以SmartPLS進行PLS-SEM模型估計

2023/11/07閱讀時間約 3 分鐘


本篇介紹如何執行PLS-SEM模型估計, SmartPLS其實和AMOS非常相似,都是按按按就可以執行,接下來一步步帶領大家如何執行最基本的PLS-SEM模型估計,目前 使用SmartPLS_3版本

Image

Image


打開 SmartPLS後,選擇NEW PROJECT,然後選擇你自己要的專案名稱,再按ok

Image

Image

就成功創建專案了,專案下面會出現兩點,紅字1為資料檔,紅字2為模型。先雙擊紅字1開始輸入資料,檔案只能用CSV或TXT檔案

Image

Image

輸入資料檔後,可以立刻查看,SmartPLS可以提供平均數、遺漏值、平均數、偏態和標準差等敘述統計,也可以看變項之間的相關係數。

Image

Image

Image

Image

接下來編輯模型路徑,點選Latent Variable (紅1)開點創建潛在變項,其形狀為圓形;再來將左側的資料檔變項拉到圖中成為觀察變項(紅色箭頭),觀察變項城黃色方框;當完成所有模型建構後,就可以進行模型估計(紅3)

Image

Image

當完成模型建構後,所有Latent Variable呈現藍色代表可以執行囉~選擇Partial Least Squares Algorithm進行模型估計。

Image

Image

當模型估計完,原本模型路徑圖就會擁有係數,初始呈現的潛在構面之間的係數為path coefficient(例:黃螢光色),不像AMOS可以查看標準化或非標準化係數,此處只能看標準化係數,係數從-1介於+1之間。 接近1或-1代表兩個潛在構面具有非常高關聯性, 接近0的代表兩者關聯非常低,不過值得注意的是,還要檢視其路徑是否達到顯著水準。而初始呈現的觀察變項和潛在購面之間係數為loading(例:綠色螢光),loading代表題目對變項的貢獻程度, 在PLS-SEM中,根據一條經驗法則,loading為0.7或更高(Hulland,1999:198),不過也並非所有研究者皆同意。但我認為高過.7還是比較好的,不然後面的區別和收斂效度很難通過。

Image

Image

除了上述係數以外,也有很多係數可以顯示於圖上(紅框處),若要看更多估計結果則按紅圈處

Image

Image

可以先點綠色螢光檢視模型適配度如何,一般而言,RMSEA最好小於.08(或.10),NFI最好高於0.9,estimated model是基於總體效果方案並考慮模型結構的模型。 因此,它再擬合度度量是比較嚴格的模式。然而Model Fit是基於CB-SEM的基礎,而非PLS-SEM,因此漸漸有很多研究開始不再使用這些指標來評鑑PLS-S

Image

Image

我們也可以透過R Square 檢視潛在構面可以被其他構面解釋的程度,但R Square 會受到自變項數目影響,當自變項越來越多則R Square 會只增不減,因此R Square Adjusted調整此問題,所以我常常會看R Square Adjusted而非R Square ,舉例來說,構面CO能被其他構面解釋10.5℅變異量,若考慮到自變項數目,則構面CO能被其他構面解釋10.2℅變異量。

Image

Image

如果有三個潛在購面影響A構面,則A構面的R Square於無法看出三個構面個別能解釋A的程度。 f Suuare則解決此問題,可以檢視個別構面影響A的效果值,例如:CO構面能被SQ和SV構面解釋,而SQ和CO的 f Suuare為0.233。 根據 Cohen (1988)標準,f Suuare0.02以下為低效果值,0.15為中度效果,.35以上為高度效果值。

Image

Image

如果自變項之間關連程度非常高時,甚至很可能用一個自變項取代其他自變項時,就很可能擁有多元共線性問題。我們也需要檢視模型是否具有多元共線性問題,outer VIF是否有超過標準,如果VIF值超過5則很可能具有多元共線性問題(Hair et al., 2011)

Image

Image

154會員
87內容數
用人話解釋統計分析,一步步教您如何使用統計軟體,並學會如何將統計報表解釋清楚。
留言0
查看全部
發表第一個留言支持創作者!
從 Google News 追蹤更多 vocus 的最新精選內容