⊙從概念、原理，深入淺齣地嚮讀者介紹PLS的常用模型與應用。
⊙理論與實務兼具，以實例展示SmartPLS分析過程，學以緻用。
⊙適閤社會科學、生醫、工程、財經等研究領域使用。
隨書附贈光碟含資料檔、專案檔、模型檔。
結構方程模型(structural equation model, SEM)結閤瞭傳統統計學上的因素分析與路徑分析技術，已成為當前發錶文章中常見的統計分析。SmartPLS具有可分析小樣本、能精確估計中介和乾擾等問題的特性，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、旅遊等領域的愛載，迄今逐漸成為社會科學及生醫的主流分析軟體。
本書以軟體SmartPLS為分析工具，從概念、原理到實作，一步一步嚮讀者介紹PLS的常用模型與應用上需注意的問題，並以實例展示SmartPLS分析過程，適閤研讀領域有：社會科學、運輸、農業、生物醫學、藥學、製藥、電腦科學、工程、能源、技術、環境科學、材料科學、管理、會計、心理學、商學、經濟、計量經濟、財務等。
具體描述
好的，這裏有一份關於“偏最小平方法的結構方程模型(PLS-SEM)：應用SmartPLS”這本書的簡介草稿，內容詳盡，不涉及該書的實際內容，且力求自然流暢。 --- 圖書簡介： 探索數據驅動的建模範式：結構方程模型在現代研究中的應用與實踐 本書緻力於為讀者提供一個全麵且深入的視角，探討結構方程模型（Structural Equation Modeling, SEM）這一強大的統計分析工具在處理復雜關係網絡中的應用潛力。在當今數據爆炸的時代，研究者麵臨的挑戰不僅是如何收集數據，更是如何有效地從海量信息中提煉齣具有洞察力的模型，並對其進行嚴謹的驗證。本書聚焦於從理論基礎到實際操作的完整路徑，旨在幫助讀者構建、評估和解釋高度復雜的變量關係結構。 一、 理論基石與模型構建的必要性 本書首先從基礎概念齣發，係統闡述瞭結構方程模型的核心思想。SEM之所以在社會科學、管理學、市場營銷、教育學乃至工程技術等諸多領域占據重要地位，在於其能夠同時處理測量模型（Confirmatory Factor Analysis, CFA）和結構模型（Path Analysis）。我們深入剖析瞭潛在變量（Latent Variables）的概念及其在理論構建中的關鍵作用，以及如何通過觀測指標來有效捕捉這些不可直接測量的構念。 理論模型的設計是SEM分析的第一步，也是最關鍵的一步。書中詳盡討論瞭如何將理論假設轉化為可檢驗的數學模型。這包括對理論框架的深入理解、變量定義的精確性，以及如何通過閤理的理論依據來設定變量間的路徑關係。我們將引導讀者理解模型設定的邏輯嚴謹性，強調模型必須植根於堅實的理論基礎之上，而非僅僅是數據的擬閤。 二、 測量模型的構建與評估：確保變量測量的有效性與可靠性 在構建結構方程模型之前，對測量模型的檢驗是不可或缺的環節。本書將詳細介紹如何評估潛變量的測量質量。這部分內容涵蓋瞭從數據準備到因子載荷（Factor Loadings）、平均方差萃取量（Average Variance Extracted, AVE）、組閤信度（Composite Reliability, CR）的計算與解釋。我們強調，隻有當測量模型錶現齣良好的收斂效度（Convergent Validity）和區分效度（Discriminant Validity）時，後續的結構模型分析纔具有可靠的意義。 書中通過大量的案例說明，指導讀者如何識彆並處理潛在的測量問題，例如高修正指數（Modification Indices）、低因子載荷等。通過對測量模型的嚴格評估，研究者能夠確保其使用的指標確實準確地反映瞭其所欲測量的理論構念，從而為結構路徑的解釋奠定堅實的基礎。 三、 結構模型的解析與路徑分析 在測量模型得到驗證後，本書將焦點轉移到結構模型本身。結構模型是SEM的核心，它描述瞭各個潛變量之間的因果或關聯關係。我們將詳細闡述如何解釋路徑係數（Path Coefficients）的大小和顯著性，以及它們在理論構建中所扮演的角色。 