PLS(Partial Least Squares, 偏最小平方法)是現在有很多管理學院碩士班博士班研究生不可獲缺的統計分析工具之一，也許您還是不知道PLS是什麼，可能只是因為指導教授或是學長姊的要求來找到這篇文章，但沒有關係，以下我就來告訴你PLS到底是什麼樣的工具。
基本上PLS是結構方程模型的一種統計分析方法，和傳統的結構方程模型(例如您常聽到用LISREL進行SEM分析)有所區別，但同樣屬結構方程模型的一種。我們可以將過去使用的結構方程模型稱做是Covariance-based SEM (CB-SEM)，主要的原理是透過比較觀察變數的共變矩陣和理論模型的共變矩陣來計算出所謂的Fit，也就是適配度，來看您提出的模型是否有得到收集到的資料的支持。
CB-SEM一直以來備受肯定，但是，CB-SEM對於資料的要求相對較高，例如要求常態分配…等，有學者就指出CB-SEM在實徵研究上是不切實際的。若您實際執行過CB-SEM，您會發現怎麼調整您的model，您的model fit始終很難超過很多fit的標準。
現在所要講的PLS，基本原理跟CB-SEM完全不一樣，PLS簡單的來說是一次跑了許多條迴歸模型。學者把這樣的SEM稱做PLS-SEM。學者也認為CB-SEM和PLS-SEM是互補的！當然現在有很多研究都指出PLS過於泛爛，而且很多誤用，所以正確的使用PLS-SEM是必需的！
基本上PLS是結構方程模型的一種統計分析方法，和傳統的結構方程模型(例如您常聽到用LISREL進行SEM分析)有所區別，但同樣屬結構方程模型的一種。我們可以將過去使用的結構方程模型稱做是Covariance-based SEM (CB-SEM)，主要的原理是透過比較觀察變數的共變矩陣和理論模型的共變矩陣來計算出所謂的Fit，也就是適配度，來看您提出的模型是否有得到收集到的資料的支持。
CB-SEM一直以來備受肯定，但是，CB-SEM對於資料的要求相對較高，例如要求常態分配…等，有學者就指出CB-SEM在實徵研究上是不切實際的。若您實際執行過CB-SEM，您會發現怎麼調整您的model，您的model fit始終很難超過很多fit的標準。
現在所要講的PLS，基本原理跟CB-SEM完全不一樣，PLS簡單的來說是一次跑了許多條迴歸模型。學者把這樣的SEM稱做PLS-SEM。學者也認為CB-SEM和PLS-SEM是互補的！當然現在有很多研究都指出PLS過於泛爛，而且很多誤用，所以正確的使用PLS-SEM是必需的！
留言
張貼留言