關於 pls-sem解釋，我們在網路上蒐集到這些相關的討論、資訊與評價

「pls-sem解釋」的推薦目錄：

關於pls-sem解釋在 [問題] SEM用PLS跑的問題與優缺點? - 精華區Statistics 的評價
關於pls-sem解釋在統計亞洲一哥- 張偉豪- 大家最近是否開始進行預試的因素分析了 ... 的評價
關於pls-sem解釋在 PLS 驗證性因素分析 - 博碩士論文下載網的評價

社群媒體上有些相關的討論：

pls-sem解釋在 [問題] SEM用PLS跑的問題與優缺點? - 精華區Statistics 的推薦與評價

作者dinotwo (呼呼)

看板Statistics

標題[問題] SEM用PLS跑的問題與優缺點?

時間Tue Dec 19 19:53:51 2006

常常看到文章說
因為樣本數太少
無法用LISREL
因此用PLS跑
PLS優點是可以處理小樣本.....

但我有個疑問
我只知道PLS是用部分最小平方法來跑
那為何他就能處理小樣本呢?
而且文獻中只提到他的優點
並沒有說他的缺點
那大家都用PLS就好了何必用LISREL呢?

不知是否有SEM達人知道
謝謝

--

※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.112.110.193

推 Altair:兩種方法的前提假設(嚴謹度)不同 SEM比較龜毛 12/20 10:44

→ Altair:至於優缺點比較自個google一下吧 12/20 10:50

> -------------------------------------------------------------------------- <

作者: danny789 (這其中一定有什麼誤會) 看板: Statistics
標題: Re: [問題] SEM用PLS跑的問題與優缺點?
時間: Mon Apr 27 17:02:57 2009

※ 引述《dinotwo (呼呼)》之銘言：
: 標題: [問題] SEM用PLS跑的問題與優缺點?
: 時間: Tue Dec 19 19:53:51 2006
:
: 常常看到文章說
: 因為樣本數太少
: 無法用LISREL
: 因此用PLS跑
: PLS優點是可以處理小樣本.....
:
: 但我有個疑問
: 我只知道PLS是用部分最小平方法來跑
: 那為何他就能處理小樣本呢?
: 而且文獻中只提到他的優點
: 並沒有說他的缺點
: 那大家都用PLS就好了何必用LISREL呢?
:
: 不知是否有SEM達人知道
: 謝謝
:
: --
: ※ 發信站: 批踢踢實業坊(ptt.cc)
: ◆ From: 140.112.110.193
: 推 Altair:兩種方法的前提假設(嚴謹度)不同 SEM比較龜毛 12/20 10:44
: → Altair:至於優缺點比較自個google一下吧 12/20 10:50

如果以嚴謹度來說, PLS 比 SEM 更龜毛
PLS之所以可以處理小樣本, 是因為 resample 的技術,
所以 sample size最小可以到 20 筆,並且分析的資料可以不用呈常態分配
(常態分配是很多統計方法的基本假設)
PLS同樣可以如傳統的SEM一樣, 分為二階段分析
(measurement model analysis & structural model analysis)以求更嚴謹

PLS與SEM最大不同之處是沒有 fit indices, 而是看所有 DV R-Sq 的值是否大於某值
(Chin, 1998)來評定此 Model 是否 fit

另外, PLS 有 SEM2 (第二代 SEM)之稱, 並被資管領域期刊 MIS Quarterly 作為
官方建議使用分析方法

軟體部份的話 PLS-Graph 是國外常用的軟體, 但不知道是 Chin 太忙還是怎樣, E-Mail
聯絡都沒下文, 但此軟體國內有某些教授有, 也許可以找到也說不定

除了 PLS-Graph 外, 還有 SmartPLS(德國)及Visual PLS(高應大)
SmartPLS 是 University of Hamburg 開發出來的軟體, 已經被應用了有幾年的時間,
並且已經有很多用此軟體分析的論文被國外重要期刊接受
https://www.smartpls.de (此軟體可免費註冊取得所需要的 Key)

Visual PLS雖然是國內寫的, 不過它只有負責 GUI 的部份, 核心還是使用 Chin 所開發的
DOS PLS, 不過解決了資料輸入及簡化 Model 的建構問題
https://www2.kuas.edu.tw/prof/fred/vpls/about.htm

感謝 cloud0242 的指教已更正為 chin 年紀大了(汗)
至於 The Partial Least Squares Approach to Structural Equation Modeling
的電子檔,因為年代久遠,還真的沒有 pdf 檔只有紙本,不過使用校際館藏合作, 還
是可以拿到影印本的.

--
Keroro軍曹對多啦a夢說:
PTT星球上有二國人...
一種是自認與其他人不同國的人
另一種是認為大家都是同一國的人

--

※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 122.254.33.185
※ 編輯: danny789 來自: 122.254.33.185 (04/28 19:22)

> -------------------------------------------------------------------------- <

作者: ryeh (尋DFW的1元握壽司~) 看板: Statistics
標題: Re: [問題] SEM用PLS跑的問題與優缺點?
時間: Sat May 9 12:40:59 2009

有個問題請教一下：跑PLS時變數的range好像會影響coefficient，我的情形是大多數的
item都是用likert scale，但是有一、二個不是，好像這一、二個變數的range，例如用
1-1000 or 1-100 會有不同的coefficient，這正常嗎？要怎麼辦啊？

另外bootstrapping通常設多少次比較好？謝謝回答~

※ 引述《danny789 (這其中一定有什麼誤會)》之銘言：
: : --
: : ◆ From: 140.112.110.193
: : 推 Altair:兩種方法的前提假設(嚴謹度)不同 SEM比較龜毛 12/20 10:44
: : → Altair:至於優缺點比較自個google一下吧 12/20 10:50
: 如果以嚴謹度來說, PLS 比 SEM 更龜毛
: PLS之所以可以處理小樣本, 是因為 resample 的技術,
: 所以 sample size最小可以到 20 筆,並且分析的資料可以不用呈常態分配
: (常態分配是很多統計方法的基本假設)
: PLS同樣可以如傳統的SEM一樣, 分為二階段分析
: (measurement model analysis & structural model analysis)以求更嚴謹
: PLS與SEM最大不同之處是沒有 fit indices, 而是看所有 DV R-Sq 的值是否大於某值
: (Chin, 1998)來評定此 Model 是否 fit
: 另外, PLS 有 SEM2 (第二代 SEM)之稱, 並被資管領域期刊 MIS Quarterly 作為
: 官方建議使用分析方法
: 軟體部份的話 PLS-Graph 是國外常用的軟體, 但不知道是 Chin 太忙還是怎樣, E-Mail
: 聯絡都沒下文, 但此軟體國內有某些教授有, 也許可以找到也說不定
: 除了 PLS-Graph 外, 還有 SmartPLS(德國)及Visual PLS(高應大)
: SmartPLS 是 University of Hamburg 開發出來的軟體, 已經被應用了有幾年的時間,
: 並且已經有很多用此軟體分析的論文被國外重要期刊接受
: https://www.smartpls.de (此軟體可免費註冊取得所需要的 Key)
: Visual PLS雖然是國內寫的, 不過它只有負責 GUI 的部份, 核心還是使用 Chin 所開發的
: DOS PLS, 不過解決了資料輸入及簡化 Model 的建構問題
: https://www2.kuas.edu.tw/prof/fred/vpls/about.htm
: 感謝 cloud0242 的指教已更正為 chin 年紀大了(汗)
: 至於 The Partial Least Squares Approach to Structural Equation Modeling
: 的電子檔,因為年代久遠,還真的沒有 pdf 檔只有紙本,不過使用校際館藏合作, 還
: 是可以拿到影印本的.

--

※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 99.160.11.34

→ bmka:1000次不算多 05/12 18:39

→ bmka:你可以跑2000次, 再跟1000次bootstrap的結果做比較 05/12 18:41

→ bmka:如果差不多的話就大概可以放心report了 05/12 18:41

> -------------------------------------------------------------------------- <

作者: danny789 (這其中一定有什麼誤會) 看板: Statistics
標題: Re: [問題] SEM用PLS跑的問題與優缺點?
時間: Mon May 11 12:50:28 2009

※ 引述《ryeh (尋DFW的1元握壽司~)》之銘言：
: 標題: Re: [問題] SEM用PLS跑的問題與優缺點?
: 時間: Sat May 9 12:40:59 2009
:
: 有個問題請教一下：跑PLS時變數的range好像會影響coefficient，我的情形是大多數的
: item都是用likert scale，但是有一、二個不是，好像這一、二個變數的range，例如用
: 1-1000 or 1-100 會有不同的coefficient，這正常嗎？要怎麼辦啊？
:
: 另外bootstrapping通常設多少次比較好？謝謝回答~

就我所知 likert scale 是採用那一種, 並沒有學術上的證據可以證明有影響
而採用 1-1000 or 1-100 這種等距量表(我猜你的是這種)
其實在統計上與 likert scale 是類似的, 只是分的比較細而已
不過我有看過有些教授會將他轉成 likert scale, ex: 0-10 -> 1, 11-20 -> 2 ...