讀者將學習如何評估整體模型的擬閤度（Model Fit）。擬閤度指標是判斷理論模型與實際數據吻閤程度的重要依據。書中係統梳理瞭各種擬閤指標，包括絕對擬閤指標（如$chi^2$、RMSEA、SRMR）和增量擬閤指標（如CFI、TLI），並探討瞭在不同研究背景下應優先考慮哪些指標，以及如何科學地解讀這些指標的結果，避免過度依賴單一指標帶來的誤判。 四、 高級建模技術的探索 結構方程模型的能力遠不止於簡單的路徑分析。本書將進一步介紹一些高級建模技術，以應對更復雜的現實研究問題。例如，如何運用調節效應（Moderation）來檢驗一個變量如何改變另一變量間的關係強度；如何運用中介效應（Mediation）來揭示變量間的間接影響路徑，從而深入理解現象背後的機製。 此外，書中還會涉及多群組分析（Multi-group Analysis, MGA）的應用，用於比較不同子樣本之間模型的結構差異性，這在跨文化研究或群體比較中尤為重要。通過對這些高級技術的介紹，讀者將能夠設計齣更加精妙、更具解釋力的研究模型。 五、 研究的規範性與報告的清晰度 統計分析的價值不僅在於得齣結果，更在於其透明度和可重復性。本書在強調技術操作的同時，也高度重視研究的規範性要求。我們將指導讀者如何撰寫一份符閤學術標準的SEM研究報告，包括詳細的模型設定、評估過程、結果呈現以及對局限性的討論。清晰、詳盡的報告是實現學術交流和知識積纍的關鍵。 目標讀者 本書麵嚮所有對高級統計分析方法感興趣的學者、研究生和專業研究人員。無論您是初次接觸結構方程模型，還是希望深化現有技能的經驗豐富的實踐者，本書都將是您理解和掌握SEM技術、並將其應用於實際研究的得力助手。通過對模型構建邏輯和統計細節的係統闡述，本書旨在賦能讀者，使其能夠自信地運用結構方程模型這一工具，為復雜的現實問題提供嚴謹而有力的實證支持。 ---
著者信息
作者簡介
張紹勳
學歷：國立政治大學資訊管理博士
現職：國立彰化師大專任教授
經歷：緻理技術專任副教授
研究助理
張任坊
學歷：國立海洋大學商船係
現職：長榮海運三副
張博一
學歷：國立中央大學通訊工程所
現職：泰洛科技股份有限公司工程師
張紹勳
學歷：國立政治大學資訊管理博士
現職：國立彰化師大專任教授
經歷：緻理技術專任副教授
研究助理
張任坊
學歷：國立海洋大學商船係
現職：長榮海運三副
張博一
學歷：國立中央大學通訊工程所
現職：泰洛科技股份有限公司工程師
圖書目錄
第1章 偏最小平方法PLS-SEM：基本概念及專有名詞
1-1 緒論
1-2 資料建檔：先用SPSS建檔(SES-Incentive-perf.sav)，再另存Excel新檔(SES-Incentive-perf.csv)
1-3 重要概念及專有名詞
1-4 模型
1-5 變數的類型
1-6 PLS-SEM vs. CB-SEM的參數估計
1-7 留一法「交叉驗證」及適配度
第2章 用SmartPLS分析PLS-SEM的操作畫麵
2-1 SmartPLS概述
2-2 SmartPLS的「Calculate」估計有12種選項
2-3 執行「PLS algorithm」：路徑係數的相關、對依變數的相關性
第3章 consistent PLS algorithm(PLSc)估計法，等同於CB-SEM(如LISREL、AMOS)估計
3-1 PLS Algorithm的步驟
3-2 consistent PLS (PLSc)演算法(等同CB-SEM之AMOS)的估計
3-3 選配PLS bootstrapping來估計：for印齣顯著性
3-4 選配consistent PLS bootstrapping來估計：for印齣顯著性
3-5 選配blindfolding估計法：結構模型品質(Q2);測量模型品質(H2)
第4章 驗證式四分差分析(CTA-PLS)：該選formative模型或reflective模型
4-1 驗證式四分差分析(CTA)：檢測你測量模型是反映型或形成型
4-2 概述.
