這需要更少的時間。但是，為準(zhǔn)備最終結(jié)果，應(yīng)使用大量的引導(dǎo)子樣本（例如5,000個）。

　　注意：大量的自舉子樣本會增加計算時間。

　　并行處理

　　此選項在多個處理器上運行引導(dǎo)例程（如果您的計算機(jī)設(shè)備提供多個內(nèi)核）。使用并行計算將減少計算時間。

　　重要信息：進(jìn)程數(shù)不應(yīng)超過計算機(jī)中的處理器數(shù)。

　　測試類型

　　指定是進(jìn)行單面還是雙面重要性測試。

　　顯著性水平

　　指定測試統(tǒng)計信息的重要性級別。

　　二、判別有效性評估

　　1、抽象

　　判別有效性評估的目的是確保在PLS路徑模型中，反射性結(jié)構(gòu)與其自身指標(biāo)（例如，與任何其他結(jié)構(gòu)相比）具有最強(qiáng)的關(guān)系（Hair等人，2017）。

　　2、簡要描述;簡介

　　判別有效性評估已成為分析潛在變量之間關(guān)系的公認(rèn)先決條件。對于基于方差的結(jié)構(gòu)方程建模，例如偏最小二乘，

　　Fornell-Larcker準(zhǔn)則和

　　交叉荷載的檢查是評估判別效度的主要方法。

　　Henseler，Ringle和Sarstedt（2015）通過模擬研究表明，在通常的研究情況下，這些方法不能可靠地識別出缺乏判別效度。因此，這些作者提出了一種基于多性狀-多方法矩陣的替代方法來評估判別效度：相關(guān)性的異質(zhì)性-單性比率（HTMT）。Henseler，Ringle和Sarstedt（2015）通過蒙特卡洛模擬研究證明了該方法的優(yōu)越性能，在該研究中，他們將新方法與Fornell-Larcker準(zhǔn)則進(jìn)行了比較，并對（部分）交叉荷載進(jìn)行了評估。最后，它們提供了有關(guān)在基于方差的結(jié)構(gòu)方程模型中如何處理判別有效性問題的指南。

　　參見Henseler，Ringle和Sarstedt（2015），詳細(xì)了解基于差異的結(jié)構(gòu)方程模型中用于區(qū)分效度評估的HTMT標(biāo)準(zhǔn)。

　　3、SmartPLS中的判別有效性評估

　　在SmartPLS中運行PLS和PLSc算法時，結(jié)果報告在“質(zhì)量標(biāo)準(zhǔn)”部分中將包含有區(qū)別的有效性評估結(jié)果。提供以下結(jié)果：

　　Fornell-Larcker標(biāo)準(zhǔn)，

　　交叉裝載，以及

　　HTMT標(biāo)準(zhǔn)結(jié)果。我們建議使用HTMT標(biāo)準(zhǔn)來評估判別有效性。如果HTMT值低于0.90，則已在兩個反射構(gòu)造之間建立了判別有效性。

　　如果要獲取HTMT_Inference結(jié)果，則需要運行引導(dǎo)例程。啟動引導(dǎo)程序時，選擇“CompleteBootstrapping”選項很重要。然后，在引導(dǎo)結(jié)果報告中的“質(zhì)量標(biāo)準(zhǔn)”部分中找到引導(dǎo)的HTMT標(biāo)準(zhǔn)結(jié)果。

　　請注意：在SmartPLS3.2.1和更高版本中，HTMT標(biāo)準(zhǔn)計算與Henseler，Ringle和Sarstedt（2015）給出的方程式不同。SmartPLS不使用指標(biāo)之間的相關(guān)性，而是使用指標(biāo)之間的相關(guān)性的絕對值。例如，當(dāng)不是使用0.1、0.2和-0.3導(dǎo)致平均相關(guān)性為0時，會導(dǎo)致原始HTMT方程出現(xiàn)問題，而SmartPLS使用0.1、0.2和0.3導(dǎo)致平均相關(guān)性為0.2。因此，在SmartPLS中將HTMT標(biāo)準(zhǔn)限定在0到1之間，并且不會因負(fù)相關(guān)而導(dǎo)致問題。

　　三、適合度（GoF）

　　1、抽象

　　擬合優(yōu)度（GoF）已開發(fā)為PLS-SEM模型擬合的整體度量。但是，由于GoF無法可靠地將有效模型與無效模型區(qū)分開來，并且由于其適用性僅限于某些模型設(shè)置，因此研究人員應(yīng)避免將其用作擬合優(yōu)度度量。GoF對于PLS多組分析（PLS-MGA）可能有用。

　　2、描述

　　另請參閱有關(guān)模型擬合的信息。

　　研究表明，該措施不適合識別錯誤指定的模型（Henseler和Sarstedt，2012年；有關(guān)該措施及其局限性的討論，請參見第6章）。結(jié)果，使用PLS-SEM的研究人員依靠指示模型預(yù)測能力的措施來判斷模型的質(zhì)量。”（Henseler等人，2014）。