至於 bootstrapping 的 resample 通常設多少次比較好, 其實並沒有定論 ..
(軟體內定是100, 我也看過設為 200, 300 的)
不過 MISQ 有很多 paper 是採用 500, 我想這個數字是比較恰當的, 而且也有實際發表
的 paper 可引用

--
Keroro軍曹對多啦a夢說:
PTT星球上有二國人...
一種是自認與其他人不同國的人
另一種是認為大家都是同一國的人

--

※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 122.254.33.185
※ 編輯: danny789 來自: 122.254.33.185 (05/11 12:54)

推 chenyutn:bootstrap大約一千次就很足夠了 05/11 22:53

→ chenyutn:畢竟現在電腦跑得很快啊 05/11 22:53

→ danny789:老實說我有作過實驗resample設300-1000差異不大,並不是電 05/12 08:31

→ danny789:腦速度的問題,而且在MIS領域我真沒看過設1000的paper 05/12 08:33

→ danny789:所以resample並不是設越大越好,也必須有文獻支持吧? 05/12 08:34

推 chenyutn:Efron, B.,&Tibshirani, R.J. (1993).An introduction to 05/12 13:24

→ chenyutn:the bootstrap 05/12 13:24

推 chenyutn:Taylor, W. (2000) Change-Point Analysis: A Powerful 05/12 13:30

→ chenyutn:New Tool For Detecting Changes. 05/12 13:30

→ chenyutn:Preacher ＆ Hayes 也建議不要低於1000 但一時找不到來源 05/12 13:44

→ chenyutn:不過我的立足點是傳播領域 05/12 13:44

→ sneak: 畢竟現在電腦跑得很快啊 https://daxiv.com 11/09 14:59

→ sneak: bootstrap大約 https://muxiv.com 01/02 14:54

> -------------------------------------------------------------------------- <

作者: chenyutn (人生要死，何為苦心。) 看板: Statistics
標題: Re: [問題] SEM用PLS跑的問題與優缺點?
時間: Tue May 12 14:01:33 2009

※ 引述《danny789 (這其中一定有什麼誤會)》之銘言：
: 標題: Re: [問題] SEM用PLS跑的問題與優缺點?
: 時間: Mon May 11 12:50:28 2009
:
: ※ 引述《ryeh (尋DFW的1元握壽司~)》之銘言：
: : 標題: Re: [問題] SEM用PLS跑的問題與優缺點?
: : 時間: Sat May 9 12:40:59 2009
: :
: : 有個問題請教一下：跑PLS時變數的range好像會影響coefficient，我的情形是大多數的
: : item都是用likert scale，但是有一、二個不是，好像這一、二個變數的range，例如用
: : 1-1000 or 1-100 會有不同的coefficient，這正常嗎？要怎麼辦啊？
: :
: : 另外bootstrapping通常設多少次比較好？謝謝回答~
:
: 就我所知 likert scale 是採用那一種, 並沒有學術上的證據可以證明有影響
: 而採用 1-1000 or 1-100 這種等距量表(我猜你的是這種)
: 其實在統計上與 likert scale 是類似的, 只是分的比較細而已
: 不過我有看過有些教授會將他轉成 likert scale, ex: 0-10 -> 1, 11-20 -> 2 ...
:
: 至於 bootstrapping 的 resample 通常設多少次比較好, 其實並沒有定論 ..
: (軟體內定是100, 我也看過設為 200, 300 的)
: 不過 MISQ 有很多 paper 是採用 500, 我想這個數字是比較恰當的, 而且也有實際發表
: 的 paper 可引用
:
: --
: Keroro軍曹對多啦a夢說:
: PTT星球上有二國人...
: 一種是自認與其他人不同國的人
: 另一種是認為大家都是同一國的人
:
: --
: ※ 發信站: 批踢踢實業坊(ptt.cc)
: ◆ From: 122.254.33.185
: ※ 編輯: danny789 來自: 122.254.33.185 (05/11 12:54)
: 推 chenyutn:bootstrap大約一千次就很足夠了 05/11 22:53
: → chenyutn:畢竟現在電腦跑得很快啊 05/11 22:53
: → danny789:老實說我有作過實驗resample設300-1000差異不大,並不是電 05/12 08:31
: → danny789:腦速度的問題,而且在MIS領域我真沒看過設1000的paper 05/12 08:33
: → danny789:所以resample並不是設越大越好,也必須有文獻支持吧? 05/12 08:34

想說乾脆回文好了XD

Preacher, K. J., & Hayes, A. F. (2008). Asymptotic and resampling strategies
for assessing and comparing indirect effects in multiple mediator models

這是其中的一段：

There is no consensus as to how many bootstrap samples should
be generated, except that more is better. Given that the percentile end-
points are estimated using extremes of the sampling distribution and
that, for BCa intervals, a good estimate of the acceleration constant
is needed, it is important to minimize sampling variance in these es-
timates. We recommend at least 5,000 resamples for final reporting,
although 1,000 is probably sufficient for preliminary analyses. There
is little reason to use fewer, given the speed of today’s desktop comput-
ing technology.

這段也是我的立論基礎，雖然在數字設定多少才算大方面仍沒有立論，但resample
的確是設越大越好。

我想，這應該不會因傳播或MIS領域不同而變吧？

還是說，有別的研究者有不同意見的？由於我是傳播領域的，所以看的多半是傳播
類的paper，但這幾篇都有討論到resample數，不知道其他領域（例如統計）的paper
是不是也有討論到，而有不同意見？

--
◤◢ 玄妙系列作第二部《黃泉路》全家、福客多、OK便利商店熱賣中 ▊▋▌▍▎
▇▆◣▅▇▇▅▆▇█▋ ▇▆▇▍▄▇ ▇▅▂▄▆▇▏ ▇ ．
． ▏ ‧ ═▉ ▎ 發生過命案的三重賓館857號房 ▏ ‧
… ═ ▉ ▏ 憑空傳來的詭異歌聲 ▏ ▎ ． ‥
‥ ． ═ ˙▊ ▉ ‧ 歸來的惡靈即將帶走他們的性命.◢▉ .
． ◣ ﹎ ▄ ‧ ▊ ▉▇◣ ▄▅ https://kuso.cc/4ltv ﹒ ▎▊ ▆ ﹊

--

※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 114.42.91.208
※ 編輯: chenyutn 來自: 114.42.91.208 (05/12 14:05)

→ bmka:bootstrap 只是花時間罷了,只佔了整個研究資源的一小部份 05/12 18:43

→ bmka:當然能作越多次越好 05/12 18:44

> -------------------------------------------------------------------------- <

作者: danny789 (這其中一定有什麼誤會) 看板: Statistics
標題: Re: [問題] SEM用PLS跑的問題與優缺點?
時間: Tue May 12 22:57:22 2009

※ 引述《chenyutn (人生要死，何為苦心。)》之銘言：
: 標題: Re: [問題] SEM用PLS跑的問題與優缺點?
: 時間: Tue May 12 14:01:33 2009
:
: : 推 chenyutn:bootstrap大約一千次就很足夠了 05/11 22:53
: : → chenyutn:畢竟現在電腦跑得很快啊 05/11 22:53
: : → danny789:老實說我有作過實驗resample設300-1000差異不大,並不是電 05/12 08:31
: : → danny789:腦速度的問題,而且在MIS領域我真沒看過設1000的paper 05/12 08:33
: : → danny789:所以resample並不是設越大越好,也必須有文獻支持吧? 05/12 08:34
:
: 想說乾脆回文好了XD
:
: Preacher, K. J., & Hayes, A. F. (2008). Asymptotic and resampling strategies
: for assessing and comparing indirect effects in multiple mediator models
:
: 這是其中的一段：
:
: There is no consensus as to how many bootstrap samples should
: be generated, except that more is better. Given that the percentile end-
: points are estimated using extremes of the sampling distribution and
: that, for BCa intervals, a good estimate of the acceleration constant
: is needed, it is important to minimize sampling variance in these es-
: timates. We recommend at least 5,000 resamples for final reporting,
: although 1,000 is probably sufficient for preliminary analyses. There
: is little reason to use fewer, given the speed of today’s desktop comput-
: ing technology.
:
: 這段也是我的立論基礎，雖然在數字設定多少才算大方面仍沒有立論，但resample
: 的確是設越大越好。
:
: 我想，這應該不會因傳播或MIS領域不同而變吧？
:
: 還是說，有別的研究者有不同意見的？由於我是傳播領域的，所以看的多半是傳播
: 類的paper，但這幾篇都有討論到resample數，不知道其他領域（例如統計）的paper
: 是不是也有討論到，而有不同意見？

關於 resample 是不是設越大越好? 其實我找不到文獻支持, 所以我也不敢評論.

並且 Behavior Research Methods 是否是該領域不錯的 Journal 我也不懂
不過我用 ABI/INFORM Global 及 ScienceDirect (SDOL/SDOS) 都查無此
Journal title 不知何因 ?
還有此篇右下角有學術期刊所沒有的 "Copyright 2008 Psychonomic Society, Inc."
不知道這是指什麼?

關於這篇文獻(Preacher, 2008)的網路 pdf, 我初略的看了一下內容
我對此篇探討 PLS 而沒有提到 chin 感到有點疑惑, 當然也不是一定要引用 chin
只是有點怪

不知道是否有其他比較強(多)的證據或文獻可以證明 resample size 設越大越好?

以下引用 chin(2001)的 PLS-Graph User's Guide 內容片段
(已有 MIS 領域不錯的 Journal paper 引用)
The default Bootstrap options are 100 resamples with each sample consisting of the same number of
cases as your original sample set. The bootstrap procedure samples with replacement from your
original sample set. It continues to sample until it reaches the number of cases you specify (or the
default). This procedure is repeated until it reaches the number of bootstrap resamples you specify (or
the default of 100). In general, resamples of 200 tend to provide reasonable standard error estimates.

以下是快速找到的幾篇 MIS papers
Resample = 100
Henry, R.M., McCray, G.E., Purvis, R.L. Roberts, T.L. (2007) "Exploiting Organizational Knowledge in Developing IS Project Cost and Schedule Estimates: An Empirical Study", Information & Management, Vol. 44 No.6, pp.598-612.

Resample = 500
Ko, D., Kirsch, J.L., King, W.R. (2005) "Antecedents of knowledge transfer from consultants to clients in enterprise system implementations", MIS Quarterly, Vol. 29 No.1, pp.59-85.

Resample = 100 & 500
Goodhue, D., Lewis, W., and Thompson, R., (2007) "Statistical Power in Analyzing Interaction Effects: Questioning the Advantage of PLS With Product Indicators", Information Systems Research, Vol. 18 No.2, pp.211-227.

