如何取得SmartPLS (Smart-PLS)

到底我要如何實際實行PLS呢？筆者建議使用SmartPLS，它是由學者Ringle等人所開發的。對於研究上的需要的人，這套軟體是免費下載，免費取得認證的。這套軟體也是目前相對穩定，容易使用，而且容易取得的軟體。

請直接至SmartPLS網站(http://www.smartpls.de/forum/)進行下載。

2015/11/04 更新：由於新版SmartPLS 3已經公佈了，舊版SmartPLS 2 沒辦法直接下載了喔！可以參照另一篇文章方法來取的SmartPLS 2。http://plsteaching.blogspot.tw/2015/11/smartpls-203.html

下載的第一步驟是註冊(Register)，請直接點選網頁中的Register

接著按下"I agree to these terms"

註冊成功之後會出現以下的畫面，接著請到您的所註冊的email收信

以下就是確認信的內容，基本上您的帳號還沒有真正被認可，需要等待官方確認之後，會再寄另外一封信給您

待官方寄給您新的email，裡面就有認證碼了！

完成認證之後登入smartpls的網站，您就會看到右側邊有一個downloads的按鈕

之後會看到以下下載的頁面，依據您的系統來選擇要下載的檔案

下載完後的檔名會是"smartpls_2.0.M3_win32.win32.x86_including_jre.zip"，請將這個壓縮檔解壓縮到您指定的資料夾

打開資料夾後找到"smartpls.exe"這個檔案後執行，執行後系統會問您，您 licencee，只需要把email中的認證碼貼給它就行了，完成認證之後就可以開始使用smartpls了！！

參考文獻：
Ringle, C. M., Wende, S., & Will, A. (2005). SmartPLS 2.0 (M3), Hamburg, Germany.

留言

這個網誌中的熱門文章

PLS 是什麼？

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！

閱讀完整內容

估計與檢驗你的結構模型

建立好你的結構模型之後，就可以開始估計和檢驗你的模型了(事實上在實際研究時，通常會有兩步驟來完成結構方程模型的檢驗，第一步是檢驗你的衡量模型也就是measurement model，第二步才是檢驗你的結構模型structural model，在這邊，我們先簡單的說明結構模型的初步操作，讓大家可以很快速的先看到自己的研究結果，有關衡量模型與結構模型的說明，請見另一篇文章： PLS如何運作？ ) 第一步是先估計你的研究模型，操作方式非常簡單，只要照著以下的步驟操作，就可以得到結果。 1、選擇演算法點選功能列中BT按鈕旁的倒三角型(如下圖的地方)，點選後會看到下拉選單，請選擇PLS Algorithm。 2、演算法設定，點選後會看到以下畫面在missing values的部分，有兩種演算法可以選擇，第一種就是目前下面圖片示展現的叫做mean replacement，這種方式是運用同變數的其他樣本平均數來取代遺漏值，建議可採用這種方式，記得apply missing value algori的核取方塊要打V ，另一種方式叫做case wise replacement，這種方式是當某樣本中有遺漏值的時候，就直接把整筆樣本從分析中拿掉，當然把資料拿掉就代表你會因此刪除掉非常多的資訊和樣本，當然如果你的樣本數量夠多，可以不用單心十幾個樣本被拿掉，但如果你的樣本數不多，像我的樣本是來從台灣千大公司，每一個樣本都很重要，少十個影響很大，所以我會選擇mean replacement來解決遺漏值的問題。在PLS Algorithm - Settings的部分，Weighting scheme請選擇Path weighting scheme，至於為什麼要選這個，就又是另一個長篇大論，之後再寫文章來說明之。這邊可以引用Hair, J. F., et al. (2013). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM), SAGE Publications, Inc. 的書做為參考文獻。再來data metric的部分，使用預設就行了，這邊是將資料做標準化的選項，通常會把資料轉換成標準常態分配，也就是平均數是0，標準差是1的分配，

閱讀完整內容

PLS如何運作？

首先，我要向大家介紹PLS-SEM的基本原理，基本上您若只是想瞭解PLS如何使用，更精確的說，如何實際檢驗研究模型，或者是說想要知道研究模型的路徑是否成立，提出的假說是否成立。如果您只是想要知道這些，可以直接跳過這個章節。 PLS的演算方法基本上是以"Block"為單位，一個一個Block去計算，那到底什麼是Block？我們可以下圖來說明以上圖來說，一個construct(上圖中的圓型)加上他的items(上圖中的長方型)，就形成一個Block。您不要把它想的太難太抽象，其實就只是一個construct加上反映出它抽象概念的items，就成為所謂的Block了。PLS就是透過許多個Block反覆計算而估計出item loadings 和 path coefficients 路徑係數。您會發現上圖中有兩種Block的型態，一種是formative mode，另一種是reflective mode，formative mode的展現方式是item指到construct，這代表的是這些items共同是形塑一個抽象的概念，例如，你買了一支iphone，它的外型漂亮、作業系統流暢、朋友看到了讚賞你，這些實際衡量得到的特徵，綜合起來讓你體認到，買了iphone的「滿意度」。reflective mode的展現方式是construct指到items，這代表著construct這個抽象的概念是實際存在的，因為它的存在所以才能夠實際上觀察的到，例如你感冒了，所以你流鼻水、頭痛、眼睛紅…等等，這些是因為你感冒而反映出來實際能觀察到的特性。在你的研究模型中，你必需要很清楚的知道你欲研究的construct是屬於何種，如果你能確認你的construct是屬於何種，才能夠正確的在PLS中進行分析。PLS的強項，就是能夠讓你輕易的估計這兩種mode，並檢驗你的研究模型。在PLS中，通常會把以往常說的Measurement Model 衡量模型，稱之為Outer Model。而以往常說的Structural Model 結構模型稱為Inner Model。這些只是名詞上的問題，我們就不著墨太多。基本上和以往一樣，您在檢驗您的研究模型時，最好還是使用兩階段的檢驗方法，第一階段是檢驗您的Outer Model，包括各種信效度的檢驗，例如

閱讀完整內容

PLS (Partial Least Squares) 很簡單！ SmartPLS 易上手！！

搜尋此網誌