PLS偏最小平方法教材一天-三星統計謝章升-20131122
Upcoming SlideShare
Loading in...5
×
 

PLS偏最小平方法教材一天-三星統計謝章升-20131122

on

  • 2,747 views

三星課程網

三星課程網
www.tutortristar.com

Statistics

Views

Total Views
2,747
Views on SlideShare
2,501
Embed Views
246

Actions

Likes
1
Downloads
119
Comments
3

3 Embeds 246

http://www.tutortristar.com 244
http://webcache.googleusercontent.com 1
http://tutortristar.com 1

Accessibility

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
  • 這篇救了很多研究生 感謝!!
    Are you sure you want to
    Your message goes here
    Processing…
  • you are welcome.
    Are you sure you want to
    Your message goes here
    Processing…
  • I am a student from Hong Kong, the slides are really useful for my academic study. Thank you for your sharing!
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

PLS偏最小平方法教材一天-三星統計謝章升-20131122 PLS偏最小平方法教材一天-三星統計謝章升-20131122 Presentation Transcript

  • Partial Least Square (PLS) 偏最小平方法- Second Generation Statistics 講者:三星統計 謝章升 fega53@gmail.com 教材原創: 三星統計 張偉豪 版次: 20131024謝章升改版 三星課程網 www.tutortristar.com
  • 課程大綱 1. 反映型(Reflective)和 形成型指標(Formative)的應用 2. PLS的介紹 3. SEM VS. PLS 概念比較 4. SmartPLS 操作 5. PLS實務應用操作
  • 第一本問世的書 PLS參考用書
  • SmartPLS服用前須知 http://www.smartpls.de/forum/ 或在Google打關鍵字”smartpls” 1. 申請論壇帳號,一般1-2天便可取得 SmartPLS軟體的序號 2. 到SmartPLS論壇下載軟體(JRE 6 included) 3. 安裝smartpls軟體,輸入序號,此序號每90天 要更新一次。到論壇登入帳號,密碼,找my key, 序號就在裏面。 4. 同一序號可以安裝三次。
  • 按這邊去填寫會員資料, 加入此論壇 小提醒:一個mail地址可以申請 一個帳號,建議申請兩個方便使用
  • 按這邊可以下載 SmartPLS軟體 按這邊就會看到 您專屬的軟體序號
  • 形成型指標Formative vs. 反映型指標Reflective
  • Formative
  • Reflective
  • Formative vs. Reflective 無法互相交換 可以互相交換
  • 形成型與反映型指標的差異 “Whereas reflective indicators are essentially interchangeable (and therefore the removal of an item does not change the essential nature of the underlying construct), with formative indicators ‘omitting an indicator is omitting a part of the construct’.” (Diamantopoulos Reflective Construct / Winklhofer, 2001, p. 271) 形成型指標重點 在互補的指標之 間重疊的最小化 Formative Construct 反映型指標重點在指標 之間重疊的最大化
  • 練習看看 高 聊天 帥 自我揭露 Love 富 共用東西
  • 旅館滿意度 房間的佈置很精緻 旅館提供許多的娛樂 經過考量,我覺得喜 歡這間旅館很讚 旅館服務人員很友善 我很欣賞這家旅館 旅館 滿意度 這旅館價格很低 我期望在這間旅館 過夜 房間很安靜 這間旅館讓我覺得 很舒服 房間很乾淨 旅館提供良好的服務 旅館提供的餐點很 好吃
  • 反映型指標特性 (Jarvis et al. 2003; MacKenzie et al. 2005) 1. 因果關係必需是構面到觀察變數 (Churchill,1979); 2. 測量誤差在觀察變數; 3. 觀察變數需具有內部一致性 (Fornell & Bookstein,1982); 4. 觀察變數需具有中高度相關 (Fornell & Bookstein,1982); 5. 一個構面至少需具有3個觀察變數 (Bollen, 1989);
  • 反映型指標特性 (Jarvis et al. 2003; MacKenzie et al. 2005) 6. 觀察變數具可交換性 (Nunnally & Bernstein, 1994.); 7. 移除構面中的某特定觀察變數,不會影響構面 的意義(Bollen & Lennox, 1991; Nunnally & Bernstein, 1994; Jarvis et al. 2003) 。 8. 潛在構面要符合單一構面原則,即要有較低的 交叉負荷量 (Kline, 2011) 9. 構面需具有數字的敏感性,高低需具有意義 (DeVellis, 2003)。 三星統計服務有限公司