也許 Goodhue et al.(2007) 這篇是答案, 但我找不到 pdf 檔可以看(汗)
※ 編輯: danny789 來自: 122.254.33.185 (05/12 23:00)

→ bmka:這個問題沒那麼複雜吧,先把bootstrap方法原理弄懂 05/12 23:01

→ bmka:resample 數目當然越大越好,至於要多大,那要看data distribut 05/12 23:03

→ bmka:跑久一點不會吃虧的 05/12 23:04

> -------------------------------------------------------------------------- <

作者: danny789 (這其中一定有什麼誤會) 看板: Statistics
標題: Re: [問題] SEM用PLS跑的問題與優缺點?
時間: Thu May 14 16:54:52 2009

: 不知道是否有其他比較強(多)的證據或文獻可以證明 resample size 設越大越好?
:
: 以下引用 chin(2001)的 PLS-Graph User's Guide 內容片段
: (已有 MIS 領域不錯的 Journal paper 引用)
: The default Bootstrap options are 100 resamples with each sample consisting of the same number of
: cases as your original sample set. The bootstrap procedure samples with replacement from your
: original sample set. It continues to sample until it reaches the number of cases you specify (or the
: default). This procedure is repeated until it reaches the number of bootstrap resamples you specify (or
: the default of 100). In general, resamples of 200 tend to provide reasonable standard error estimates.
:
: 以下是快速找到的幾篇 MIS papers
: Resample = 100
: Henry, R.M., McCray, G.E., Purvis, R.L. Roberts, T.L. (2007) "Exploiting Organizational Knowledge in Developing IS Project Cost and Schedule Estimates: An Empirical Study", Information & Management, Vol. 44 No.6, pp.598-612.
:
: Resample = 500
: Ko, D., Kirsch, J.L., King, W.R. (2005) "Antecedents of knowledge transfer from consultants to clients in enterprise system implementations", MIS Quarterly, Vol. 29 No.1, pp.59-85.
:
: Resample = 100 & 500
: Goodhue, D., Lewis, W., and Thompson, R., (2007) "Statistical Power in Analyzing Interaction Effects: Questioning the Advantage of PLS With Product Indicators", Information Systems Research, Vol. 18 No.2, pp.211-227.
:
: 也許 Goodhue et al.(2007) 這篇是答案, 但我找不到 pdf 檔可以看(汗)

: → bmka:這個問題沒那麼複雜吧,先把bootstrap方法原理弄懂 05/12 23:01
: → bmka:resample 數目當然越大越好,至於要多大,那要看data distribut 05/12 23:03
: → bmka:跑久一點不會吃虧的 05/12 23:04

對於我來說 PLS 只是一個工具而已
我只要知道如何使用及瞭解它的假設及限制, 而能產出 outcome 並解讀就可以了
如同您會操作電腦, 但您知道半導體是如何製造的嗎? 畢竟電腦只是一個工具而已

也許您只是站在純數學的觀點來看, 認為 resample 設越大越好
但這樣反而太過操弄統計這個工具了, 這樣統計的結果真的就是事實的結果嗎?
如果您可以提供文獻證明 resample 設越大越好, 那我也可以修正我原來的看法.

若如您所言, 對於 resample 設越大越好, 我一個合理的懷疑
那麼這許多作研究的學者應該會有人提到這點, 但是並沒有 ...
至少我看過的 papers 沒人提到此點

而且我相信這些學者的電腦應該不會太差, resample 設100萬也不是問題才對
所以我認為這並不是電腦執行速度的問題

我後來還是找到了 Goodhue et al.(2007) 這篇 pdf 檔 (ISR 在 MIS 排前五大期刊)
也許底下的片段可以解答您的問題, 所以我的建議還是設 500 比較恰當
因為這是大多數學者所使用的數值

It might be suggested that we should use bootstrapping
with 500 resamples (rather than 100). Five hundred
resamples is the usual recommendation when
using bootstrapping to estimate a parameter using a
single sample (Chin 1998). However, we draw 500
samples (500 researchers) from the same population
for each cell in our analysis, and use bootstrapping
with 100 resamples on each of those. This amounts to
50,000 resamples for each cell, and hence we expect
that moving from 50,000 to 250,000 resamples in each
cell would not affect the outcome.

--
Keroro軍曹對多啦a夢說:
PTT星球上有二國人...
一種是自認與其他人不同國的人
另一種是認為大家都是同一國的人

--

※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 122.254.33.185
※ 編輯: danny789 來自: 122.254.33.185 (05/14 16:56)

→ bmka:很明顯的, 你不懂bootstrap.... 05/16 01:47

→ bmka:請看chenyutn的回文 05/16 01:48

→ bmka:還是那句老話, 先把原理弄懂 05/16 01:55

→ bmka:Here is a reference: "An introduction to the bootstrap" 05/16 01:57

→ bmka:by Efron and Tibschirani 05/16 01:57

→ bmka:Data"長得好看"的話500次也許太多了,長得醜的話1000次也不嫌 05/16 02:01

→ bmka:多, 如果想要精確的估計confidence interval, 那麼number of 05/16 02:02

→ bmka:repititions要更多 05/16 02:03

→ bmka:又,我只碰過reviewer批評bootstrap repitition太少,沒碰過 05/16 02:06

→ bmka:嫌太多的(笑~~), 弄懂bootstrap 你就不會說這是"操弄統計"了 05/16 02:09

→ sneak: "An introdu https://muxiv.com 11/09 15:00

→ sneak: 請看chenyutn的 https://daxiv.com 01/02 14:54

> -------------------------------------------------------------------------- <

作者: chenyutn (人生要死，何為苦心。) 看板: Statistics
標題: Re: [問題] SEM用PLS跑的問題與優缺點?
時間: Sat May 16 00:18:08 2009

※ 引述《danny789 (這其中一定有什麼誤會)》之銘言：
: : 不知道是否有其他比較強(多)的證據或文獻可以證明 resample size 設越大越好?
: : 以下引用 chin(2001)的 PLS-Graph User's Guide 內容片段
: : (已有 MIS 領域不錯的 Journal paper 引用)
: : The default Bootstrap options are 100 resamples with each sample consisting of the same number of
: : cases as your original sample set. The bootstrap procedure samples with replacement from your
: : original sample set. It continues to sample until it reaches the number of cases you specify (or the
: : default). This procedure is repeated until it reaches the number of bootstrap resamples you specify (or
: : the default of 100). In general, resamples of 200 tend to provide reasonable standard error estimates.
: : 以下是快速找到的幾篇 MIS papers
: : Resample = 100
: : Henry, R.M., McCray, G.E., Purvis, R.L. Roberts, T.L. (2007) "Exploiting Organizational Knowledge in Developing IS Project Cost and Schedule Estimates: An Empirical Study", Information & Management, Vol. 44 No.6, pp.598-612.
: : Resample = 500
: : Ko, D., Kirsch, J.L., King, W.R. (2005) "Antecedents of knowledge transfer from consultants to clients in enterprise system implementations", MIS Quarterly, Vol. 29 No.1, pp.59-85.
: : Resample = 100 & 500
: : Goodhue, D., Lewis, W., and Thompson, R., (2007) "Statistical Power in Analyzing Interaction Effects: Questioning the Advantage of PLS With Product Indicators", Information Systems Research, Vol. 18 No.2, pp.211-227.
: : 也許 Goodhue et al.(2007) 這篇是答案, 但我找不到 pdf 檔可以看(汗)
: : → bmka:這個問題沒那麼複雜吧,先把bootstrap方法原理弄懂 05/12 23:01
: : → bmka:resample 數目當然越大越好,至於要多大,那要看data distribut 05/12 23:03
: : → bmka:跑久一點不會吃虧的 05/12 23:04
: 對於我來說 PLS 只是一個工具而已
: 我只要知道如何使用及瞭解它的假設及限制, 而能產出 outcome 並解讀就可以了
: 如同您會操作電腦, 但您知道半導體是如何製造的嗎? 畢竟電腦只是一個工具而已
: 也許您只是站在純數學的觀點來看, 認為 resample 設越大越好
: 但這樣反而太過操弄統計這個工具了, 這樣統計的結果真的就是事實的結果嗎?
: 如果您可以提供文獻證明 resample 設越大越好, 那我也可以修正我原來的看法.
: 若如您所言, 對於 resample 設越大越好, 我一個合理的懷疑
: 那麼這許多作研究的學者應該會有人提到這點, 但是並沒有 ...
: 至少我看過的 papers 沒人提到此點
: 而且我相信這些學者的電腦應該不會太差, resample 設100萬也不是問題才對
: 所以我認為這並不是電腦執行速度的問題
: 我後來還是找到了 Goodhue et al.(2007) 這篇 pdf 檔 (ISR 在 MIS 排前五大期刊)
: 也許底下的片段可以解答您的問題, 所以我的建議還是設 500 比較恰當
: 因為這是大多數學者所使用的數值
: It might be suggested that we should use bootstrapping
: with 500 resamples (rather than 100). Five hundred
: resamples is the usual recommendation when
: using bootstrapping to estimate a parameter using a
: single sample (Chin 1998). However, we draw 500
: samples (500 researchers) from the same population
: for each cell in our analysis, and use bootstrapping
: with 100 resamples on each of those. This amounts to
: 50,000 resamples for each cell, and hence we expect
: that moving from 50,000 to 250,000 resamples in each
: cell would not affect the outcome.

bootstrapping的目的本就是
Estimate parameters that we don't know how to estimate analytically
(Howell, 2002, https://tinyurl.com/q6v3c2) .

