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

我在2016年發了一篇教大家怎麼取得smartpls m2版本的序號文，發現點閱率真的蠻高的，主要原因是新版的smartpls 3需要花錢費授權  但你可能不知道，其實授權很便宜！而且新版的功能完整，可以省去很多人工作業的時間，像是收斂和區別效度的數據 重點是多便宜？  1個月只要約台幣700元 重點是，以大部分碩博士生來說，分析數據所需要的時間大約就是1個月即可完成，頂多讓你花2個月的時間完成  為什麼這麼便宜呢？因為smartpls有提供學術折扣，這是打對折的喔！ 如下圖所示，進到網站點選purchase，然後在period的地方下拉可以選擇授權的期間有多長，最後記得勾選「 50% Academic Discount 」！ 點完成之後看到下面的畫面，接下來只要按buy就行了 當然下一個步驗就是填寫email 打上你的email之後，會出現像下圖的警示，這是他無法判斷你是不是真的是學術使用。這時你只需要上傳你的學生證或是職員證給他就行了，按下「upload student or employee card」這個按鈕，就可以上傳圖片囉(如下圖)，完成此步驟之後，把該填的資料填一填，網站會寄付款連結到你的email，就可以使用五折價來購買新版的smartpls囉！

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，

當你把問卷收集回來，然後輸入到excel裡後，一定等不及想看看自己的模型能不能如同假說般成立，所以想立馬在SmartPLS裡建立你的模型，問題來了，到底要如何建立呢？請讓我一步一步的來告訴你，非常簡單 第一，如下圖，先點選標記1的圖樣，點選完後，在中間灰色的繪圖區點滑鼠左鍵，即可新增一個construct，所以視你的模型有多少個construct就點選幾個出來，點選完後，你可以按F2鍵將construct重新命名之。 第二，在左下角的indicators的項目中，選擇每個construct的indicators，然後使用滑鼠左鍵拖曳至construct中，就可以看到如下圖所示的樣子。當然這邊construct，都是所謂reflective construct，所以construct和indicators的線，都是從construct指到indicators的，至於什麼是reflective construct而什麼又是formative construct，請參考這邊文章 http://plsteaching.blogspot.tw/2014/06/pls-sem-algorithm.html 文中有提到： 「 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。 」 另外，如果你要的是formative

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validat

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.

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！