  • 形成型指標 1. 因果方向由測量變數到潛在變數 2. 沒理由相信測量變數之間有中高度相關, 因此沒有內部一致性的問題 3. 拿掉一個變數會改變構面的意義 4. 測量誤差在構面層級 5. 觀察變數定義潛在變數的意義 6. 觀察變數不能互相取代 7. 觀察變數不一定要有相似的內容,相關可以為負 8. 一個觀察變數改變不一定會改變其它的變數 9. 觀察變數不一定要有相同的影響變數或結果
  • PLS建模 • 反映型(reflective)指標模型 – 模型中所有的構面,箭頭均必需是由潛在變數 指向觀察變數 • 形成型(formative)指標模型 – 模型中所有的構面,箭頭均必需是由觀察變數 指向潛在變數 • 混合 (redundancy)模型 – 模型中混合了兩種構面在模型中 – 但不可以同一個構面具有兩種型式的指標
  • PLS模型設定的限制 1. 模型必須是遞迴(recursive)路徑,亦即是因果路 徑模型 2. 每一個潛在變數至少應該跟另一個潛在變數有關 係 3. 每個潛在變數至少需要1個測量變數(indicator) 4. 每一個觀察變數只能存在於一個潛在變數上 5. 模型中只能有一個模型,不可以分割成幾個無相 關的次模型 三星統計服務有限公司
  • 這樣的模型是錯的 三星統計服務有限公司
  • SEM兩大家族 • Covariance-based SEM (CBSEM) – Goal:樣本矩陣與模型期望共變異數最接近 例如: 樣本矩陣為… 模型期望共變異數為… – Data source: raw data, covariance matrix or correlation matrix with standard deviation – Software: Amos, LISREL, EQS, Mplus…
  • 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, PLS-Graph, VisualPLS (中文), PLS-GUI, SPAD PLS…
  • PLS在MISQ的應用 三星統計服務有限公司
  • 使用PLS的十大理由 三星統計服務有限公司
  • Advantage of PLS 1. 2. 3. 4. 相對於CBSEM對樣本需求較少 無需分析資料符合常態分配 可以處理多構面的複雜結構模型 可以同時處理反映型指標及形成型 指標構面 5. 適合於理論的發展而不是理論的測試 6. 特別適用於預測(R2)
  • 結構模式與測量模式 Inner model and Outer model Outer model e1 x1 e2 x2 e3 x3 Inner model Outer model D Lx1 Lx2 Ly1 F1滿意度 b Lx3 測量(CFA)模型 F2忠誠度 Ly2 Ly3 結構模型 y1 e4 y2 e5 y3 e6 測量(CFA)模型 25
  • The CBSEM approach • 結合因素分析與多元迴歸分析 • 極小化樣本與模型的差距(殘差最小) • 沒有理論基礎,無法將理論架構套在 實際的現象上,所以就無法測試 • 測量模型與結構模型同步進行估計 (FIML) • 參數估計最佳化
  • The PLS approach • • • • 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 自變數愈多愈好(consistency at large) PLS可以是理論驗證也可以是理論發展, 前者是用來探索變數之間變數的假設,但 仍以理論發展為主 • 不會產生不合理估計值或 模型無法辨識的問題 • 某些條件下,可以在小樣本下工作
  • • Phase I PLS Algorithm – 將所有觀察變數的值標準化 • Phase II – Outer model:利用迴歸方式計算出LVs的因素分數 (迭代至收斂) – Inner model:以相近的LV作為代理計算,仍然是用 迴歸進行(迭代至收斂) • Phase III – 計算因素負荷量,迴歸係數及各種效度測量 • 因為PLS在估計時,為局部進行每個構面,最後 再合起來估計LVs之間的關係,所以估計是有偏 的,因此稱為偏最小平方法
  • PLS與SEM的選擇 Criteria SEM PLS 目標 參數估計導向 運算方法 共變異數為基礎 變異數為基礎 潛在變數 潛在變數估計時 每個潛在變數是觀 使用所有的觀察 察變數的線性組合 變數 潛在變數與觀 只能用 察變數的關係 反映型指標 推論 預測導向 反映型或 形成型指標均可 參數估計最佳化 預測能力最大化
  • SEM與PLS的選擇 Criteria SEM 小或中度複雜, 模型複雜度 通常不超過100 個MVs 最小要求為100 樣本需求 以上,建議300~ 500個樣本 符合多元常態 資料分佈 最大概似插補法 遺漏值 一般LV需3個以 模型辨識 上的MVs PLS 可以很複雜,如 100LVs,1000MVs 最小要求為30~100 個樣本 具有彈性(無母數) NIPALS 演算 只要是 遞迴路徑就可以
  • SEM與PLS的選擇 Criteria SEM PLS 顯著性檢定 所有估計參數均有 Jackknife or bootstrapping 參數估計值 標準化及非標準化 標準化估計值 信效度評估 有 形成型指標沒有 理論需求 充份的理論基礎, 探索及解釋性 支持驗證式研究 研究,無需充份 理論基礎 測量模型 二階測量模型 多階測量模型 分析功能 強大 較小 三星統計服務有限公司