以下取自Stata的guidelines（https://www.stata.com/support/faqs/stat/reps.html），
懶得翻了，僅標重點。

這段告訴我們一點：

數字設多大不一定，但越大必然會獲得越精確的CI估計。
只是我們需不需要這麼精確的數字而已。

我想其實danny789板友也是想表達這個意思，只是在回文時我太注重500這個數字了，
因為我覺得能越精確當然越好啊。:P

所以bmka板友前幾篇推文給的建議非常實用，設個500次、1000次跑看看，
再跟2000次比較一下有沒有太大的差異，如果沒有，就放心報告吧。

How large should the bootstrapped samples be relative to the total number
of cases in the dataset?

In terms of the number of replications, there is no fixed answer such as
“250” or “1,000”to the question. The right answer is that you should
choose an infinite number of replications because, at a formal level, that
is what the bootstrap requires.

The key to the usefulness of the bootstrap is that it converges in terms of
numbers of replications reasonably quickly, and so running a finite number
of replications is good enough—assuming the number of replications chosen
is large enough.

The above statement contains the key to choosing the right number of
replications. Here is the recipe:

1. Choose a large but tolerable number of replications. Obtain the
bootstrap estimates.

2. Change the random-number seed. Obtain the bootstrap estimates
again, using the same number of replications.

3. Do the results change meaningfully? If so, the first number you chose
was too small. Try a larger number. If results are similar enough, you
probably have a large enough number. To be sure, you should probably
perform step 2 a few more times, but I seldom do.

Whether results change meaningfully is a matter of judgment and has to be
interpreted given the problem at hand. How accurately do you need the
standard errors, confidence intervals, etc.? Often, a few digits of precision
is good enough because, even if you had the standard error calculated
perfectly, you have to ask yourself how much you believe your model in terms
of all the other assumptions that went into it. For instance, in a Becker
earnings model of the return to schooling, you might tell me that return is
6% with a standard error of 1, and I might believe you. If you told me the
return is 6.10394884% and the standard error is .9899394, you have more
precision but have not provided any additional useful information.

--
◤◢ 玄妙系列作第二部《黃泉路》全家、福客多、OK便利商店熱賣中 ▊▋▌▍▎
▇▆◣▅▇▇▅▆▇█▋ ▇▆▇▍▄▇ ▇▅▂▄▆▇▏ ▇ ．
． ▏ ‧ ═▉ ▎ 發生過命案的三重賓館857號房 ▏ ‧
… ═ ▉ ▏ 憑空傳來的詭異歌聲 ▏ ▎ ． ‥
‥ ． ═ ˙▊ ▉ ‧ 歸來的惡靈即將帶走他們的性命.◢▉ .
． ◣ ﹎ ▄ ‧ ▊ ▉▇◣ ▄▅ https://kuso.cc/4ltv ﹒ ▎▊ ▆ ﹊

--

※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 114.45.174.165

推 bmka:有時候用bootstrap是因為asymptotic variance 太複雜了(不是 05/16 03:19

→ bmka:導不出來). Also, moment estimators (asymptotic variance 05/16 03:20

→ bmka:estimator is one of those) are less robust when outliers 05/16 03:20

→ bmka:present. 05/16 03:20

推 danny789:您說設個n次跑看看沒有太大的差異，老實說這樣並沒有符合 05/22 17:32

→ danny789:科學精神，也許這次分析OK但下次分析不同的資料卻不OK 05/22 17:33

→ danny789:雖然你有列出文獻(我不知道這算不算有力的證明),但太過偏 05/22 17:34

→ danny789:於數學上的論證，老實說我對於設n>50來分析並不反對 05/22 17:37

→ danny789: 更正 n>500 05/22 17:38

→ danny789:但是仍然沒有研究實證這樣作是有意義的，所以目前我對於 05/22 17:39

→ danny789:n>500還是有所保留 05/22 17:40

→ bmka:請問你到底有沒有去讀那些有關bootstrap method 的reference? 05/25 09:20

→ bmka:不然, 至少看看wikipedia上面的解說吧 05/25 09:27

→ bmka:chenyutn大已經解釋得這麼清楚了,怎麼你還這麼糾結 XD 05/25 09:32

→ bmka:還是要再說一次,computing time往往是研究裡最不花錢的 05/25 09:33

→ bmka:能跑就儘量跑多次一點,讓估計值穩定(以統計術語講就是收斂啦) 05/25 09:36

→ bmka:又,resampling 數目要大的理由正是要避免你上述不OK的情形 05/25 09:39

→ danny789:To B大,請問你到底有沒有看我寫的內容?你們提出的都是數 05/27 08:02

→ danny789:學上的討論,而這些是必須經過"實證"研究來證實是對的,而 05/27 08:03

→ danny789:不是參考一篇數學推理就認為可以這麼作,何況所提供的文獻 05/27 08:06

→ danny789:真的很薄弱."實證"研究就是用來考驗這些"理論"與"事實"的 05/27 08:08

→ danny789:差異,研究的進步是一點一滴慢慢前進的,不是自己在實驗室 05/27 08:10

→ danny789:得到結果(或數學上的研究結果),就認為外面的實務環境也是 05/27 08:11

→ danny789:同樣結果. 05/27 08:12

→ danny789:我至少有提出MIS前五大期刊的文獻來證明我的看法,我希望 05/27 08:15

→ danny789:你也可以提出有力的"實證"期刊文獻來證明我是錯的,我也會 05/27 08:17

→ danny789:樂於接受. 05/27 08:18

推 bmka:不曉得你是不是誤解了bootstrap...Boostrap是做approximation 05/27 10:49

→ bmka:的工具, "理論上", 只要 resampling 數目逼近於無窮大, 05/27 10:50

→ bmka:那麼 bootstrap approximation 就會逼近真實的值 05/27 10:50

→ bmka:(asymptotically consistent). 但是, 當resampling 數目是 05/27 10:50

→ bmka:finite 時 (eg 500),asymptotic consistency 未必成立 05/27 10:51

→ bmka:這也是為什麼大部分有關bootstrap repetition number的研究 05/27 10:52

→ bmka:都是關注於到底 bootstrap resampling 至少要多大才夠大 05/27 10:52

→ bmka:而我所提的檢驗的方法(比較500, 1000, 2000的結果) 05/27 10:53

→ bmka:只是檢查收斂的經驗法則, 其實還有更嚴謹的方法可以去估計 05/27 10:54

→ bmka:resampling number(請愛用google大神) 05/27 10:54

→ bmka:Bootstrap 最早是由Efron提出的,在統計界已經被用到爛了, 05/27 10:54

→ bmka:也有很多系統性的研究, 如果你有興趣應該去看看這些文章 05/27 10:55

→ bmka:(隨便google就一堆). 我注意到你引用的都是最近這幾年的paper 05/27 10:56

→ bmka:不知你的領域是否在這幾年才突然"發現"這個方法 05/27 10:56

→ sneak: 能跑就儘量跑多次一點, https://noxiv.com 11/09 15:00

→ sneak: 不曉得你是不是誤解了b https://daxiv.com 01/02 14:54

> -------------------------------------------------------------------------- <

作者: chenyutn (人生要死，何為苦心。) 看板: Statistics
標題: Re: [問題] SEM用PLS跑的問題與優缺點?
時間: Tue Jun 2 13:12:31 2009

我後來直接寄信去問Dr. Goodue了。

Dr. Goodhue,

sorry for my poor English, I am a graduate student in Taiwan, having a question
about your article "Statistical Power in Analyzing Interaction Effects:
Questioning the Advantage of PLS With Product Indicators". I wonder how many
bootstrapping resamples would be enough for estimating the parameter? Is that
"the more, the better" making sense? And, why the five hundred resamples is the
usual recommendation?

An article of Stata (https://www.stata.com/support/faqs/stat/reps.html) suggests
that "the right answer is that you should choose an infinite number of
replications because, at a formal level, that is what the bootstrap requires",
and recommend three steps for identifying the reasonable number of resamples:

"1. Choose a large but tolerable number of replications. Obtain the bootstrap
estimates.

2. Change the random-number seed. Obtain the bootstrap estimates again, using
the same number of replications.

3. Do the results change meaningfully? If so, the first number you chose was
too small. Try a larger number. If results are similar enough, you probably
have a large enough number. To be sure, you should probably perform step 2
a few more times, but I seldom do."

Is that true?

I hope I've explained my questions well, and hope they make sense.

Thanks for your help!

Chen, Y-T

剛剛收到Dr. Goodue的回覆：

Chen,

Attached is the material from the paper on the number of resamples. As you can
see, we did carry out a version of what is recommended by Stata.

他那篇文章的部份內容，也確實是依照比較不同resamples數而來，可見Appendix E:
Comparing Bootstrapping With 100 and 500 Resamples。

