跳到主要內容

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,例如收斂效度(Convergent validity)和區別效度(Discriminant validity),簡單的說,就是看您開發的量表能不能真正反映或形塑您提出的Construct。第二階段檢驗您的Inner Model,這個階段就是去看您所提出的假說到底成不成立,對於Construct的解釋力的程度到底如何。

我們再回頭來看PLS是如何估計出factor loading(就是construct和items之間的關係係數,在reflective mode裡叫factor loading,在formative mode裡通常叫weight)還有path coefficients (簡單的說就是construct A影響construct B的程度)。我們以下圖的模型當範例來說明。
取自Hair, J. F., Ringle, C. M., & Sarstedt, M. 2011. PLS-SEM: Indeed a Silver Bullet. Journal of Marketing Theory and Practice, 18(2): 139-152.
第1步:反覆的估計latent construct scores (潛在概念分數),基本上就是去計算一個分數來代表construct,你可以簡單的想像,一個construct 通常會有三個以上的items來衡量它,這代表了有一群數據反映出該construct,這樣子的狀況需要一個簡單的數據來展現construct,簡化items的數據,但又能具體展現。所以PLS就用了以下的一套方法來估計一個分數給construct。
  • 1.1步:以上圖的模型來說要估計construct Y1, Y2, Y3 的latent construct scores 。 基本上就是用類似迴歸的方程式來估計每一個construct的latent construct scores。
  • 1.2步:用剛剛得到的score來估計path coefficients,以上圖來說是要估計P1和P2。註:這邊會有不同的scheme,如centroid scheme, factorial scheme, structural or path weighting scheme,來估計path coefficients,基本上你不用管太多,可以一律用path weighting scheme來解,當然,也可以在measurement model時用factorial scheme,而在structural model時用path weighting scheme。
  • 1.3步:用1.1步的Y1, Y2, Y3 的latent construct scores 和1.2步的path coefficient來調整latent construct scores 
  • 1.4步: 上面的步數已經能獲得初步的latent construct scores,接下來運用這些初步獲得的scores再回頭重新去估計factor loading,基本上就是重新去計算W1~7
第2步:運用ordinary least squares方法來決定最後的factor loading和path coefficients估計值。白話一點就是讓上面的結果持續運作直到收斂到一個特定的估計值。

完成以上的步驟之後,就會得到一組W1~7, P1~2, 還有每一個construct的latent construct scores 。記住,這些數據都只會有一個,例如W1~7,就只是7個數據,展現出loading而已。這樣的結果並沒有辦法讓你知道你的measurement model好不好,也沒有辦法讓你檢驗你的假說喔!

參考文獻:
Hair, J. F., Ringle, C. M., & Sarstedt, M. 2011. PLS-SEM: Indeed a Silver Bullet. Journal of Marketing Theory and Practice, 18(2): 139-152.
Vinzi, V. E., Trinchera, L., & Amato, S. 2010. PLS Path Modeling: From Foundations to Recent Developments and Open Issues for Model Assessment and Improvement Handbook of Partial Least Squares. In V. Esposito Vinzi, W. W. Chin, J. Henseler, & H. Wang (Eds.): 47-82: Springer Berlin Heidelberg.
Henseler, J., Ringle, C. M., & Sinkovics, R. R. 2009. The Use of Partial Least Squares Path Modeling in International Marketing. In R. R. Sinkovics, & P. N. Ghauri (Eds.), Advances in International Marketing, Vol. 20: 277-320. Bingley: Emerald 


留言

  1. 我是第一次註冊
    已經三天了系統還未季認證碼給我
    該怎麼辦?

    回覆刪除
    回覆
    1. 麻煩不要用yahoo信箱喔!或是去垃圾郵件裡面找看看!現在smartpls已經有新版了,如要取得舊版smartpls 2 (免費)請至另一篇文章看看:http://plsteaching.blogspot.tw/2015/11/smartpls-203.html

      刪除
  2. 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
  3. 老師您好,我是最近開始接觸pls模型的一位學生,看了很多老師您寫的教學,收穫很多!想請教一下老師,pls模型是否有整體檢定,不是一個一個單獨路徑的檢定,有點像amos中goodness of fit的概念?

    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!

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,