跳到主要內容

開始使用SmartPLS

當你第一次打開SmartPLS之後，就會看到以下的畫面了，當然這個是舊版SmartPLS 2.0 M3的畫面

接下來就要開始使用SmartPLS了，當然在正式開始建立模型前，你必需要先把你的資料匯入SmartPLS裡，並在SmartPLS裡開啟一個新專案，這個過程非常簡單，只要你照著做就行了，即使沒有照著作，大家只要多花點時間玩玩，大概不會有太大問題，不管如何，我們還是簡單的說明一下：
首先按左上角的file，然後選擇create new project

按下後會看到以下畫面，請輸入你要建立新project的名稱，打完名稱後next就行了

接著SmartPLS會要求匯入你的資料檔，這邊記得先將你的資料檔用excel或其他工具轉換成csv檔喔！完成後按next

至於csv檔是什麼？就是用逗號(,)，來分格資料的檔檔型態，不知道我在說什麼嗎？沒關係，看下圖就知道了
這就是csv檔，使用記事本打開後的樣子

SmartPLS接著會問你，你的遺漏值，是用什麼方式來標記的，SmartPLS預設是用-1來標記，如果你是用其他方式，記得將他修改成你的標記方式
完成之後按finish即可完成第一次開新project的工作了


接著你可能會問，疑？怎麼什麼都沒有變化？還是一樣看到最初的畫面啊？
別緊張，現在只是要按window，show views，projects就可以顯示出你剛才所建立的新專案，還有你所匯入的資料了喔！

完成後，你可以看到左上邊有你所開啟的專案，請點選+號，即可把你的專案打開，裡面就有你匯入的資料，這時候還無法開始使用，請先點擊你的資料集
就可以看到如上圖，資料會被顯示在中間的地方。如果你的資料集中有一些遺漏值，記得看把下方的核取方塊打V，然後修改你遺漏值標記的方式。完成之後按右邊的validate，PLS會開始確認你的資料。
附註，如果你的CSV檔不是用 , 號來分隔，在validate上面可以看到choose delimiter的字樣，然後選擇選擇你用什麼方式來分隔資料，comma就是 (,)  ，semicolon是(;)，space當然就是空白了，最後一個是Tabulator就是用TAB鍵來分隔

如果你的資料按下validate後，可以看到以下的畫面，就代表你的資料已經正確匯入PLS裡，並且可以開始使用了喔

接著，請點選左邊的模型圖例，如下圖，就會看到下面的畫面，左下角的部分，就是你可以用的indicators，基本上就是你的問項了

以上是開始使用SmartPLS的初步工作，希望你也能順利開始喔！

看完了....對耶，你應該會想接下來？？接下來？？接下來該怎辦咧？你也說說看嘛！！
請見下一篇文章：
http://plsteaching.blogspot.tw/2016/07/smartpls_24.html

留言

  1. Olah_Data_Semarang2019年4月16日 清晨5:02

    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
    #olahdatasemarang

    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！
張貼留言
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，
14 則留言
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
4 則留言
閱讀完整內容