因此，跟我之前所提的論點一樣（這樣下結論應該可以吧）。

※ 引述《chenyutn (人生要死，何為苦心。)》之銘言：
: ※ 引述《danny789 (這其中一定有什麼誤會)》之銘言：
: : 對於我來說 PLS 只是一個工具而已
: : 我只要知道如何使用及瞭解它的假設及限制, 而能產出 outcome 並解讀就可以了
: : 如同您會操作電腦, 但您知道半導體是如何製造的嗎? 畢竟電腦只是一個工具而已
: : 也許您只是站在純數學的觀點來看, 認為 resample 設越大越好
: : 但這樣反而太過操弄統計這個工具了, 這樣統計的結果真的就是事實的結果嗎?
: : 如果您可以提供文獻證明 resample 設越大越好, 那我也可以修正我原來的看法.
: : 若如您所言, 對於 resample 設越大越好, 我一個合理的懷疑
: : 那麼這許多作研究的學者應該會有人提到這點, 但是並沒有 ...
: : 至少我看過的 papers 沒人提到此點
: : 而且我相信這些學者的電腦應該不會太差, resample 設100萬也不是問題才對
: : 所以我認為這並不是電腦執行速度的問題
: : 我後來還是找到了 Goodhue et al.(2007) 這篇 pdf 檔 (ISR 在 MIS 排前五大期刊)
: : 也許底下的片段可以解答您的問題, 所以我的建議還是設 500 比較恰當
: : 因為這是大多數學者所使用的數值
: : It might be suggested that we should use bootstrapping
: : with 500 resamples (rather than 100). Five hundred
: : resamples is the usual recommendation when
: : using bootstrapping to estimate a parameter using a
: : single sample (Chin 1998). However, we draw 500
: : samples (500 researchers) from the same population
: : for each cell in our analysis, and use bootstrapping
: : with 100 resamples on each of those. This amounts to
: : 50,000 resamples for each cell, and hence we expect
: : that moving from 50,000 to 250,000 resamples in each
: : cell would not affect the outcome.
: bootstrapping的目的本就是
: Estimate parameters that we don't know how to estimate analytically
: (Howell, 2002, https://tinyurl.com/q6v3c2) .
: 以下取自Stata的guidelines（https://www.stata.com/support/faqs/stat/reps.html），
: 懶得翻了，僅標重點。
: 這段告訴我們一點：
: 數字設多大不一定，但越大必然會獲得越精確的CI估計。
: 只是我們需不需要這麼精確的數字而已。
: 我想其實danny789板友也是想表達這個意思，只是在回文時我太注重500這個數字了，
: 因為我覺得能越精確當然越好啊。:P
: 所以bmka板友前幾篇推文給的建議非常實用，設個500次、1000次跑看看，
: 再跟2000次比較一下有沒有太大的差異，如果沒有，就放心報告吧。
: How large should the bootstrapped samples be relative to the total number
: of cases in the dataset?
: In terms of the number of replications, there is no fixed answer such as
: “250” or “1,000”to the question. The right answer is that you should
: choose an infinite number of replications because, at a formal level, that
: is what the bootstrap requires.
: The key to the usefulness of the bootstrap is that it converges in terms of
: numbers of replications reasonably quickly, and so running a finite number
: of replications is good enough—assuming the number of replications chosen
: is large enough.
: The above statement contains the key to choosing the right number of
: replications. Here is the recipe:
: 1. Choose a large but tolerable number of replications. Obtain the
: bootstrap estimates.
: 2. Change the random-number seed. Obtain the bootstrap estimates
: again, using the same number of replications.
: 3. Do the results change meaningfully? If so, the first number you chose
: was too small. Try a larger number. If results are similar enough, you
: probably have a large enough number. To be sure, you should probably
: perform step 2 a few more times, but I seldom do.
: Whether results change meaningfully is a matter of judgment and has to be
: interpreted given the problem at hand. How accurately do you need the
: standard errors, confidence intervals, etc.? Often, a few digits of precision
: is good enough because, even if you had the standard error calculated
: perfectly, you have to ask yourself how much you believe your model in terms
: of all the other assumptions that went into it. For instance, in a Becker
: earnings model of the return to schooling, you might tell me that return is
: 6% with a standard error of 1, and I might believe you. If you told me the
: return is 6.10394884% and the standard error is .9899394, you have more
: precision but have not provided any additional useful information.

--
◤◢ 玄妙系列作第二部《黃泉路》全家、福客多、OK便利商店熱賣中 ▊▋▌▍▎
▇▆◣▅▇▇▅▆▇█▋ ▇▆▇▍▄▇ ▇▅▂▄▆▇▏ ▇ ．
． ▏ ‧ ═▉ ▎ 發生過命案的三重賓館857號房 ▏ ‧
… ═ ▉ ▏ 憑空傳來的詭異歌聲 ▏ ▎ ． ‥
‥ ． ═ ˙▊ ▉ ‧ 歸來的惡靈即將帶走他們的性命.◢▉ .
． ◣ ﹎ ▄ ‧ ▊ ▉▇◣ ▄▅ https://kuso.cc/4ltv ﹒ ▎▊ ▆ ﹊

--

※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 114.42.90.187

推 bmka:值得鼓勵 06/02 21:32

推 chengjaylee:太強了！大推！ 06/03 08:41

> -------------------------------------------------------------------------- <

作者: danny789 (這其中一定有什麼誤會) 看板: Statistics
標題: Re: [問題] SEM用PLS跑的問題與優缺點?
時間: Tue Jun 9 16:33:58 2009

※ 引述《chenyutn (人生要死，何為苦心。)》之銘言：
: 我後來直接寄信去問Dr. Goodue了。
: Dr. Goodhue,
: sorry for my poor English, I am a graduate student in Taiwan, having a question
: about your article "Statistical Power in Analyzing Interaction Effects:
: Questioning the Advantage of PLS With Product Indicators". I wonder how many
: bootstrapping resamples would be enough for estimating the parameter? Is that
: "the more, the better" making sense? And, why the five hundred resamples is the
: usual recommendation?
: An article of Stata (https://www.stata.com/support/faqs/stat/reps.html) suggests
: that "the right answer is that you should choose an infinite number of
: replications because, at a formal level, that is what the bootstrap requires",
: and recommend three steps for identifying the reasonable number of resamples:
: "1. Choose a large but tolerable number of replications. Obtain the bootstrap
: estimates.
: 2. Change the random-number seed. Obtain the bootstrap estimates again, using
: the same number of replications.
: 3. Do the results change meaningfully? If so, the first number you chose was
: too small. Try a larger number. If results are similar enough, you probably
: have a large enough number. To be sure, you should probably perform step 2
: a few more times, but I seldom do."
: Is that true?
: I hope I've explained my questions well, and hope they make sense.
: Thanks for your help!
: Chen, Y-T
: 剛剛收到Dr. Goodue的回覆：
: Chen,
: Attached is the material from the paper on the number of resamples. As you can
: see, we did carry out a version of what is recommended by Stata.
: 他那篇文章的部份內容，也確實是依照比較不同resamples數而來，可見Appendix E:
: Comparing Bootstrapping With 100 and 500 Resamples。
: 因此，跟我之前所提的論點一樣（這樣下結論應該可以吧）。

我去找了 Appendix E 來看(原來是放在Web site)確實如您所言
也由於您依照科學精神來求證(不是指您問作者此事), 確實如您所言我們也可以下結論了
但如果有更多的文獻來支持會更有說服力一點
雖然我們開始的看法不同, 而且也各自引用文獻來表達不同的看法及觀點
但我想我們彼此也可以得到成長, 我個人對您表達高度的肯定(這樣會不會太惡心?)

另外, 我有些事想對 bmka 說 (如果您還有在看這些討論的話)
也許您是這方面的專家, 我也歡迎您熱心的加入討論
但 "個人的看法" 在研究中是最不重要的
如果您有某些看法, 必須要引用文獻來支持(或佐證)

套用某教授的說法: (純引用,有點粗,我沒有其他的意思,但很貼切)
博士論文還有一點參考價值, 碩士論文是個屁, 個人看法則連屁都不如
(簡單說就是沒有經過外界的考驗)
論文發表在國內期刊有一點參考價值,發表在國外重要期刊則是重要的參考文獻
(不是媚外,但事實如此)

尤其是有份量的文獻支持是最重要的, 而不是 "我認為", "隨便google就一堆" 等等
像您說 "我所提的檢驗的方法(比較500, 1000, 2000的結果)" 這個除非您有將研究結果
發表在重要的期刊中, 不然很難讓人當做參考文獻
所以才要提出實際上的文獻(作者,年份,paper title等), 讓自己的看法更有說服力

最後您在前篇說
>我注意到你引用的都是最近這幾年的paper
>不知你的領域是否在這幾年才突然"發現"這個方法

老實說我真的很吃驚您會這樣說,學術上的研究是一點一滴慢慢在進步的
而且最重要的是, 您的研究是站在前人的研究基礎上來的
當然引用的文獻要以最新的為優先, 我不知道我引用最近這幾年的paper有何問題?
如果您寫的paper大部份都引用舊的或前幾年的文獻,可能還會被質疑有抄襲的嫌疑
所以一般的指導教授都會要求引用最新的文獻, 這並不是什麼奇怪的事.

不過確實在 MIS 領域中, PLS 是在2000年左右才慢慢有學者使用(主要是 MIS Quarterly)
為何呢? 因為 PLS 是被高度質疑的, 此點在 Goodhue et al.(2007)此篇中也有提到
可能您會很奇怪? PLS 又不是什麼新東西, 早就是個研究到爛掉的東西, 為何還會被質疑
原因很簡單, PLS 並沒有被 "實證研究" 證實在是可靠值得信賴的工具(至少在MIS領域)
這也是 Goodhue 此篇研究努力的目標(您看他又多了一篇paper可以發表)

抱歉! 一時心血來朝寫的落落長
※ 編輯: danny789 來自: 122.254.33.185 (06/09 16:41)