4-3 範例：Tetrads分析
4-4 執行：驗証性tetrad分析
4-5 PLLS-CTA的輸齣
4-6 PLS-CTA及樣本數
第5章 重要性-效能映射分析(important-performance map analysis, IPMA)
5-1 Importance-performance map analysis(重要性-效能映射分析)(IPMA)
5-2 範例：IPMA的建檔
5-3 執行IPMA
5-4 IPMA分析結果
第6章 有限混閤分群(FIMIX)：內部路徑模型的異質性，來對樣本分群(樣本要常態)
6-1 有限混閤模型(Finite mixtures models, FMM)
6-2 常態性假定之檢定：使用Stata、SPSS
6-3 未觀察到的異質性(unobserved heterogeneity)
6-4 用不同分群(segments)來比較模型之適配度
6-5 適配指數(fit indices)
6-6 亂度法(熵)(entropy)：當分群的適配指數
6-7 路徑係數(path coefficients)
第7章 預測導嚮分群(prediction-oriented segmentation, POS)：樣本未必常態)
7-1 Prediction-oriented segmentation (POS)概念
7-2 預測導嚮分群(prediction-oriented segmentation, POS)：實作
第8章 多群組分析(MGA)：類別型調節變數：迴捲事前已分組
8-1多群組分析(multi- group analysis, MGA)：事前已分組，內生變數要多元常態
8-2 測量不變性(measurement invariance)，又稱測量恆等性
8-3 多群組分析(multi- group analysis, MGA)：實作
8-4 執行MGA分析與結果討論
8-5 改用類別型調節變數
第9章 排列(置換)演算法(MICOM)：測量組間(inter-group)差異(不變性)
9-1 排列(置換)演算法(Permutation algorithm, MICOM)概念
9-2 排列(置換)演算法(example model)：實作
9-3 Permutation演算法的輸齣
9-4 測量不變性(measurement invariance, MICOM)的檢定
第10章 PLS regression modeling (PLS Predict)≒典型相關
10-1 PLS regression: SmartPLS≠SPSS或SAS
10-2 PLS regression: SPSS也≠SAS
10-3 PLS regression modeling (PLS Predict)：實作
10-4 Creating a simple regression model in SmartPLS
10-5 PLS迴歸的SmartPLS輸齣之各指數
第11章 非線型模型(quadratic effect)：二次方之因果模型嗎？
11-1 使用Quadratic Effect Modeling(QEM)來處理非線性關係
11-2 使用二次方效果(quadratic effect)建模：咖啡客戶滿意度對忠誠度的非線性關係
第12 調節效果(moderating effect)
12-1 理論建構的途徑有二(多重因果關係之建構法)
12-2 一因一果一調節
12-3 連續型調節變數N(實作)：企業聲譽的前因及調節(乾擾)因素
12-4 調節變數，也是預測變數之一：它有2種身分
12-5 練習題：複雜的調節變數
-----------------
第13章 高階(higher-order)構念的界定、估計及驗證
13-1 高階模型(higher-order)
13-2 如何界定higher-order構念？
13-3 高階構念之分析步驟：(extended) repeated indicators法
1-1 緒論
1-2 資料建檔：先用SPSS建檔(SES-Incentive-perf.sav)，再另存Excel新檔(SES-Incentive-perf.csv)
1-3 重要概念及專有名詞
1-4 模型
1-5 變數的類型
1-6 PLS-SEM vs. CB-SEM的參數估計
1-7 留一法「交叉驗證」及適配度
第2章 用SmartPLS分析PLS-SEM的操作畫麵
2-1 SmartPLS概述
2-2 SmartPLS的「Calculate」估計有12種選項
2-3 執行「PLS algorithm」：路徑係數的相關、對依變數的相關性
第3章 consistent PLS algorithm(PLSc)估計法，等同於CB-SEM(如LISREL、AMOS)估計
3-1 PLS Algorithm的步驟
3-2 consistent PLS (PLSc)演算法(等同CB-SEM之AMOS)的估計
3-3 選配PLS bootstrapping來估計：for印齣顯著性
3-4 選配consistent PLS bootstrapping來估計：for印齣顯著性
3-5 選配blindfolding估計法：結構模型品質(Q2);測量模型品質(H2)
第4章 驗證式四分差分析(CTA-PLS)：該選formative模型或reflective模型
4-1 驗證式四分差分析(CTA)：檢測你測量模型是反映型或形成型
4-2 概述.
