![[干货]SmartPLS3.0中文版PLS-SEM（偏最小二乘法-结构方程模型）分析的基本入门操作](/0.jpg)
前言1 中文文献中的PLS-SEM分析内容2 PLS-SEM分析内容明确3 数据导入与模型构建4 PLS计算5 Bootrapping计算6 blindfolding计算Q2，GoF7 补充：调节效应估计后记
前言
在上一篇博文中，小白介绍了自己遇到的结构方程模型（SEM）标准化系数大于1的情况，导致模型估计结果无法使用，最后选用了新的估计方法PLS-SEM，改用SmartPLS3.0中文版本的软件进行数据分析，在此大致介绍PLS-SEM的用法和SmartPLS3.0的基本操作。
1 中文文献中的PLS-SEM分析内容
看了许多PLS-SEM的中文文献后，发现这些文献的SmartPLS3.0分析部分包含三个方面：
（1）测量模型检验问卷和数据的信度效度情况；
（2）结构方程模型分析用于观察变量与变量之间的路径系数及显著性；
（3）部分论文包含对模型的评估分析。
推荐《制度压力、信息安全合法化与组织绩效——基于中国企业的实证研究》、《战略性新兴产业技术创新联盟合作伙伴选择研究——基于PLS-SEM模型的实证分析》这两篇论文，均包含了上述三个部分，是很好的基础学习材料。
在此以《战略性新兴产业技术创新联盟合作伙伴选择研究——基于PLS-SEM模型的实证分析》为例，咱们需要计算三个表格的内容，分别是：
2 PLS-SEM分析内容明确
在此，跟着上述这三张图的分析内容，本文首先明确，首先，分析结果包括：
（1）各测量题项的均值、标准差、载荷、T值；——通过PLS计算的获得结果
（2）各潜变量的Cronbach'α、组合信度（Composite Reliability，CR）、平均抽取变异量（Average Variance Extracted, AVE）；——通过PLS计算的获得结果
（3）AVE 平方根与潜变量间相关系数的比较（弗奈尔-拉克准则）；——通过PLS计算的获得结果
（4）假设检验结果（路径系数与显著性）；——通过Bootrapping计算的获得结果
（5）模型评估所用的R2、Q2、GoF等指标。——R2通过PLS计算的获得结果；Q2、GoF通过blindfolding计算的获得结果
3 数据导入与模型构建
3.1 首先SmartPLS接受txt或cvs格式的数据文件
3.2 创建项目、导入数据
【文件】-【创建新项目】-输入项目名称（本例DTPB），在项目管理器中产生了新的项目，点开就有“双击鼠标以导入数据”，找到数据文件打开（本例“全测项data”）。在DTPB右键-【创建新模型文件】。
3.3 建模
通过【潜变量】和【连接】两个按钮建好自己的模型，新建的潜变量可以通过右键进行重命名。
3.4 将模型关联数据
本例中，j7-j9三题用于测量潜变量2，在左下角【指标】中，按住Ctrl选题项后拖动到潜变量2处放手，成功后潜变量由红色变为蓝色。
当左右潜变量匹配好数据，颜色都变为蓝色，可开始计算。本例如下：
4 PLS计算
【运算】-【PLS算法】，保留默认设置，点击【开始计算】。
结算结束，主要看一下几个表中的数据：
5 Bootrapping计算
【运算】-【自助法】，保留默认设置，点击【开始计算】。
得到路径系数、标准差、T值以及P值等数据，下图所示：
6 blindfolding计算Q2，GoF
【运算】-【blindfolding算法】，保留默认设置，点击【开始计算】。
得到blindfolding的结果如下，主要看【构面交叉验证的重叠性】和【构面交叉验证的共同性】中的Q2数值。
GoF的计算公式为：
该公式出自Tenenhaus, M., Vinzi, V. E., Chatelin, Y. M., & Lauro, C. (2005). PLS path modeling. Computational statistics & data analysis, 48(1), 159-205. 173页，公式30。
7 补充：调节效应估计
SmartPLS的一个优点还在于它处理调节效应的能力很强，在这里举例，计算WPI（调节变量）对SI（自变量）与SN（因变量）的调节效应。
7.1 设置调节效应项
在SN（因变量）上右键，选择【添加调节效应】。
7.2 设置基本设置和高级设置
设置完毕后，回到模型中，就会多一个调节效应项。
7.3 计算显著性
随后，重复Bootrapping计算的步骤。在路径系数中可以看到，路径系数结果中多出一个调节效应1的估计结果，根据T值、P值的结果即可判断调节效应是否显著。
后记
以上就是基本的如何操作SmartPLS3.0中文版软件，得到论文中需要的数据结果的操作过程。
PS，这是我第一次使用Markdown的公式编辑器，工具保留：在线LaTex公式编辑器