→ bmka:簡單的回應一下, I did not mean to discourage you from 06/09 19:46

→ bmka:learning. It's just that your questions is somewhat like 06/09 19:48

→ bmka:common sense in statistics. 06/09 19:48

→ bmka:請你去讀懂bootstrap的原理你又拒絕(wiki上的說明應該不難懂) 06/09 19:51

→ bmka:如果你真的弄清楚bootstrap在做什麼,就不會批評我們在玩弄 06/09 19:54

→ bmka:數學或者沒有實證精神了 06/09 19:55

→ bmka:你一直要文獻,覺得"我認為"不重要,可是,我給你的回應裡 06/09 19:56

→ bmka:的一段話,正是寫在我的paper,發表在某top期刊裡的 06/09 19:58

→ bmka:這樣的"我認為"有沒有比較有份量了??? 06/09 19:59

→ bmka:討論到現在,你弄懂bootstrap了嗎?這個比較重要吧 06/09 20:04

→ bmka:又,所有的"我認為"(笑)都是針對boostrap method,你的最後一段 06/09 20:13

→ bmka:跳針了吧,我不懂PLS,更不熟MIS領域,但是boostrap方法的原理 06/09 20:15

→ bmka:不會隨著不同領域而解釋有所不同 06/09 20:16

→ danny789:引用文獻請註明出處,從頭到尾都沒看到你提出來(伸手) 06/10 10:01

→ danny789:想不到現在的研究已經墮落到要引用wiki的說明了,那些期刊 06/10 10:02

→ danny789:可以收起來不用玩了 06/10 10:02

→ danny789:如果你提不出實際的文獻出處,我不會再讓費時間在這裡,另 06/10 10:04

→ danny789:外,現在的人討論都是用這種"衝動式"的言語嗎? 06/10 10:06

→ bmka:文獻早就給過了, bootstrap 是Efron提出來的, 請看Efron & 06/10 10:10

→ bmka:Tibshirani (1993). 沒記錯的話chenyutn大也給過同樣的文獻 06/10 10:11

→ bmka:Wiki的內容我讀過了,沒什麼問題才會請你去看 06/10 10:12

→ bmka:如果你覺得我文字衝, 那是我中文不好,對事不對人 06/10 10:13

→ bmka:Keep in mind that free advice doen't mean "cheap" advice! 06/10 10:13

推 lin15:wiki有在審查相信不會太差才是... 06/10 22:41

→ sneak: 想不到現在的研究已經墮 https://muxiv.com 11/09 15:04

→ sneak: 的一段話,正是寫在我的 https://daxiv.com 01/02 14:55

... <看更多>

pls-sem解釋在統計亞洲一哥- 張偉豪- 大家最近是否開始進行預試的因素分析了 ... 的推薦與評價

成為偏最小平方結構方程模型(PLS-SEM) 專家精通研究分析的核心技能！深入了解PLS-SEM 應用學習路徑模型和可解釋變異數探究CB-SEM vs. PLS-SEM ... <看更多>

pls-sem解釋在 PLS 驗證性因素分析 - 博碩士論文下載網的推薦與評價

2021年12月6日—書名：偏最小平方法的結構方程模型(PLS-SEM)：應用SmartPLS（附光碟）...斯迴歸、多元迴歸、驗證性因素分析(CFA)等第2代技術偏最小平方結構方程 ... ... <看更多>

你可能也想看看

SmartPLS具有可分析小樣本、能精確估計中介和干擾等問題的特性，幫助研究者自動、快速完成統計程式，因此廣受資管、行銷、商學、運動休閒、健康、旅遊等 ...

#2. 以SmartPLS進行PLS-SEM:建立模型、中介、調節和衡等性分析

首先介紹何謂PLS-SEM，並介紹如何執行PLS和CB-SEM差異，接下來一步步帶領大家如何透過SmartPLS執行模型估計、調節、中介和多群組測量衡等性分析， ...

#3. 偏最小平方法結構方程模型

一個因素結構來解釋變項間的共變關係，. 因此稱為以共變數為基礎的結構方程模型；. 另一種是以變異數為基礎的結構方程模型，. 也就是偏最小平方法，利用觀察變項的線.

#4. 線性回歸分析、結構方程模型和偏最小平方法之比較 - 永析統計

本篇目的在比較一般傳統迴歸分析(Linear Regression Analysis)、結構方程模型(structural equation modeling, SEM)以及偏最小平方法(partial least ...

#5. 基於PLS-SEM模型探討醫院業務外包對績效影響之探討

私立(營利)醫院共有130個樣本,以SmartPLS 執行PLS 得出以下結論,四個構. 面在AVE值皆>.5,其C-a值皆>.7,其CR值皆>.7,表示其模型具有效度和收斂度. 及可靠性。其解釋力( ...

#6. 何时使用PLS-SEM和如何报告它的结果？(1) - 知乎

本文主要报告了该论文相关的研究背景，PLS-SEM的一些起源现状等等，除了 ... 而PLS-SEM是以数据的方差为基础，通过解释和使用总方差评估模型参数。

#7. PLS 是什麼？

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。

#8. 6 小時主宰偏最小平方法-首部曲 - 巨大數據科技

偏最小平方結構方程模型(PLS-SEM)近年來已在多種學科中獲得相當大的關注，包括運動管理， ... 的SEM 方法，旨在最大化路徑模型中依構念的可解釋變異數。

#9. 行為學習的探索：偏最小平方法結構方程模型 - 科技大觀園

但隨著70年代科技的快速發展，前述方法已經無法解釋較複雜的社會情境，統計分析術 ... 吳政達教授審訂，由高等教育出版的《結構方程模型：偏最小平方法PLS-SEM》專書。

#10. 偏最小二乘迴歸 - 維基百科

偏最小平方迴歸（英語：Partial least squares regression， PLS迴歸）是一種統計學 ... 偏最小平方模型將試圖找到X空間的多維方向來解釋Y空間變異數最大的多維方向。

#11. PLS-SEM多变量统计分析在赛事观众研究领域中的应用

PLS -SEM则是基于偏最小平方法的结构方程模型，主要用于探索性研究中的理论建构。与CB-SEM不同，PLS-SEM通过考察理论模型中自变量对因变量变异程度的解释量实现上述目的。2 ...

#12. 统计建模| PLS-SEM模型的理论与应用：企业声誉模型 - 搜狐

定义：PLS-SEM模型：基于偏最小二乘法的方差分析方法，它是一种将主成分分析与多元回归结合起来的迭代估计，也是一种因果建模的方法。 SEM：结构方程式 ...

#13. pls-sem结果汇报方法和案例【以SmartPLS为例】 - DataSense

1. 通用报告原则 · 2. 解释使用PLS的原因 · 3. 两阶段汇报原则. 3.1. 测量模型的结果. 3.1.1. 反映性指标组合信度和平均方差提取量; 3.1.2. 形成性指标汇报 ...

#14. 【張偉豪專欄】PLS(偏最小平方法)Rsquare的定位? - 三星統計

另外，PLS是以R Square來做為模型的解釋能力。 ... R square也沒有高低的分別（沒有一定要大於某個值），不像SEM有GFI，CFI還有標準對嗎？

#15. SEM模型- MBA智库百科

結構方程模型（Structural Equation Modeling, 簡稱SEM模型）結構方程模型（Structural equation modeling, SEM）是一種融合了因素分析和路徑分析的多元統計技術。

#16. CB-SEM和PLS-SEM在估計交互作用效果之比較 - 華藝線上圖書館

本研究研究目的主要在於瞭解CB-SEM和PLS-SEM之指標乘積法、正交法、二階段法、無限制法在結構方程式模型之交互作用中，對迴歸係數、因素負荷量、解釋量、因素分數估計 ...

#17. 中學教師實施機器人教學的影響因素之研究 - 國立臺灣師範大學

與限制；（4）重要名詞解釋，具體說明如下： ... 平方結構方程模型（PLS-SEM）進行分析。 ... 分析小樣本時仍可以獲得不錯的衡量結果，如今透過PLS-SEM 探討因 ...

#18. 當代SEM研究論文參考範例- 萧文龙的博文 - 科学网—博客

这是结合CB-SEM和PLS-SEM的一篇论文，可以用来提供最新说明和最新參考文獻解释PLS-SEM 是適當的分析方法。在過去的幾十年中,基於共變異數的結構方程 ...

#19. 圖書資訊領域期刊引用影響之結構方程模式分析

結構方程模式（Structural Equation Modeling, SEM）可以同時處理在社會行 ... tive）及形成性(formative）指標(indicator）的模型；另外，相較於LISREL，PLS.

#20. 利用PLS-SEM揭开因果预测模型在信息系统研究中的

这篇文章的作者们认为，尽管使用PLS-SEM的研究人员通常强调其分析的因果预测性质，但模型评估不能仅依赖于旨在评估路径模型解释力的标准。为了充分利用PLS-SEM中因果 ...

#21. 执行和解释PLS-SEM 的应用：家族企业研究人员更新 - X-MOL

The use of partial least squares structural equation modeling (PLS-SEM) has been gaining momentum in family business research. Since the publication of a ...

#22. PLS偏最小平方法教材一天-三星統計謝章升-20131122

SEM 兩大家族• Variance-based SEM (PLS) – Goal:內生變數的被解釋能力最大– Ex:死亡– Data source: raw data (format: .csv 或.txt) – Software: SmartPLS ...

#23. 活動歷程 - 長榮大學

【109深耕計畫D1-3】PLS-SEM及其應用(以SmartPLS為分析軟體) ... 項間的關係與彼此之影響，讓數據的意義更具解釋力，進一步提升研究亮點、教學實務應用以及校務發展。

#24. 軟體代理經銷商| SmartPLS 結構方程模式軟體 - 澄安國際

SmartPLS 3 是一款使用PLS-SEM方法進行數據分析的世界知名軟件，是潛變量建模的里程碑。 ... 算法和有意義的默認值的內置解釋讓您輕鬆開始進入PLS-SEM 世界。

#25. PLS-SEM - 國際護理榮譽學會中華民國分會

【研習會訊息】112年8月12日(六)「PLS-SEM研究與實務」工作坊 ... 同時會透過實證資料演練，介紹Smart PLS 4.0的操作與結果判讀與解釋，從做中學， ...

#26. 統計分析入門與應用--SPSS中文版+SmartPLS 4 ... - 碁峰資訊

內容涵蓋SmartPLS 4基本操作、PLS-SEM結構方程模式的學習範例、反映性和形成性指標與模式的指定、二階和高階因果關係、SEM結構方程模式實例、中介因子 ...

#27. 朝陽科技大學休閒事業管理系碩士論文

行為理論與科技接受模型之八種理論，因此具有更高程度的解釋力 ... PLS 2.0 進行正式問卷之結果分析，包含驗證性因素分析、SEM 結構方程模.

#28. SEM 適配度指標的潛藏問題：最佳模式難求

LISREL 具有相類似之模式結構與統計分析功能，但有別於共變數導向的LISREL. 模式。PLS 旨在極大化依變項中能為自變項所解釋的變異量（使用變異數估計模. 式中之 ...

