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，我們不用去動它。Maximum Iterations的部分一樣不用動他，這邊是指在估計參數時，最多跑300回停止，還記得PLS如何運作？裡有說的嗎？PLS是反覆的估計latent construct scores (潛在概念分數)而來的，所以這邊才會要設定最高跑幾次，因為如果收斂不了，電腦也會自動停下來。再來Abort Criterion，這邊是科學記號0.00001，跟剛才一樣，是收斂的停止條件。最後一個是initial weights，直接用預設值1就行了。選取完之後選擇finish。

3、檢視你的估計結果，從下圖可以看到Construct 內有兩個指標，一是Composite reliability，另一則是R square，這邊我們可以先看R square (Composite reliability是衡量模型要檢視的)，R square並沒有一個標準，視不同領域而討論之，並非你今天得到R square值大於多少就是顯著或不顯著，也不是你的R square低於0.1就代表你的模型不好，R square只是告訴你，你的自變數能解釋依變數的程度，從0~1，0代表你的自變數完完全全跟依變數無關，1代表你的自變數可以百分之百解釋依變數。

再次檢視路徑係數，就是在Construct 間的線上的數字，這些數字代表A Construct 影響B Construct 的程度，數字愈大當然表示A Construct 影響B Construct 的程度愈大，有沒有絕對標準？一樣沒有，如同剛才說的R square一樣。

 有些人跑完PLS Algorithm 不會看到太多數據，那是因為很多數據被PLS給藏起來，或是在report功能裡面，如果你希望你每次跑完，SmartPLS都可以顯示出完整的數據，那你可以按以下方式操作，把數據叫出來，方式如下：
先選擇Window，裡的Preferences

選完之後會看到以下畫面，中間的Display directly就是你執行完PLS Algorithm或是其他Algorithm後，SmartPLS會直接顯示的數據，這時你可以點選右方的New按鈕

選擇後你可以看到一個對話視窗，有許多不同的數據，都可以從這邊叫出來，例如你想要在construct裡顯示出R Square，就直接在對話視窗裡選擇R Square然後按OK就行了，如果需要AVE，一樣點選AVE按OK就行了

第二步是檢驗你的結構模型的各路徑是否顯著，個步驟非常重要，前面的步驟只是告訴你路徑係數和R Square，並沒辦法告訴你，這些路徑係數是不是有所謂統計上的「顯著」，前面的只是估計值而已。所以接下來我們要使用Bootstrapping方法，來檢驗模型的各路徑是否顯著。這邊為什麼要用Bootstrapping的方法呢？那是因為PLS-SEM不像COV-SEM，PLS必需透過重複抽樣樣本集裡的樣本，藉此來估計出數個估計值，講簡單一點，Bootstrapping就是去你提供的樣本裡再抽樣出來成為一個新的樣本，這個新的樣本，就可以運用PLS Algorithm估計出我們剛才估計的所有東西(像是路徑係數)，這樣Bootstrapping就得到一組全模型的估計值，接著Bootstrapping會繼續再從你的樣本裡，再抽出樣本並組成新的樣本，而這個新的樣本又可以有一組全模型的估計值，Bootstrapping重複這個步驟，可以得到N組估計值，然後再利用這N組的估計值來檢驗，看看路徑係數能不能達到顯著水準。 

好吧，如果上面講的你完全不知道在講什麼，也沒關係，你只要知道，在PLS裡，你要知道路徑顯不顯著，要利用Bootstrapping方法才行！操作方法如下：

1、選擇Bootstrapping方法

2、設定Bootstrapping方法

選擇Bootstrapping後，會看到下面的對話視窗，基本上Sign Changes的部分請選擇No Sign Changes，這個選項是指當PLS在Bootstrapping的時候，抽出來的子樣本的正負號必需要和原始樣本一樣。

Cases的部分，請輸入你的樣本數，我的樣本有134個，所以就輸入134，這也是告訴Bootstrapping每次抽子樣本的時候，樣本數是134個

Samples的部分，建議5000次，這個建議值可以得到比較穩定的結果，同樣也是Hair, J. F., et al. (2013). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM), SAGE Publications, Inc. 這本書藉所建議的。

設定完成後按Finish即可

3、檢視你的研究模型

Bootstrapping結束後，你應該會看到如下圖的畫面，路徑上所顯示的，是 t value， t value就告訴你，你的路徑是否顯著，那到底怎麼判斷？很簡單， t value只要大於2.57就代表你的顯著水準是1%，也就是p<0.01，就是非常顯著啦；t value大於1.96就代表顯著水準是5%，就是p<0.05，這是大家常用的標準，通常 t value要大於1.96才叫值顯著；t value大於1.65，這代表顯著水準是10%，也就是p<0.1，這是最寬鬆的標準了。

當然也不要忘記去看看你的indicators 和constructs之間loading值的顯著水準，通常所有的loading值，都必需要顯著，如下圖

也可以叫報表出來進一步的看詳細數值，方法很簡單，點選下圖的圖示即可叫出詳細報表

下圖即為詳細的報表，在Bootstrapping項目下有許多選項，你可以去看所有outer loadings值，outer loadings值的平均數、標準差、 t value等等。例如這邊點選outer loadings，你可以看到每一個Sample outer loading的估計值，這邊的一個Sample 都是Bootstrapping去抽樣你的樣本而來的一個子樣本，剛才要大家設定Bootstrapping抽樣5000次，所以在這邊的報表裡，你可以滑鼠拖曳往下看，會看到從Sample 0 一直到Sample 4999，每一個子樣本的估計值，都可以看的到喔！

接著如果你選擇Outer Loadings (Mean, STDEV, T-Value)，就會看到以下報表，報表裡會跟你說是那一條路徑，例如第一條路徑是ComNecIOS01 <- CN，就是從CN指到ComNecIOS01這個indicator的Loading各項數據，往右邊依序可以看到原始樣本(標記為O)(你的樣本)的Loading值，這個值就是剛才運用PLS Algorithm計算而來的值，再來是樣本平均數(標記為M)是指Bootstrapping抽這麼多子樣本出來的平均數，標準差(標記為STDEV)是指Bootstrapping抽出子樣本的標準差，最後一個是T值，就是顯著性了，看的方式跟剛才一樣，基本上只要超過1.96就代表p<0.05就是顯著了。