SmartPLS功能介紹
強大的建模環境允許您在幾分鐘內創建路徑模型。
項目經理幫助您跟蹤所有分析和文件。
使用顏色，邊框和字體自定義模型，以單獨強調您的想法!
內置的算法解釋和有意義的默認值使您可以輕松入手PLS-SEM世界。
組織良好的報告可以全面了解您的結果。
將結果永久保存為HTML報告或Excel文件。
創建數據組以毫不費力地運行多組分析。
創建交互術語并運行主持人分析沒有任何問題。
SmartPLS軟件特色
1、偏最小二乘(PLS)路徑建模
2、基于sumscores的普通最小二乘(OLS)回歸
3、一致的PLS(PLSc)
4、加權PLS(WPLS)，加權OLS(WOLS)和加權一致PLS(WPLSc)
5、引導和使用高級引導選項
6、Blindfolding
7、重要性 - 性能圖分析(IPMA)
8、PLS多組分析(MGA)：分析組特定PLS路徑模型估計的差異和顯著性
9、高階模型
10、調解：間接影響的估計及其基于引導程序的顯著性檢驗
11、適度：交互效應的估計及其基于引導程序的顯著性檢驗
12、非線性關系：二次效應的估計及其基于bootstrap的顯著性檢驗
13、確認四分體分析(CTA)：一種統計技術，允許對測量模型設置進行經驗測試
14、有限混合(FIMIX)分割：一種潛在的方法，允許識別和處理路徑模型中未觀察到的異質性
15、面向預測的分段(POS)：一種識別數據組的方法
16、PLS預測：確定PLS路徑模型的預測質量的技術
SmartPLS軟件優勢
一、PLS中的驗證性四元分析(CTA-PLS)
1、抽象
PLS-SEM(CTA-PLS;Gudergan等人，2008)中的確認性四元分析可以區分形成性和反射性測量模型。原則上，該分析遵循Bollen和Ting(2000)在PLS-SEM環境中測試模型隱含四邊形的確認方法。
2、描述
在PLS-SEM(CTA-PLS;Gudergan等人，2008)中使用確認四元分析可以區分形成性和反射性測量模型。原則上，該分析遵循Bollen和Ting(2000)在PLS-SEM上下文中測試模型隱含四邊形的確認方法，不同之處在于采用了引導程序來測試模型隱含四邊形的重要性。
Gudergan等。(2008年)詳細描述了CTA-PLS程序。
所執行的過程每個構造至少需要4個清單變量，并且每個構造最多可以處理25個清單變量，這是因為，如果四元組是否冗余，測試數量呈指數增長。
3、SmartPLS中的CTA-PLS設置
子樣本
在引導過程中，將使用從原始數據集中隨機抽取的觀察值(帶有替換值)創建子樣本。為了確保結果的穩定性，子樣本的數量應大。
對于初步評估，可能希望選擇較少數量的引導子樣本(例如500個)，以使用PLS-SEM算法隨機抽取和估計，因為這需要更少的時間。但是，為準備最終結果，應使用大量的引導子樣本(例如5,000個)。
注意：大量的自舉子樣本會增加計算時間。
并行處理
此選項在多個處理器上運行引導例程(如果您的計算機設備提供多個內核)。使用并行計算將減少計算時間。
重要信息：進程數不應超過計算機中的處理器數。
測試類型
指定是進行單面還是雙面重要性測試。
顯著性水平
指定測試統計信息的重要性級別。
二、判別有效性評估
1、抽象
判別有效性評估的目的是確保在PLS路徑模型中，反射性結構與其自身指標(例如，與任何其他結構相比)具有最強的關系(Hair等人，2017)。
2、簡要描述;簡介
判別有效性評估已成為分析潛在變量之間關系的公認先決條件。對于基于方差的結構方程建模，例如偏最小二乘，
Fornell-Larcker準則和
交叉荷載的檢查是評估判別效度的主要方法。
Henseler，Ringle和Sarstedt(2015)通過模擬研究表明，在通常的研究情況下，這些方法不能可靠地識別出缺乏判別效度。因此，這些作者提出了一種基于多性狀-多方法矩陣的替代方法來評估判別效度：相關性的異質性-單性比率(HTMT)。Henseler，Ringle和Sarstedt(2015)通過蒙特卡洛模擬研究證明了該方法的優越性能，在該研究中，他們將新方法與Fornell-Larcker準則進行了比較，并對(部分)交叉荷載進行了評估。最后，它們提供了有關在基于方差的結構方程模型中如何處理判別有效性問題的指南。
參見Henseler，Ringle和Sarstedt(2015)，詳細了解基于差異的結構方程模型中用于區分效度評估的HTMT標準。
3、SmartPLS中的判別有效性評估
在SmartPLS中運行PLS和PLSc算法時，結果報告在“質量標準”部分中將包含有區別的有效性評估結果。提供以下結果：
Fornell-Larcker標準，
交叉裝載，以及
HTMT標準結果。我們建議使用HTMT標準來評估判別有效性。如果HTMT值低于0.90，則已在兩個反射構造之間建立了判別有效性。
如果要獲取HTMT_Inference結果，則需要運行引導例程。啟動引導程序時，選擇“CompleteBootstrapping”選項很重要。然后，在引導結果報告中的“質量標準”部分中找到引導的HTMT標準結果。
請注意：在SmartPLS3.2.1和更高版本中，HTMT標準計算與Henseler，Ringle和Sarstedt(2015)給出的方程式不同。SmartPLS不使用指標之間的相關性，而是使用指標之間的相關性的絕對值。例如，當不是使用0.1、0.2和-0.3導致平均相關性為0時，會導致原始HTMT方程出現問題，而SmartPLS使用0.1、0.2和0.3導致平均相關性為0.2。因此，在SmartPLS中將HTMT標準限定在0到1之間，并且不會因負相關而導致問題。
SmartPLS更新日志
將bug掃地出門進行到底
優化用戶反饋的問題，提升細節體驗
華軍小編推薦：
SmartPLS專業、操作簡單、功能強大，軟件屆的翹楚之一，歡迎大家下載，本站還提供AlphaEbot動作編輯軟件、河小象編程客戶端、自動化測試工具AutoRunner、Easy GUI、小海龜LOGO語言等供您下載。
您的評論需要經過審核才能顯示