#29. 基于PLS-SEM的烟草工艺参数关联关系分析研究

PLS -SEM 作为研究方法。模型的解释能力由R2、外部权重、外部因子载荷来反映，通过路径系数及Bootstrapping 检验结果反. 映模型变量间的因果关系。

#30. 2020 國家講座系列活動：PLS-SEM 研究與實務研討會

門、科學教育學門，為提升國內學習科學研究能量，邀請知名學者分享PLS-SEM ... 實證資料演練，介紹SmartPLS 3.3.2 的操作和結果判讀與解釋，從做中學，快速學習PLS-.

#31. 巴哈模型不可不看詳解(2023年更新) - 宜東花

第三，由于获得PLS-SEM解的算法不是基于最小化观测协方差矩阵和估计协方差矩阵之间 ... 其分析的因果预测性质，但模型评估不能仅依赖于旨在评估路径模型解释力的标准。

#32. PLS+SEM：基于偏最小二乘法的结构方程模型_arlionn的博客

简介本文拟介绍基于偏最小二乘法的SEM (PLS-SEM) 的plssem命... ... 论文研究- 解释货币市场基金中的系统性风险.

#33. 統計分析入門與應用：SPSS中文版＋PLS-SEM（SmartPLS）

... 作者：蕭文龍，頁數：756，出版日期：2013/12/31，類別：解釋、資料分析. ... 國內第一本全面介紹SmartPLS操作、PLS-SEM結構方程模式的實用書*國內第一本深入探討 ...

#34. SmartPLS 偏最小二乘PLS結構方程建模軟件 - 軟購商城

使用顏色，邊框和字體自定義您的模型，以單獨強調您的想法！算灋的內寘解釋和有意義的預設值使您可以輕鬆進入PLS-SEM世界。組織良好的報告提供了 ...

#35. 中國科技大學

以PLS-SEM 多群組方法探討消費者採用不同行動支付類型之研究. 研究生：陳智群 ... 受度解釋力比1989 年學者提出的TAM 模型解釋力由40%提高至70%。以績效預期、.

#36. R數據分析：PLS結構方程模型介紹，論文報告方法和實際操作

一般來講covariance-based SEM大家會用的更多，但是了解一下PLSSEM也挺 ... 的權重的方法來估計模型參數的，它期望通過疊代達到解釋因變量變異最大。

#37. R数据分析：PLS结构方程模型介绍，论文报告方法和实际操作

一般来讲covariance-based SEM大家会用的更多，但是了解一下PLSSEM也挺好 ... 权重的方法来估计模型参数的，它期望通过迭代达到解释因变量变异最大。

#38. sem結構方程模型 - 淘寶

現貨偏小平方法的結構方程模型(PLS-SEM)：應用SmartPLS 21 張紹勳五南進口原版 ... 二版LISREL AMOS Mplus軟體教程書籍結構方程模型操作測量測驗與統計SEM的解釋與應用.

#39. 教專研98P-029 新進人員任用指標之建置

PLS 是一種結構方程模式(Structural Equation Modeling，SEM)的分析技術，乃是迴歸 ... 量模型中信度與效度的檢驗後，便是針對PLS 模型解釋與預測能力估計的結構模型 ...

#40. 基于PLS-SEM模型的包容性创新绩效实证研究 - 科技进步与对策

包容性创新实践水平差异可以通过企业的不同规模解释。因此，本研究将企业规模作为控制变量。本文将员工数量划分为3个区间：(1，50)、(50， ...

#41. 探討品牌個性對幸福度的影響 - 臺大資管論文

接著本研究檢驗此節一開始談到的Q2，在PLS-SEM 中，由於重視的是模型. 中內生變數的解釋能力，故常以Q2 做為衡量依據(Henseler et al., 2009; Hair et al.,. 2011)，其代表 ...

#42. 國立屏東大學國際貿易學系碩士班指導教授：林靜儀博士

產生感覺後，經大腦的統合作用，將訊息加以選擇、組織並做出解釋的歷程。也 ... 統計分析入門與應用: SPSS 中文版+ PLS-SEM (SmartPLS)。高. 雄:碁峰資訊。

#43. IPMA-RG 在教育研究之應用

進行構念層級IPMA. 進行分類、繪製構念層級的重. 要－表現圖、解釋分類結果及意. 義. 修改PLS-SEM、SEM 關係模式. 為適配成立，或結束IPMA 分析.

#44. 統計亞洲一哥- 張偉豪- 大家最近是否開始進行預試的因素分析了 ...

成為偏最小平方結構方程模型(PLS-SEM) 專家精通研究分析的核心技能！深入了解PLS-SEM 應用學習路徑模型和可解釋變異數探究CB-SEM vs. PLS-SEM

#45. 統計分析入門與應用：SPSS中文版+SmartPLS 3(PLS-SEM)第 ...

#46. 行動應用程式的持續使用行為之研究

本研究使用PLS-SEM法得出結構模型關係路徑係數，並使用拔靴法（Bootstraping） ... 求得解釋變異量比例（Variance Accounted For, VAF），此方法適用於模型中有單一或.

#47. 淡江大學運輸管理學系運輸科學碩士班碩士論文研究生

感；在資料分析方面係利用PLS-SEM（偏最小帄方法結構方程模式）進行路徑 ... 在結構模式評估包含模式配適度、共線性評估、構面解釋變異量（R2）、、.

#48. 結合誘因理論與科技接受模式

表4-24 結構模式構面解釋力… ... 理學家認為，不能用驅力降低的動機理論來解釋所有的行為，外部刺激 ... 和SEM/LISREL 的資料比較認為，PLS 具有下列優點：.

#49. PLS-SEM多变量统计分析在赛事观众研究 ... - 上海体育学院学报

与CB-SEM不同，PLS-SEM通过考察理论模型中自变量对因变量变异程度的解释量实现上述目的。2类结构方程模型在基本原理和适用条件等方面存在诸多差异，且各自都有一定的优势和 ...

#50. 結構方程模型Structural Equation Modeling: 最新的百科全書

對於使用三種算法（PLS-PA、LISREL 或系統）中的任何一種的同一模型，在SEM 假設檢驗中實現特定顯著性和功效的樣本量要求是相似的。 ) 用於測試。 = 說明與溝通= 然後解釋 ...

#51. [問題] SEM用PLS跑的問題與優缺點? - 精華區Statistics

而且文獻中只提到他的優點並沒有說他的缺點那大家都用PLS就好了何必用LISREL呢? 不知是否有SEM達人知道謝謝-- ※ 發信站: 批踢踢實業坊(ptt.cc) ◇ From: 140.112.

#52. 結構方程模式: LISREL/SIMPLIS原理與應用, 2/e | 天瓏網路書店

SEM 的解釋與應用. SEM分析的技術問題. 第九章驗證性因素分析. 因素分析的基本概念驗證性因素分析高階驗證性因素分析因素結構的內部適配變數組合與聚合.

#53. 最小平方法 - 政府研究資訊系統GRB

越來越多研究者採用偏最小平方結構方程模式（PLS-SEM），其能處理形成性構念、小 ... 的分配分別建模，兩者經轉換後皆表示為數個解釋變數與數個基底函數的線性組合。

#54. 統計分析入門與應用：SPSS中文版+SmartPLS 4（PLS－SEM ...

*國內第一本全面介紹SmartPLS 4操作，深入探討最新量表發展、中介和調節變數的應用、reflective(反映性)和formative(形成性)指標的發展和模式的指定、PLS-SEM結構方程模式 ...

#55. SmartPLS3實戰教學-03 - PLS的優點, 應用與成長(PLS-SEM ...

SmartPLS3實戰教學-03 - PLS的優點, 應用與成長( PLS - SEM 除了預測與發展理論, 已可分析和測試Model ... SmartPLS 範例14-3 - 結構模型的解釋能力.

#56. PLS分析課程 - 鬍鬚曾統計顧問

E1. PLS (SEM)是什麼. E2. SmartPLS軟體下載. E3. PLS資料匯入. E4. PLS演算法結果詮釋_基礎 E5. 拔靴法看顯著性. E6. 樣本數要多少. E7. 報告研究結果-基本要報的(無 ...

#57. 基于PLS-SEM 的企业移动商务采纳意愿影响因素研究

提出研究假设，并利用基于偏最小二乘的结构方程（PLS-SEM）方法进行了实证研究。 1 文献回顾 ... 创新的特征有助于解释不同创新扩散. 的速度，创新事物具有5 个基本 ...

#58. 國際護理榮譽學會中華民國分會

步步從線性迴歸、路徑分析到SEM，由淺入深的讓大家了解PLS-SEM 概念與基礎應用。同時. 會透過實證資料演練，介紹Smart PLS 4.0 的操作與結果判讀與解釋，從做中學， ...

#59. A Comparison of PLS2 Algorithms PLS2 演算法之比較研究生

之後的PLS 演算法再次使用同樣兩筆資料來進行比較，並以累積解釋變異來選取潛在 ... equation modeling, SEM)，但因一般的結構模式(linear structural relation model,.

#60. PLS回归分析

模型R 方汇总, X对于Y的解释力度，用于分析拟合效果。回归系数检验表格, 查看X对Y的影响是否显著。 RMSEP图形, 查看RMSEP值，辅助判断主成分个数。

#61. R数据分析：PLS结构方程模型介绍，论文报告方法和实际操作

一般来讲covariance-based SEM大家会用的更多，但是了解一下PLS. ... 潜变量的权重的方法来估计模型参数的，它期望通过迭代达到解释因变量变异最大。

#62. How to specify, estimate, and validate higher-order constructs ...

In PLS-SEM, marketing researchers increasingly use higher-order constructs. ... 针对这一问题, 本文解释了如何利用重复指标和两阶段方法评价PLS-SEM 中高阶概念的 ...

