本文探讨了偏最小二乘结构方程建模（PLS-SEM）的应用场合和结果报告策略，基于Hair等人在2019年发表于《欧洲商业评论》的研究论文。PLS-SEM相较于传统的协方差结构方程模型（CB-SEM），在处理非正常分布数据和模型复杂性方面具有优势，尤其在社会科学领域的多个学科，如组织管理、营销管理等，近年来得到了...
选择PLS-SEM时应初步考虑的因素 CB-SEM通常由LISREL或AMOS等软件执行,以数据的协方差矩阵为基础,考虑共同方差来估计模型参数;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。 作者根据过去的理论文献,提出了下列情况下,学者们应该考虑使用PLS-SEM。 when the analysis is concerned with testing ...
在大样本情况下，CB-SEM（基于最大似然估计的结构方程模型）对非正态性的稳定性较高，而在小样本情况下，CB-SEM可能会导致异常结果，此时PLS-SEM的稳定性更强。但在小样本且数据分布非正态时，仍可能影响PLS-SEM的结果，如使用拔靴法处理非正态数据可能导致峰态与偏态分布。因此，选择PLS-SEM时应...
在大样本的情况下,CB-SEM的最大似然估计性对于违反正态性是稳定的。如果数据样本较小,CB-SEM可能会产生异常结果。而此时,PLS-SEM表现出更强的稳定性。 但是,需要注意的是,在样本数据量较小的情况下,非正态分布数据也会影响PLS-SEM的结果。例如,对非正态分布数据使用拔靴法可能会产生峰态分布和偏态分布。尽管...