  • SEM與PLS的選擇 Criteria 模型配適度 最佳化形式 模型變數 關係假設 參數估計 一致性 因素分數 軟體工具 應用情形 SEM 很多(25種) 整體模型迭代 線性或非線性 PLS GOF (1種) 局部模型迭代 線性 有一致性 在大樣本時有 一致性 明確估計 不成熟 逐步加温 不特別估計 成熟 廣泛
  • PLS or SEM選擇流程圖 形成型指標? no 因素分數? yes yes no 模型目的 預測 理論測試 模型發展 早期 成熟 共變異數為基礎(Amos) 變異數為基礎(PLS)
  • PLS: A Silver Bullet?
  • SmartPLS的操作
  • 三星統計服務有限公司
  • Create a new project • File New Create new project 三星統計服務有限公司
  • Data import 三星統計服務有限公司
  • Missing values setup 三星統計服務有限公司
  • Data create • SmartPLS只能接受*.txt or *.csv的資料格式 • SPSS 16以上或Excel均可用另存新檔(Save as) 轉存成*.txt or *.csv
  • 研究假設模型 三星統計服務有限公司
  • 三星統計服務有限公司
  • Create a model 選 擇 物 件 三星統計服務有限公司
  • Rename factors • 中文名稱在報表輸出時會產生亂碼,建議用英文 三星統計服務有限公司
  • 構面加入觀察變數 三星統計服務有限公司
  • 觀察變數的調整 三星統計服務有限公司
  • 建立關係 三星統計服務有限公司
  • 三星統計服務有限公司
  • PLS圖面整齊性調整 調整構面變數的整齊性 三星統計服務有限公司
  • PLS整齊性調整 三星統計服務有限公司
  • PLS 計算 潛在類別分析 計算Q2 三星統計服務有限公司
  • PLS估計方法選擇 default: Path Weighting Scheme 三星統計服務有限公司
  • PLS估計方法選擇 • Factor Weighting Scheme – the estimation of LV will be estimated using correlations (inner estimation) • Path Weighting Scheme – the estimation of LV will be estimated with regression and correlations (depends on the arrows) • Centroid Weighting Scheme – used when the other does not run (it is an older 三星統計服務有限公司 procedure)
  • bootstrapping 三星統計服務有限公司
  • bootstrapping 三星統計服務有限公司
  • PLS報告輸出 三星統計服務有限公司
  • 檔案輸出 • 將檔案打包輸出(包括 圖檔及資料檔)File Export Export Project Next Finish, 此時就會在D 槽出現同名的.splsp, 此時可以將檔案 e-mail給其他人,省去 重新繪圖. • 註:檔案要存在 英文目錄下
  • Window Preferences 三星統計服務有限公司
  • 檔案輸入 • File Import Import Project Next  選擇檔案放置的位置(Browse) Finish • Smartpls就會自動輸入圖檔與資料檔 三星統計服務有限公司
  • TAM with missing value practice PEOU ATT PUF BI AUB
  • PLS效度評估 • • 由於PLS並沒有提供整體模型配適度指標, 但仍有幾個標準來評估模型效度 PLS分成兩大部份 – 測量模型(Outer model) 1. 反映型指標模型 2. 形成型指標模型 – 結構模型(Inner model) 三星統計服務有限公司
  • 反映型指標模型評估 • Factor loadings (Indicators reliability)>0.7 • Uni-dimensionality (test by EFA) • Convergence validity – Cronbach’s α – 組成信度 (composite reliability, CR) – 平均變數萃取量 (Average Variance Extracted, AVE) • Discriminate validity – Low cross-loading <Factor loadings – AVE>Square of constructs correlation 三星統計服務有限公司
  • 形成型指標模型評估 • Indicator validity – 權重>0.2而且要顯著(Chin, 1998) ,顯著性可 由bootstrap求得 – Indicators之間要檢查共線性,即VIF<10 • Construct validity • 所有模型假設中,形成性構面需符合預期,構 面之間的關係需與文獻一致並且顯著 • Discriminate validity – 構面之間的相關<0.7為具有區別效度 三星統計服務有限公司
  • 結構模型的效度評估 • Coefficient of determination (R2) – 內生潛在變數的R2>0.67為具實務上價值, R2=0.33左右表示中度解釋能力, R2=0.19左 右表示解釋能力薄弱 • Path Coefficient – 方向,強度及顯著性 三星統計服務有限公司
