SmartPLS是一款基于偏最小二乘结构方程模型(PLS-SEM)的统计分析工具,SmartPLS 主要用于结构方程模型(SEM)的建模与分析,与传统基于协方差的结构方程模型(CB-SEM,如 AMOS 或 LISREL)不同,PLS-SEM 采用方差导向的算法,通过迭代计算潜变量的得分与路径关系。SmartPLS还特别适用于处理复杂模型、小样本数据、非正态分布数据以及探索性研究。
功能特点
1.多阶段分析支持
SmartPLS 包含测量模型评估(信度、效度)、结构模型分析(路径系数、R²值)、中介/调节效应检验、多群组分析(MGA)等。
2.PLS-SEM 算法
SmartPLS 专注于偏最小二乘法,适合预测性分析和理论开发,尤其在小样本或数据不满足正态分布时表现优异。
3.高级分析工具
SmartPLS 支持Bootstrapping(显著性检验)、PLS-Predict(模型预测能力评估)、一致性分析(测量不变性检验)等。
4.图形化建模界面
用户可通过拖拽变量和路径构建模型,直观易用,无需编程基础。
5.结果可视化
自动生成标准化路径图、显著性报告,并导出详细表格。
适用场景
1.复杂模型:处理多重中介、高阶构面或形成性指标(Formative Constructs)。
2.小样本数据:样本量可低至模型复杂度的 10 倍(如 10 个变量需至少 100 个样本)。
3.预测导向研究:如市场营销(消费者行为预测)、管理学(组织绩效影响因素)。
4.非参数数据:不依赖数据正态分布假设。
使用方法
典型步骤分析:
模型构建:绘制潜变量(Latent Variables)及其测量指标,定义路径关系。
数据导入:支持 Excel、CSV 等格式,需确保数据清洗完成。
模型评估:①测量模型:检查信度(Cronbach's α、复合信度)、效度(收敛效度 AVE、区分效度 HTMT)。
②结构模型:评估路径系数显著性、R²(解释力)、f²(效应量)、Q²(预测相关性)。
假设检验:通过 Bootstrapping 计算 p 值,验证路径关系是否显著。
进阶分析:如调节效应(交互项)、多群组比较(分组检验差异)。