4-3 範例：Tetrads分析
4-4 執行：驗証性tetrad分析
4-5 PLLS-CTA的輸齣
4-6 PLS-CTA及樣本數
第5章 重要性-效能映射分析(important-performance map analysis, IPMA)
5-1 Importance-performance map analysis(重要性-效能映射分析)(IPMA)
5-2 範例：IPMA的建檔
5-3 執行IPMA
5-4 IPMA分析結果
第6章 有限混閤分群(FIMIX)：內部路徑模型的異質性，來對樣本分群(樣本要常態)
6-1 有限混閤模型(Finite mixtures models, FMM)
6-2 常態性假定之檢定：使用Stata、SPSS
6-3 未觀察到的異質性(unobserved heterogeneity)
6-4 用不同分群(segments)來比較模型之適配度
6-5 適配指數(fit indices)
6-6 亂度法(熵)(entropy)：當分群的適配指數
6-7 路徑係數(path coefficients)
第7章 預測導嚮分群(prediction-oriented segmentation, POS)：樣本未必常態)
7-1 Prediction-oriented segmentation (POS)概念
7-2 預測導嚮分群(prediction-oriented segmentation, POS)：實作
第8章 多群組分析(MGA)：類別型調節變數：迴捲事前已分組
8-1多群組分析(multi- group analysis, MGA)：事前已分組，內生變數要多元常態
8-2 測量不變性(measurement invariance)，又稱測量恆等性
8-3 多群組分析(multi- group analysis, MGA)：實作
8-4 執行MGA分析與結果討論
8-5 改用類別型調節變數
第9章 排列(置換)演算法(MICOM)：測量組間(inter-group)差異(不變性)
9-1 排列(置換)演算法(Permutation algorithm, MICOM)概念
9-2 排列(置換)演算法(example model)：實作
9-3 Permutation演算法的輸齣
9-4 測量不變性(measurement invariance, MICOM)的檢定
第10章 PLS regression modeling (PLS Predict)≒典型相關
10-1 PLS regression: SmartPLS≠SPSS或SAS
10-2 PLS regression: SPSS也≠SAS
10-3 PLS regression modeling (PLS Predict)：實作
10-4 Creating a simple regression model in SmartPLS
10-5 PLS迴歸的SmartPLS輸齣之各指數
第11章 非線型模型(quadratic effect)：二次方之因果模型嗎？
11-1 使用Quadratic Effect Modeling(QEM)來處理非線性關係
11-2 使用二次方效果(quadratic effect)建模：咖啡客戶滿意度對忠誠度的非線性關係
第12 調節效果(moderating effect)
12-1 理論建構的途徑有二(多重因果關係之建構法)
12-2 一因一果一調節
12-3 連續型調節變數N(實作)：企業聲譽的前因及調節(乾擾)因素
12-4 調節變數，也是預測變數之一：它有2種身分
12-5 練習題：複雜的調節變數
-----------------
第13章 高階(higher-order)構念的界定、估計及驗證
13-1 高階模型(higher-order)
13-2 如何界定higher-order構念？
13-3 高階構念之分析步驟：(extended) repeated indicators法
圖書試讀
自序
沒有最好的統計方法，隻有更好統計法。結構方程模型(structural equation model, SEM)結閤瞭傳統統計學上的因素分析與路徑分析技術，已成為當前發錶文章中常見的統計分析，SEM可再細分為反映型指標(reflective indicator)與形成型指標(formative indicator)，這兩種結構模型對於理解構念(construct)有不同的解讀方式，分析軟體亦不可同，前者用「LISREL,AMOS…」；後用隻能用SmartPLS軟體。SPSS和SAS早已提供PLS迴歸模型。但對於更複雜的路徑模型，則必須使用專門的PLS軟體。
由於由於「人與人」、「人與物」之間行為的互動是複雜的，而PLS是非常適閤估計複雜的關係。偏最小平方法(Partial Least Square, PLS)為無母數估計的結構方法模型(PLS-SEM)。著名PLS軟體「SmartPLS」是德國Hamburg大學商學院Ringle et al.(2010)開發，是基於經濟計量分析的需求。早期它在化學計量領域獲得重視，接著廣受資管、行銷、商學、運動休閒、健康、旅遊…等領域的愛載，迄今逐逐成為社會科學及生醫廣主流。
PLS也是一種探索或建構「預測性模型」的分析技術，尤其潛在變數之間的因果模型(causal model)分析，更優於一般的CB-SEM。被引用到超過2500以上的學術刊物中使用，廣受學者專傢的肯定。