  • 結構模型的效度評估 • Effect size (f2) – 外生變數對內生變數的影響力(Cohen, 1988) – 0.02(低), 0.15(中), 0.35(高)的影響效果 Predictive relevance (Q2)>0 – Q2愈大代表預測相關性愈強,要用blindfolding 功能求得 • GOF (Goodness of Fit) – √共同性×可解釋變異= √Redundancy – GoFsmall=0.1, GoFmedium=0.25, GoFlarge=0.36 三星統計服務有限公司
  • Effect size (f2) • Effect size (ES): f2= (R 2full model – R 2partial model) ÷ (1 – R • Effect Sizes (Cohen, 1988) 2 full model) – ES= 0.02~0.15 are weak – ES= 0.15~0.35 are moderate 當F3加入模 – ES> 0.35 are strong 型時,Y會產 生的R2增量 F1 F2 F3 Y 三星統計服務有限公司
  • 何謂blindfolding • 將資料矩陣分隔成G群 – Herman Wold 建議分成G = 7 – 假設G=3 LV1 LV2 LV2 MV1 三星統計服務有限公司 MV1 MV1
  • Blindfolding Groups • G=3,分別為a, b, c • 一次省略一組的資料不納入分析 1.省略group a 2.省略group b 三星統計服務有限公司 3.省略group c
  • Blindfolding: Predictive Relevance • PLS模型估計G次,每次排除一組後再估計模 型 • 利用其它的潛在變數預測觀察變數評估模 型的品質 • 計算predictive relevance Q2 – – – – Q2 = 1 模型完全重製 Q2 = 0 模型與用平均數取代無異 Q2 < 0 表模型沒有predictive relevance. Q2 > 0 表模型有predictive relevance
  • Q2 Calculation • Stone-Geisser Q2 – – – – cv-communality (評估測量模型) 交叉評估測量模型的共同性(communality) cv-redundancy (評估結構模型) 交叉評估結構模型的重疊性(redundancy) 三星統計服務有限公司
  • Model with Blindfolding two inner model regression 三星統計服務有限公司
  • Model with Blindfolding • Calculate Blindfolding 三星統計服務有限公司
  • Model Blindfolding Results 三星統計服務有限公司
  • Blindfolding cv-Redundancy and cv-communality Results
  • EXAMPLES from MISQ An Empirical Examination of Individual Traits as Antecedents to Computer Anxiety and Computer Self-Efficacy Managing Client Dialogues during Information Systems Design to Facilitate Client Learning 三星統計服務有限公司
  • PLS分析 • Calculate PLS Algorithm
  • Quality Criteria • Report Html Report 三星統計服務有限公司
  • 因素負荷量Outer loadings 企業形象 AL1 AL2 AL3 CS1 CS2 CS3 CS4 CS5 EI1 服務品質 0.94 0.87 滿意度 轉換成本 0.75 0.70 0.80 0.73 0.76 0.91 EI2 EI3 SC1 SC2 SC3 SC4 assurence empathy reliable response tangible 態度 0.86 0.94 0.91 0.84 0.74 0.86 0.86 三星統計服務有限公司 0.75 0.89 0.89 0.81 0.85
  • 收斂效度 (convergence validity) • • • • Factor loadings>0.7 AVE=Communality>0.7 (reflective index) Composite Reliability≒ Cronbach’s α>0.7 Redundancy愈大表示模型愈好 AVE Composite Reliability 企業形象 0.827 0.935 態度 0.818 0.931 服務品質 0.658 0.905 滿意度 0.559 0.863 轉換成本 0.741 0.919 R2 Cronach's Communality Redundancy Alpha 0.895 0.393 0.888 0.818 0.869 0.392 0.827 0.658 0.802 0.559 0.883 0.741 0.178 0.070
  • 模型區別效度的判定 • Cross loadings<factor loadings – Cross loadings是指構面與不同構面題目的因 素負荷量. • AVE的開根號值>構面之間的相關 (AVE值>構面之間的相關的平方) 三星統計服務有限公司