　　Henseler和Sarstedt（2012）詳細(xì)解釋了Tenenhaus等人的PLS的全球擬合優(yōu)度（GoF）。（2004年）并不代表一個合適的量度，因此不應(yīng)該這樣使用。但是，Henseler和Sarstedt（2012）也顯示，當(dāng)研究人員比較同一PLS路徑模型的不同數(shù)據(jù)組的PLS-SEM結(jié)果時，GoF可能對PLS多組分析（PLS-MGA）有用。

　　四、有限混合偏最小二乘（FIMIX-PLS）

　　1、抽象

　　有限混合偏最小二乘（FIMIX-PLS）分割是一種在內(nèi)部（結(jié)構(gòu)）模型中發(fā)現(xiàn)未觀察到的異質(zhì)性的方法。它通過為每個觀測值估計段成員資格的概率來捕獲異質(zhì)性，并同時估計所有段的路徑系數(shù)。

　　2、描述

　　有限混合部分最小二乘（FIMIX-PLS）分割是一種在內(nèi)部（結(jié)構(gòu)）模型中發(fā)現(xiàn)未觀察到的異質(zhì)性的方法（Hahn等，2002）。它通過為每個觀測值估計段成員資格的概率來捕獲異質(zhì)性，同時估計所有段的路徑系數(shù)。

　　由于異質(zhì)性經(jīng)常出現(xiàn)在實證研究中，因此研究人員應(yīng)始終考慮潛在的異質(zhì)性來源，例如，根據(jù)人口統(tǒng)計學(xué)（例如年齡或性別）等可觀察特征形成數(shù)據(jù)組。當(dāng)異構(gòu)數(shù)據(jù)結(jié)構(gòu)可以追溯到可觀察的特征時，我們將這種情況稱為觀察到的異構(gòu)性。不幸的是，數(shù)據(jù)異質(zhì)性的來源永遠(yuǎn)無法被先驗充分地了解。因此，出現(xiàn)了以下情況：與未觀察到的異質(zhì)性有關(guān)的差異導(dǎo)致無法準(zhǔn)確估計PLS路徑模型，從而可能會出現(xiàn)有效性問題（Becker等人，2013）。由于研究人員從未知道未觀察到的異質(zhì)性是否會引起估算問題，

　　最近已經(jīng)提出了幾種潛在類技術(shù)，這些技術(shù)概括了統(tǒng)計概念，例如有限混合模型，類型回歸和遺傳PLS-SEM算法。最突出的潛在類別方法之一是有限混合偏最小二乘（FIMIX-PLS；Hahn等人，2002；Sarstedt等人，2011）。基于混合回歸概念，F(xiàn)IMIX-PLS同時估算路徑系數(shù)，并通過計算觀測段成員資格的概率來確定數(shù)據(jù)的異質(zhì)性，以使其適合預(yù)定數(shù)量的組。

　　考慮到該方法在以前的研究中的表現(xiàn)（例如Sarstedt和Ringle，2010年），以及通過軟件應(yīng)用程序SmartPLS，Hair等人的方法的可用性。（2012年）建議研究人員應(yīng)常規(guī)使用該技術(shù)來評估PLS-SEM結(jié)果是否由于未觀察到的異質(zhì)性而失真。有關(guān)經(jīng)驗數(shù)據(jù)方法的更詳細(xì)討論和分步說明，請參閱Ringle等。（2010），Rigdon等。（2010），Hair等。（2016），以及Matthews等。（2016）。對于FIMIX-PLS的應(yīng)用，請參見例如Sarstedt等。（2009年）和Rigdon等人。（2011）。

　　3、SmartPLS中的FIMIX-PLS設(shè)置

　　段數(shù)

　　對其進(jìn)行細(xì)分的預(yù)定義細(xì)分的數(shù)量。

　　最大迭代

　　細(xì)分算法將執(zhí)行的最大迭代次數(shù)。對于足夠好的細(xì)分解決方案，應(yīng)該足夠高。

　　停止標(biāo)準(zhǔn)

　　如果兩次連續(xù)迭代之間的對數(shù)似然（LnL）的變化小于此停止標(biāo)準(zhǔn)值（或達(dá)到最大迭代次數(shù)），則FIMIX-PLS算法停止。

　　高級設(shè)置

　　使用未標(biāo)準(zhǔn)化的潛在變量分?jǐn)?shù)：在執(zhí)行有限的混合細(xì)分之前，將潛在變量分?jǐn)?shù)未標(biāo)準(zhǔn)化為其原始指標(biāo)。

　　估計回歸截距：在結(jié)構(gòu)回歸中包括回歸截距，用于有限混合物分割算法。估計特定于段的截距。如果在執(zhí)行細(xì)分任務(wù)之前未對潛在變量評分進(jìn)行標(biāo)準(zhǔn)化，則很有用。

　　重復(fù)次數(shù)

　　FIMIX-PLS可以執(zhí)行多次，并選擇具有最佳LnL值的解決方案以避免局部最優(yōu)。此值定義執(zhí)行FIMIX-PLS算法的頻率。