PLS上課講義

PLS與LISREL最大的不同
1. 正規的說法
(1) 適用於小樣本或中規模樣本
(2) 回收樣本不符合常態分配(應該用無母數的KS檢定確定是否常態,SEM雖有ADF方法可以解決缺乏常態分配的缺陷,但此時需要非常多樣本數)
(3) PLS是component base,將每個元件一一加入,看看每個變數到底能解釋多少變異。
LISREL是CO-variance base,是要驗證整個模式與假設是否相同。
在某些特定情境下,PLS與Regression的係數會一樣。
但因為PLS有多個items,每個item的loading是不同的,但迴歸的每個items是相同權重的。
因此,當強制規定items的權重都是相同的,或者是只有一個item,則迴歸與PLS的答案是相同的。

2. 非正規的說法
當SEM用到萬念俱灰,想要放棄時,改用PLS。
這是經常發生的情況。


====================================================
安裝smartpls
====================================================

步驟1. 到smartpls.de 申請論壇forum帳號,等待三天內取得軟體的key
步驟2. 到smartpls.de論壇下載軟體download
步驟3. 安裝java run time environment (到google搜尋,就能找到最新版的
步驟4. 安裝smartpls軟體,輸入序號key,此序號90天要更新一次。同一序號可以安裝三次。

使用smartpls

1. 開啟project
輸入project名稱
輸入資料來源(csv或txt)
確定missing value為何

2. 專案內會有兩個檔案
(1) 路徑繪圖檔
可以create多個model,因此路徑繪圖檔可以有多個

(2) 資料檔(若在icon方框上有綠色小勾勾,表示轉換成功,若是紅色叉叉,表示資料匯入有誤)
資料檔的欄位,不可以出現空格。中文欄位名稱很容易出問題。
非數字資料最好先刪除,免得出問題,因為反正PLS不會用到。
資料匯入很容易出問題,要小心。


3. 模式工作區上方只有三個工具可以使用
(1) select 選擇
(2) variable 變數
(3) path 路徑

(a. 按select,選變數,按滑鼠右鍵,可以rename object,另有四個選項是item呈現的位置。
還有一個選項是formative與reflective的轉換(預設值為reflective,選擇invert measurement
model,會改成formative model)。

(b.)當變數還是紅色時,表示仍有錯誤。要先解決。


4. 在工作區三個按鈕的左邊,有個綠色按鈕,就是run,
這個按鈕有四個選項,經常用到的是最後兩個選項。


5. 在功能表的view,有grid選項,可以幫工作區劃格線,讓畫圖形時,可以對齊。

6. indicator的拉法,是直接選indicator,按滑鼠,移到想要畫到的latent variable,然後放手,即可。
用過的indicator會改變顏色,或者可以選擇讓用過的indicator消失。

======================================================
分析結果

1. loading,顯示在indicator到latent variable,太低的loading是不能用的,不必看信效度就能猜出來
2. R-square,顯示在變數上面。高低無標準,但愈高愈好。
3. path係數,顯示在latent variable之間的線。

如果loading太低,或是path係數太低,則需修改。

如果一切ok,可以進一步看報告。有四種格式的報表。


====================================================
信效度衡量(smartpls都提供)
CR(門檻為0.7)
AVE(門檻值為0.5)(區別效度為AVE值大於latent變數間相關係數)
Cronbach alpha(門檻值為0.7)

model效果
====================================================
R-square
總模式的R-square
========================================================
使用情境

1. 所有變數都是reflective。但這種model可以用LISREL。很容易被問為何不用LISREL。

2. 有formative variable。(LISREL無法處理)

3. 探討變數間交互作用。(LISREL無法處理,但迴歸可以處理)
可以透過R-square的增減,來看看哪一個model比較好。
========================================================

常見的PLS二階factor處理方式

1. 利用平均數,作為二階的indicator factor
2. 利用主成分分析的結果,作為二階的基礎
3. 執行兩次一階的factor,畫在一起成為二階。

Chih-Chien Wang, Ph.D
Professor,
National Taipei University
http://wangson.idv.tw