  • 區別效度 企業形象 態度 服務品質 AL1 0.42 0.86 AL2 0.48 0.94 AL3 0.45 0.91 粗體為factor loadings0.26 CS1 0.41 CS2細體為cross loadings 0.25 0.36 CS3 0.35 0.36 CS4 0.34 0.39 CS5 0.36 0.38 EI1 0.91 0.45 EI2 0.94 0.46 EI3 0.87 0.45 SC1 0.21 0.34 SC2 0.22 0.35 SC3 0.13 0.28 SC4 0.17 0.30 assurence 0.34 0.42 empathy 0.33 0.43 reliable 0.42 0.43 response 0.35 0.39 三星統計服務有限公司 tangible 0.31 0.35 0.45 0.46 0.44 0.38 0.36 0.55 0.46 0.46 0.34 0.42 0.42 0.41 0.40 0.32 0.28 0.84 0.74 0.86 0.86 0.75 滿意度 0.44 0.47 0.47 0.75 0.70 0.80 0.73 0.76 0.39 0.39 0.37 0.32 0.31 0.25 0.23 0.50 0.44 0.54 0.51 0.42 轉換成本 0.33 0.34 0.34 0.27 0.20 0.28 0.18 0.28 0.15 0.18 0.25 0.89 0.89 0.81 0.85 0.37 0.36 0.36 0.33 0.25
  • AVE區別效度 AVE Composite Cronbachs Reliability Alpha EI LOY SAT SC SQ EI 0.649 0.917 0.890 0.806 LOY 0.778 0.933 0.904 0.608 0.882 SAT 0.490 0.870 0.825 0.491 SC 0.682 0.914 0.882 0.338 0.392 0.365 0.826 SQ 0.658 0.905 0.869 0.534 0.505 0.664 0.405 0.811 0.528 0.700
  • Path coefficients • PLS Algorithm HTML Report Path Coefficients Y EI EI LOY SAT 0.428 0.176 LOY X SAT 0.263 SC 0.151 SQ 0.090 0.534 SC SQ
  • 顯著性檢定 • Calculate Bootstrapping – 由於pls的資料 分配不知道,因 此無法利用傳 統的方法求得. 三星統計服務有限公司
  • 結構係數t值 Path Coefficients (Mean, STDEV, T-Values) • Report Html Report • t >1.96 at p < 0.05, t > 2.58, at p < 0.01, t > 3.29 at p < 0.001 for two-tailed tests Original Sample (O) Sample Mean (M) Standard Deviation (STDEV) Standard T Statistics Error (|O/STERR|) (STERR) CI -> ATT 0.326 0.326 0.062 0.062 CI -> SAT 0.197 0.191 0.072 0.072 SAT -> ATT 0.304 0.304 0.057 0.057 SC -> ATT 0.204 0.206 0.063 0.063 SC -> SAT 0.088 0.090 0.053 0.053 SQ -> SAT 0.473 0.480 0.062 0.062 The bootstrap procedure is just used to compute standard error and t-values of outer loadings, outer weights, path coefficients. For these reasons: t = original / std error 5.273 2.745 5.349 3.260 1.654 7.616
  • 因素負荷量t值Outer Model T-Statistic AL1 AL2 AL3 CS1 CS2 CS3 CS4 CS5 EI1 EI2 EI3 SC1 SC2 SC3 SC4 assurence empathy reliable response tangible ATT 30.75 68.97 61.37 CI SAT 62.10 114.83 38.61 三星統計服務有限公司 SC SQ 23.65 17.24 32.65 19.94 23.53 56.19 46.01 22.43 36.89 37.82 18.78 45.74 46.76 22.43
  • 總效果Total Effect Original Sample (O) Sample Mean (M) Standard Standard T Statistics Error Deviation (|O/STERR|) (STDEV) (STERR) CI -> ATT 0.385 0.385 0.066 0.066 5.867 CI -> SAT 0.197 0.193 0.074 0.074 2.658 SAT -> ATT 0.304 0.301 0.058 0.058 5.265 SC -> ATT 0.231 0.233 0.065 0.065 3.566 SC -> SAT 0.088 0.092 0.056 0.056 1.576 SQ -> ATT 0.144 0.144 0.033 0.033 4.396 SQ -> SAT 0.473 0.478 0.059 0.059 8.023 顯著性檢定
  • 三星統計服務有限公司 88
  • 三星課程網 http://www.tutortristar.com 89
  • 三星統計服務有限公司 • SEM教育訓練 – – – – – – • • • • • 演講邀約 論文分析統計諮詢 資料分析 統計小班教學 IBM SPSS暨Amos 銷售 SPSS 統計訓練 SEM 基礎訓練 SEM 進階分析 SEM 實務應用 SEM 寫作不求人 SEM 縱斷面分析 應用 E-mail: semsoeasy@gmail.com Fax: 07-3909741