以SmartPLS進行PLS-SEM:建立模型、中介、調節和衡等性分析
PLS和CB-SEM的差異
許多研究者可能對結構方程式(SEM)非常熟悉，但其實我們大多指的是Covariance-based SEM (CB-SEM)，而非今天主要說的Partial least squares SEM(PLS-SEM)，兩者不只出生時間相似，目的其實非常相似，都旨在探索潛在構面之間的關係，相較於迴歸分析，PLS-SEM和CB-SEM都能有效檢視一個以上的依變項，便同時數個檢驗中介和調節效果；相較於路徑分析，PLS-SEM和CB-SEM更能考量進測量誤差。但是為何CB-SEM比PLS-SEM更紅?可能要歸功於CB-SEM陣營AMOS的簡單和SPSS兼容性強，更是虜獲了眾多教育和心理領域研究生
以下內容為付費限定！以行動支持這位作者吧！
付費訂閱
分享至
成為作者繼續創作的動力吧！
將大量知識精緻化成一篇篇淺顯易懂的白話文，文章內容以圖像式和步驟化方式，教您如何在各種統計軟體中(例如:SPSS、R和Mplus)，執行多種統計方法。看完專題後，您能學會如何進行統計分析，並解讀報表結果。此外，我還會分享一些學術和科技新知，幫助您在學術之路上走得更順利。
