跳到主要內容

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,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。

留言

  1. 老師您好, 請問一下拉smartPLS模型是不是依據研究架構的模型去拉的嗎?

    回覆刪除
    回覆
    1. 是的!沒有先提出研究模型,基本上無從利用PLS來驗證模型。

      刪除
    2. 可是我smartPLS依照研究模型拉出smartPLS模型後跑出來的路徑係數t值都小於1.96 這樣是不是有問題~

      我的論文一直卡在這裡,尋求解救~QQ

      刪除
  2. 老師您好:

    不好意思!
    我第一次接觸PLS

    因為閱讀 這篇paper (企業行銷通路關係之研究-華人與西方關係觀點的整合)
    作者使用的是PLS-Graph 3.0軟體。
    因為問卷回收率17.17% 所以有使用T檢定 來分別檢定兩波樣本(也就是比較較早與較晚回收問卷者之間是否有差異)

    我想問的是 PLS -Graph 3.0軟體 是否有檢測T檢定的功能?

    我用的統計軟體都是以 SPSS 較多
    看了其他論文 蠻多篇是使用SPSS+PLS
    所以才有此疑問

    謝謝您!

    回覆刪除
    回覆
    1. 這篇論文並沒有說他是用PLS-Graph來做t檢定

      他的無反應偏差應該是用spss或是sas來做的,雖然在他的文中沒有指明

      刪除
    2. 老師 謝謝您!

      我也是這樣認為 應該是用spss 或是 sas

      但因為我沒用過PLS的軟體 ( 所以不知道是否有T檢定的功能 )
      我問同學 同學也不知道 -因為大家都沒用過這軟體
      上網查資料 一開始都是查到PLS+SPSS
      後來又查PLS的操作方式... 又好像有t檢定的功能
      但不知道是否只是有t值呈現 但卻無法像SPSS 或 SAS 做配對t 、獨立樣本t檢定....甚至是文章中說的無反應偏差

      我也不太好意思 再寫信問原作者>"<

      看paper就是會有一些盲點

      尤其是自己不熟的領域

      非常謝謝您的回覆!




      刪除
  3. 您好,老師想請教您,我照個步驟做,有些t值達到8以上,甚至有個路徑達到T=17....雖然這樣代表顯著性很高,但我想是不是隱藏著一些問題?謝謝!

    回覆刪除
    回覆
    1. 有,很可能存在共同方法變異common method variance問題

      刪除
    2. 作者已經移除這則留言。

      刪除
  4. 謝謝老師回覆,但我目前是碩士新手,不太了解這個名詞意思。剛剛上網查,好像是說問題的同樣程度太高。但現在有點不知道怎麼補救,可以的話煩請略微指點,謝謝!(補充:信度效度目前測試都是無問題的)

    回覆刪除
  5. 老師您好:

    不好意思! 我對於PLS目前尚在摸索的階段,看到您的文章覺得非常有幫助,在此想請問您一個小問題,就是PLS在跑資料分析的時候可以像刪除遺漏值那樣,自動幫我們篩選掉遺漏值嗎?
    謝謝老師!

    回覆刪除
  6. Portable SmartPLS 3.2.8 Full Version
    便携式SmartPLS 3.2.8完整版
    SmartPLS 3.2.8完整版是具有图形用户界面的软件基于多样性的结构方程模型(SEM)使用最小的部分路径建模方法(PLS)
    (SmartPLS is a software with graphical user interface for
    variance-based structural equation modeling (SEM)
    using the partial least squares (PLS) path modeling method)
    链接下载SmartPLS 3.2.8完整版
    http://updatetribun.org/SmartPLS
    下载和下载指南
    https://s.id/HowDownload
    https://s.id/HowDownload
    #olahdatasemarang

    回覆刪除
  7. 老師您好,不好意思打擾,想請教一下如果我是做比較偏向心理相關的研究,主要探討變數之間的相關性,但因應學校要求還是有畫出model,請問還需要以pls做分析嗎?
    小弟是已經跑過了但由於題向factor loading的數值實在有些奇怪,因此想說來請教

    回覆刪除

張貼留言

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!

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