#63. 新闻 - 统计学院- 中国人民大学

首先，袁克海以评估数学成绩的方法为例，引出PLS-SEM模型的概念和应用特征。 ... 的模式BA对反映性指标测量模型更优，并分别进行了详细的解释和论证。

#64. R数据分析：PLS结构方程模型介绍，论文报告方法和实际操作

一般来讲covariance-based SEM大家会用的更多，但是了解一下PLSSEM也挺 ... 的权重的方法来估计模型参数的，它期望通过迭代达到解释因变量变异最大。

#65. 基于PLS-SEM 的家庭医生工作生活质量

采用多元线性回归与最小二乘结构方程模型（PLS-SEM）分析家庭医生工作生活质量、 ... 查为现场面对面调查，由调查员向调查对象解释本次调. 查的目的和方法，并解释填写 ...

#66. 探討線上至線上跨通路持續購買網紅英文線上課程之影響因素

程模式(PLS-SEM)來檢視基本心理需求所帶來的影響效果。實證結果顯示：能力性、關聯 ... Online) 商業模式，擴展了消費者轉換過程文獻的解釋力。在本研究中，我們專注於 ...

#67. SmartPLS 4 偏最小二乘PLS结构方程建模软件丨中文网站特价 ...

PLS -SEM 分析的主力是SmartPLS, SmartPLS 软件是目前管理学、市场营销、组织行为学、信息系统等 ... 算法的内置解释和有意义的默认值使您可以轻松进入PLS-SEM 世界。

#68. 那個才是影響依變項最多的自變項？以SPSS實作解釋型多元 ...

解釋型多元迴歸分析步驟/ Interpreting Multiple Regression Analysis Guide ... 具有代表性的分析方法是多元迴歸、邏輯迴歸、以及SEM、PLS-SEM。

#69. SmartPLS—偏最小二乘结构方程建模软件，中国认证经销商

SmartPLS是所有PLS-SEM分析的主力, SmartPLS软件是目前管理学、市场营销、组织行为学、信息系统等 ... 内置的算法解释和有意义的默认值使您可以轻松入手PLS-SEM世界。

#70. 偏最小平方法的結構方程模型(PLS-SEM)：應用SmartPLS

Henseler & Sarstedt(2012: 565)指出,GoF 仍然有助於評估:PLS-SEM 解釋哪個數據集(datasets)會比其他數據集解釋得更好,有更高反映及更好的解釋。

#71. 授課計劃6776結構方程模式 - 東海大學學生資訊系統

瞭解結構方程模式(structural equation modeling/SEM)之基本概念與原理 2. 熟悉結構方程模式分析之程序 3. 學會使用LISREL、PLS-GUI等套裝軟體進行SEM分析

#72. 臺灣金融控股公司範疇經濟與資訊分享效益之研究

由於估計的方式不同，PLS 並不如SEM 軟體會提供模型整體配適度的數據，因此在. 檢驗PLS 模型的解釋力時通常使用潛在變數間的路徑係數、顯著性以及解釋力R2 來判.

#73. 結構方程模型分析實務：SPSS與SmartPLS的運用

結構方程模型簡介三、PLS-SEM的演算特性 PLS-SEM的演算主要是透過一系列的加權迴歸 ... 當然,如前所述,在PLS-SEM的演算過程中,都是以能達成將未解釋的變異量最小化為 ...

#74. 博碩士論文105322067 詳細資訊 - NCU Institutional Repository

... structural equation modeling, PLS-SEM)檢驗路徑關係；(2)偏最小平方多群組分析(partial least squares multi-group analysis, PLS-MGA)解釋可 ...

#75. 國立雲林科技大學(資訊中心/推廣教育課程)

2014 年7 月舉辦9 門「SPSS/SEM/AMOS/Smart-PLS/EVIEWS 統計研究方法實務研習課程」 ... Smart-PLS 統計軟體研習班 ... AMOS 操作介紹、AMOS 結果判讀與解釋、.

#76. 以數據驅動的校務策略規劃 - 第 40 頁 - Google 圖書結果

本研究採用偏最小平方法結構方程式模組(PLS-SEM)來進行分析,PLS-SEM在於預測或解釋目標構面,使用估計程序,並以迴歸為基礎的普通最小平方法,PLS-SEM須要預先設定好的 ...

#77. 空軍軍官雙月刊第221期 - 第 36 頁 - Google 圖書結果

本研究的樣本數有156份,依據Loehlin(1992)建議採用SEM時,適合用PLS。解釋能力一般稱為R2,R2是外衍變數對於內衍變數所能解釋變異量%。因此,代表研究模型預測能力,Hair, ...

#78. 【课件】偏最小二乘之smartpls使用(90页) - 百度文库

結合主成份分析與多元迴歸分析• 內生變數的被解釋能力最大化• 自變數愈多愈 ... SEM PLS 小或中度複雜, 可以很複雜,如模型複雜度通常不超過100 100LVs,1000MVs

#79. Executing and interpreting applications of PLS-SEM

The use of partial least squares structural equation modeling (PLS-SEM) has been gaining momentum in family business research. Since the publication of a ...

#80. SmartPLS on Twitter: "How to specify, estimate, and validate ...

在部分最小二乘结构方程模型(PLS-SEM) 的应用中, 高阶概念是一种越来越明显的趋势, 它有助于在更抽象的 ... 针对这一问题, 本文解释了如何利用重复指…

#81. 結構方程模式取向的信效度分析（Reliability and Validity Analysis

然而結構方程模式（Structural equation modeling, SEM）儼然已經成為近代 ... 介於0至1之間，δ1至δ3是觀察變項的殘差（無法被潛在變項解釋的部分）。

#82. Research 研究How to conduct a good study

PLS STEM Education參考論文 ... [ 統計分析]. SEM. 入門. 結構方程模型入門. AMOS操作. 郭彥谷教授一夜。統計學 ... (信效度分析,模型適配性與解釋能力). 03: PLS的 ...

#83. 師徒職涯功能對工作績效之影響：中介與干擾的混合影響

的分析；此外，本研究主要在探索及解釋研究，適合. 於理論發展(Hair, Hollingsworth, Randolph, ... PLS-SEM: Indeed a silver bullet. Journal of Marketing Theory.

#84. 最新消息-護理學系 - 國防醫學院

標題:轉知研討會訊息國際護理榮譽學會中華民國分會PLS-SEM 研究與實務工作坊活動 ... 介紹Smart PLS 3.3.3 的操作與結果判讀與解釋，從做中學，快速學習PLS-SEM 的資料 ...

#85. 統計分析入門與應用--SPSS中文版+PLS-SEM(SmartPLS)

統計分析入門與應用--SPSS中文版+PLS-SEM(SmartPLS) 2013年12月初版全新冇用過喺教科書度買嘢，傾偈買嘢！ ... 榮格其中一個女徒弟解釋佢既工作. 較少使用.

#86. 偏最小二乘法路徑模型分析plspm - 人人焦點

(3) Redundancy:它反映了一組獨立的潛在變量解釋因變量變化的能力。 ... SmartPLS是所有PLS-SEM分析的主力, SmartPLS軟體是目前管理學、市場營銷、 ...

#87. PLS-SEM在装备成本估算核心参数中的应用 - 参考网

复杂度因子被飞行性能因子、重量因子和隐身性能因子共同解释，即潜变量η和ξ1～ξ3组成结构模型关系。依据以上模型关系，借助SmartPLS 2.0软件对样本数据 ...

#88. 國際護理榮譽學會中華民國分會函

主旨：本會將舉辦「PLS-SEM 研究與實務」工作坊，敬請轉知醫護同仁踴 ... 會透過實證資料演練，介紹Smart PLS 4.0 的操作與結果判讀與解釋，從做中學，快速學習PLS-.

#89. SmartPLS For Mac v3.2.9 模型统计分析工具 - MAC下载吧

... 简称PLS-SEM）的统计分析软件，它具有易于使用和解释结果的优点。PLS-SEM是一种模型驱动的方法，可用于测试和验证复杂的理论模型。

#90. 斷裂時代中的量化研究：統計方法學的興起與未來

博碩士論文應用這五種新量化技術的概況，發現結構方程模式（SEM）是近二 ... 於簡單普遍的原則上，又能以自然的方式好好解釋實驗的數據，那它就算是成. 功的理論。

#91. PLS 驗證性因素分析 - 博碩士論文下載網

2021年12月6日—書名：偏最小平方法的結構方程模型(PLS-SEM)：應用SmartPLS（附光碟）...斯迴歸、多元迴歸、驗證性因素分析(CFA)等第2代技術偏最小平方結構方程 ...

#92. 結構方程模式：偏最小平方法PLS-SEM - 高等教育出版

結構方程模式：偏最小平方法PLS-SEM,,吳政達,湯家偉,本書以國際主流偏最小平方法(PLS)軟件SmartPLS為分析工具，從理論到實踐,高等教育出版:教育學術著作專業出版,TSSCI ...

#93. 影響消費者在網路購物平台購買意願之探討 - 中國文化大學

結構方程式(Structural Equation Modeling,SEM)廣泛應. 用在學術研究上，本研究亦採用SEM 進行模型結構分析，並採. 用Smart PLS 統計分析軟體建立適當分析 ...

#94. ㆒個線性結構方程式模式 - 中山管理評論

迴歸分析的結果解釋力不高，質疑靜態權衡理論之正確性與最㊜㈾本結構之存 ... equation modeling, SEM），並以其完全模型（full model）驗證本文所提之㈾.

#95. You should've asked - Emma

lmaooo ok. Also pls don't speak for womenkind as a whole maybe? ty! LikeLike. Reply.

關於 pls-sem解釋 ，我們在網路上蒐集到這些相關的討論、資訊與評價

「pls-sem解釋」的推薦目錄：

你可能也想看看

搜尋相關連結

關於 pls-sem解釋，我們在網路上蒐集到這些相關的討論、資訊與評價