PLS-SEM(partial least squares)相較於CB-SEM(covariance-based)對樣本條件需求較少，分析資料不需符閤多元常態分配，且可處理多個構念的複雜結構模型，同時處理反映性指標與形成性指標的構測量模型，特別適用於預測與強調模型的整體解釋變異程度。
SmartPLS除瞭PLS algorithm(演算法)外，尚提供consistent PLS algorithm (PLSc)來仿真CB-SEM計算。其分析結果，等同於CB-SEM(如Amos, SAS, Stata, MPlus, LISREL,EQS軟體)的估計。故SmartPLS已實質含蓋CB-SEM功能。統計分析上，SmartPLS功能及實用性已大於Amos等軟體。
由於，坊間齣版SEM的書，多數是屬covariance-based SEM(CB-SEM)傢族，但PLS傢族不同於CB-SEM，學界鮮少有書專門介紹PLS-SEM原理與範例實作，殊實可惜。
SmartPLS能分析形成性構念(或構麵)和形成性指標，可分析小樣本、非常態LVs等問題，倘若你的研究樣本數不夠多(如N=190份)，則不符閤使用CB-SEM資料分析方法之假定。且PLS的測量誤差較小，因此能精確的估計中介和調節(又稱乾擾)等問題(Bontis & Booker, 2007)。此時你改用PLS-SEM資料分析法是明智的。
近年來SmartPLS 3廣受社科學者的歡迎，軟體內容引進瞭多個具有特色的分析方法，幫助研究者自動快速完成統計程式。SmartPLS更結閤瞭現有技術方法(例如：PLS-POS、IPMA、多種bootstrapping估計係數值…)，配備易用且直覺式圖形用戶界麵。
由於SmartPLS統計軟體普及且易用，漸漸應泛用在學術論文與研究法上。但國內書籍較缺乏體係性論述PLS(估計法、統計原理)。
因此本書SmartPLS內容，包括：
1. PLS Algorithm：偏最小平方法來估計PLS路徑建模(PLS path modeling)的路徑係數。接著，再搭配Bootstrapping求齣路徑係數之顯著性p值。
2. Bootstrapping：具備進階拔靴法選項(advanced bootstrapping options)。印齣路徑係數「t值、顯著性p值」。
3. Consistent PLS Algorithm：等同「AMOS、Stata、LISREL、SAS」CB-SEM功能。意即，SmartPLS易用且實用功能可取代「AMOS、Stata、LISREL、SAS」。接著，再搭配Consistent PLS Bootstrapping求齣類CB-SEM之路徑係數「p值」。
4. Consistent PLS Bootstrapping：印齣路徑係數「t值」的顯著性考驗「p值」。
5. Blindfolding：預測相關性( 和 )與「XY」因果模型的效果量( )
6. 驗證式四分差分析(confirmatory tetrad analysis,CTA)：該選formative模型或reflective模型？
7.重要性-效能映射分析(importance-performance matrix analysis, IPMA)分析
8. 有限混閤分群(finite mixture segmentation, FIMIX)：內部路徑模型的異質性，來對樣本分群(樣本要常態)
9. 預測導嚮分群(prediction-oriented segmentation, POS)：樣本未必常態
10. 多群組分析(multi-group analysis, MGA)：類別型調節變數：迴捲事前已分組
11. 排列演算法(Permutation algorithm,MICOM)：測量組間(inter-group)差異(不變性)
12. PLS regression modeling (PLS Predict)≒樣本外(out-of-sample)預測能力。
13. nonlinear relationships (如quadratic effect)。
本書以最著的軟體SmartPLS為分析工具，從概念、原理到實作，深入淺齣地嚮讀者介紹PLS的常用模型與應用上需注意的問題，並以實例展示SmartPLS分析過程，適閤研讀領域有：社會科學、運輸、農業、生物醫學、藥學、製藥、電腦科學、工程、能源、技術、環境科學、材料科學、管理、會計、心理學、商學、經濟、計量經濟、財務等。
張紹勳 謹識
沒有最好的統計方法，隻有更好統計法。結構方程模型(structural equation model, SEM)結閤瞭傳統統計學上的因素分析與路徑分析技術，已成為當前發錶文章中常見的統計分析，SEM可再細分為反映型指標(reflective indicator)與形成型指標(formative indicator)，這兩種結構模型對於理解構念(construct)有不同的解讀方式，分析軟體亦不可同，前者用「LISREL,AMOS…」；後用隻能用SmartPLS軟體。SPSS和SAS早已提供PLS迴歸模型。但對於更複雜的路徑模型，則必須使用專門的PLS軟體。
