SmartPLS

SmartPLS官方版是一款相当优秀的偏最小二乘结构方程建模工具。SmartPLS中文版采用最先进的技术打造，可以帮助用户轻松的进行分析和建模，只需几分钟就能创建路径模型。SmartPLS软件拥有直观的图形用户界面，支持跟踪管理所有的分析以及相关文件，有效的提高了处理效率。喜欢SmartPLS的朋友快来华军软件园下载体验吧！

SmartPLS功能介绍

      强大的建模环境允许您在几分钟内创建路径模型。

      项目经理帮助您跟踪所有分析和文件。

      使用颜色，边框和字体自定义模型，以单独强调您的想法!

      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。

      组织良好的报告可以全面了解您的结果。

      将结果永久保存为HTML报告或Excel文件。

      创建数据组以毫不费力地运行多组分析。

      创建交互术语并运行主持人分析没有任何问题。

SmartPLS软件特色

      1、偏最小二乘(PLS)路径建模

      2、基于sumscores的普通最小二乘(OLS)回归

      3、一致的PLS(PLSc)

      4、加权PLS(WPLS)，加权OLS(WOLS)和加权一致PLS(WPLSc)

      5、引导和使用高级引导选项

      6、Blindfolding

      7、重要性 - 性能图分析(IPMA)

      8、PLS多组分析(MGA)：分析组特定PLS路径模型估计的差异和显着性

      9、高阶模型

      10、调解：间接影响的估计及其基于引导程序的显着性检验

      11、适度：交互效应的估计及其基于引导程序的显着性检验

      12、非线性关系：二次效应的估计及其基于bootstrap的显着性检验

      13、确认四分体分析(CTA)：一种统计技术，允许对测量模型设置进行经验测试

      14、有限混合(FIMIX)分割：一种潜在的方法，允许识别和处理路径模型中未观察到的异质性

      15、面向预测的分段(POS)：一种识别数据组的方法

      16、PLS预测：确定PLS路径模型的预测质量的技术

SmartPLS软件优势

      一、PLS中的验证性四元分析(CTA-PLS)

      1、抽象

      PLS-SEM(CTA-PLS;Gudergan等人，2008)中的确认性四元分析可以区分形成性和反射性测量模型。原则上，该分析遵循Bollen和Ting(2000)在PLS-SEM环境中测试模型隐含四边形的确认方法。

      2、描述

      在PLS-SEM(CTA-PLS;Gudergan等人，2008)中使用确认四元分析可以区分形成性和反射性测量模型。原则上，该分析遵循Bollen和Ting(2000)在PLS-SEM上下文中测试模型隐含四边形的确认方法，不同之处在于采用了引导程序来测试模型隐含四边形的重要性。

      Gudergan等。(2008年)详细描述了CTA-PLS程序。

      所执行的过程每个构造至少需要4个清单变量，并且每个构造最多可以处理25个清单变量，这是因为，如果四元组是否冗余，测试数量呈指数增长。

      3、SmartPLS中的CTA-PLS设置

      子样本

      在引导过程中，将使用从原始数据集中随机抽取的观察值(带有替换值)创建子样本。为了确保结果的稳定性，子样本的数量应大。

      对于初步评估，可能希望选择较少数量的引导子样本(例如500个)，以使用PLS-SEM算法随机抽取和估计，因为这需要更少的时间。但是，为准备最终结果，应使用大量的引导子样本(例如5,000个)。

      注意：大量的自举子样本会增加计算时间。

      并行处理

      此选项在多个处理器上运行引导例程(如果您的计算机设备提供多个内核)。使用并行计算将减少计算时间。

      重要信息：进程数不应超过计算机中的处理器数。

      测试类型

      指定是进行单面还是双面重要性测试。

      显着性水平

      指定测试统计信息的重要性级别。

      二、判别有效性评估

      1、抽象

      判别有效性评估的目的是确保在PLS路径模型中，反射性结构与其自身指标(例如，与任何其他结构相比)具有最强的关系(Hair等人，2017)。

      2、简要描述;简介

      判别有效性评估已成为分析潜在变量之间关系的公认先决条件。对于基于方差的结构方程建模，例如偏最小二乘，

      Fornell-Larcker准则和

      交叉荷载的检查是评估判别效度的主要方法。

      Henseler，Ringle和Sarstedt(2015)通过模拟研究表明，在通常的研究情况下，这些方法不能可靠地识别出缺乏判别效度。因此，这些作者提出了一种基于多性状-多方法矩阵的替代方法来评估判别效度：相关性的异质性-单性比率(HTMT)。Henseler，Ringle和Sarstedt(2015)通过蒙特卡洛模拟研究证明了该方法的优越性能，在该研究中，他们将新方法与Fornell-Larcker准则进行了比较，并对(部分)交叉荷载进行了评估。最后，它们提供了有关在基于方差的结构方程模型中如何处理判别有效性问题的指南。

      参见Henseler，Ringle和Sarstedt(2015)，详细了解基于差异的结构方程模型中用于区分效度评估的HTMT标准。

      3、SmartPLS中的判别有效性评估

      在SmartPLS中运行PLS和PLSc算法时，结果报告在“质量标准”部分中将包含有区别的有效性评估结果。提供以下结果：

      Fornell-Larcker标准，

      交叉装载，以及

      HTMT标准结果。我们建议使用HTMT标准来评估判别有效性。如果HTMT值低于0.90，则已在两个反射构造之间建立了判别有效性。

      如果要获取HTMT_Inference结果，则需要运行引导例程。启动引导程序时，选择“CompleteBootstrapping”选项很重要。然后，在引导结果报告中的“质量标准”部分中找到引导的HTMT标准结果。

      请注意：在SmartPLS3.2.1和更高版本中，HTMT标准计算与Henseler，Ringle和Sarstedt(2015)给出的方程式不同。SmartPLS不使用指标之间的相关性，而是使用指标之间的相关性的绝对值。例如，当不是使用0.1、0.2和-0.3导致平均相关性为0时，会导致原始HTMT方程出现问题，而SmartPLS使用0.1、0.2和0.3导致平均相关性为0.2。因此，在SmartPLS中将HTMT标准限定在0到1之间，并且不会因负相关而导致问题。

SmartPLS更新日志

      将bug扫地出门进行到底

      优化用户反馈的问题，提升细节体验