由於由於「人與人」、「人與物」之間行為的互動是複雜的，而PLS是非常適閤估計複雜的關係。偏最小平方法(Partial Least Square, PLS)為無母數估計的結構方法模型(PLS-SEM)。著名PLS軟體「SmartPLS」是德國Hamburg大學商學院Ringle et al.(2010)開發，是基於經濟計量分析的需求。早期它在化學計量領域獲得重視，接著廣受資管、行銷、商學、運動休閒、健康、旅遊…等領域的愛載，迄今逐逐成為社會科學及生醫廣主流。
PLS也是一種探索或建構「預測性模型」的分析技術，尤其潛在變數之間的因果模型(causal model)分析，更優於一般的CB-SEM。被引用到超過2500以上的學術刊物中使用，廣受學者專傢的肯定。
PLS-SEM(partial least squares)相較於CB-SEM(covariance-based)對樣本條件需求較少，分析資料不需符閤多元常態分配，且可處理多個構念的複雜結構模型，同時處理反映性指標與形成性指標的構測量模型，特別適用於預測與強調模型的整體解釋變異程度。
SmartPLS除瞭PLS algorithm(演算法)外，尚提供consistent PLS algorithm (PLSc)來仿真CB-SEM計算。其分析結果，等同於CB-SEM(如Amos, SAS, Stata, MPlus, LISREL,EQS軟體)的估計。故SmartPLS已實質含蓋CB-SEM功能。統計分析上，SmartPLS功能及實用性已大於Amos等軟體。
由於，坊間齣版SEM的書，多數是屬covariance-based SEM(CB-SEM)傢族，但PLS傢族不同於CB-SEM，學界鮮少有書專門介紹PLS-SEM原理與範例實作，殊實可惜。
SmartPLS能分析形成性構念(或構麵)和形成性指標，可分析小樣本、非常態LVs等問題，倘若你的研究樣本數不夠多(如N=190份)，則不符閤使用CB-SEM資料分析方法之假定。且PLS的測量誤差較小，因此能精確的估計中介和調節(又稱乾擾)等問題(Bontis & Booker, 2007)。此時你改用PLS-SEM資料分析法是明智的。
近年來SmartPLS 3廣受社科學者的歡迎，軟體內容引進瞭多個具有特色的分析方法，幫助研究者自動快速完成統計程式。SmartPLS更結閤瞭現有技術方法(例如：PLS-POS、IPMA、多種bootstrapping估計係數值…)，配備易用且直覺式圖形用戶界麵。
由於SmartPLS統計軟體普及且易用，漸漸應泛用在學術論文與研究法上。但國內書籍較缺乏體係性論述PLS(估計法、統計原理)。
因此本書SmartPLS內容，包括：
1. PLS Algorithm：偏最小平方法來估計PLS路徑建模(PLS path modeling)的路徑係數。接著，再搭配Bootstrapping求齣路徑係數之顯著性p值。
2. Bootstrapping：具備進階拔靴法選項(advanced bootstrapping options)。印齣路徑係數「t值、顯著性p值」。
3. Consistent PLS Algorithm：等同「AMOS、Stata、LISREL、SAS」CB-SEM功能。意即，SmartPLS易用且實用功能可取代「AMOS、Stata、LISREL、SAS」。接著，再搭配Consistent PLS Bootstrapping求齣類CB-SEM之路徑係數「p值」。
4. Consistent PLS Bootstrapping：印齣路徑係數「t值」的顯著性考驗「p值」。
5. Blindfolding：預測相關性( 和 )與「XY」因果模型的效果量( )
6. 驗證式四分差分析(confirmatory tetrad analysis,CTA)：該選formative模型或reflective模型？
7.重要性-效能映射分析(importance-performance matrix analysis, IPMA)分析
8. 有限混閤分群(finite mixture segmentation, FIMIX)：內部路徑模型的異質性，來對樣本分群(樣本要常態)
9. 預測導嚮分群(prediction-oriented segmentation, POS)：樣本未必常態
10. 多群組分析(multi-group analysis, MGA)：類別型調節變數：迴捲事前已分組
11. 排列演算法(Permutation algorithm,MICOM)：測量組間(inter-group)差異(不變性)
12. PLS regression modeling (PLS Predict)≒樣本外(out-of-sample)預測能力。
13. nonlinear relationships (如quadratic effect)。
本書以最著的軟體SmartPLS為分析工具，從概念、原理到實作，深入淺齣地嚮讀者介紹PLS的常用模型與應用上需注意的問題，並以實例展示SmartPLS分析過程，適閤研讀領域有：社會科學、運輸、農業、生物醫學、藥學、製藥、電腦科學、工程、能源、技術、環境科學、材料科學、管理、會計、心理學、商學、經濟、計量經濟、財務等。
張紹勳 謹識
用戶評價
相關圖書
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 ttbooks.qciss.net All Rights Reserved. 小特书站 版權所有