0人評分過此書
⊙從概念、原理，深入淺出地向讀者介紹PLS的常用模型與應用。
⊙理論與實務兼具，以實例展示SmartPLS分析過程，學以致用。
⊙適合社會科學、生醫、工程、財經等研究領域使用。
隨書附贈光碟含資料檔、專案檔、模型檔。
結構方程模型(structural equation model, SEM)結合了傳統統計學上的因素分析與路徑分析技術，已成為當前發表文章中常見的統計分析。SmartPLS具有可分析小樣本、能精確估計中介和干擾等問題的特性，幫助研究者自動、快速完成統計程式，因此廣受資管、行銷、商學、運動休閒、健康、旅遊等領域的愛載，迄今逐漸成為社會科學及生醫的主流分析軟體。
本書以軟體SmartPLS為分析工具，從概念、原理到實作，一步一步向讀者介紹PLS的常用模型與應用上需注意的問題，並以實例展示SmartPLS分析過程，適合研讀領域有：社會科學、運輸、農業、生物醫學、藥學、製藥、電腦科學、工程、能源、技術、環境科學、材料科學、管理、會計、心理學、商學、經濟、計量經濟、財務等。
⊙理論與實務兼具，以實例展示SmartPLS分析過程，學以致用。
⊙適合社會科學、生醫、工程、財經等研究領域使用。
隨書附贈光碟含資料檔、專案檔、模型檔。
結構方程模型(structural equation model, SEM)結合了傳統統計學上的因素分析與路徑分析技術，已成為當前發表文章中常見的統計分析。SmartPLS具有可分析小樣本、能精確估計中介和干擾等問題的特性，幫助研究者自動、快速完成統計程式，因此廣受資管、行銷、商學、運動休閒、健康、旅遊等領域的愛載，迄今逐漸成為社會科學及生醫的主流分析軟體。
本書以軟體SmartPLS為分析工具，從概念、原理到實作，一步一步向讀者介紹PLS的常用模型與應用上需注意的問題，並以實例展示SmartPLS分析過程，適合研讀領域有：社會科學、運輸、農業、生物醫學、藥學、製藥、電腦科學、工程、能源、技術、環境科學、材料科學、管理、會計、心理學、商學、經濟、計量經濟、財務等。
- 自序
-
第1章 偏最小平方法PLS-SEM：基本概念及專有名詞
-
1-1 緒論
-
1-2 資料建檔：先用SPSS建檔（SES-Incentive-perf.sav），再另存Excel新檔（SES-Incentive-perf.csv）
-
1-3 重要概念及專有名詞
-
1-4 模型
-
1-5 變數的類型
-
1-6 PLS-SEM vs. CB-SEM的參數估計
-
1-7 留一法「交叉驗證」及適配度
-
-
第2章 用SmartPLS分析PLS-SEM的操作畫面
-
2-1 SmartPLS概述
-
2-2 SmartPLS的「Calculate」估計有12種選項
-
2-3 執行「PLS Algorithm」：路徑係數的相關、對依變數的相關性R2
-
-
第3章 Consistent PLS Algorithm（PLSc）估計法，等同於LISREL、AMOS
-
3-1 PLS Algorithm的步驟
-
3-2 Consistent PLS（PLSc）演算法（等同CB-SEM之AMOS）的估計
-
3-3 選配PLS bootstrapping來估計：for印出「路徑係數」顯著性
-
3-4 選配consistent PLS bootstrapping來估計：for印出顯著性
-
3-5 選配blindfolding估計法：結構模型品質（Q ²）；測量模型品質（H ²）
-
-
第4章 驗證式四分差分析（CTA-PLS）：該選formative模型或reflective模型？
-
4-1 驗證式四分差分析（CTA）：檢測你測量模型是反映性或形成性
-
4-2 概述
-
4-3 範例：Tetrads分析
-
4-4 執行：驗證性tetrad分析
-
4-5 PLS-CTA的輸出
-
4-6 PLS-CTA及樣本數
-
-
第5章 重視度—表現度分析法（IPMA）
-
5-1 Importance-performance map analysis（重視度—表現度映射分析）（IPMA）
-
5-2 範例：IPMA的建檔及分析
-
5-3 執行IPMA
-
5-4 IPMA分析結果
-
-
第6章 有限混合分群（FIMIX）：內部路徑模型的異質性，來對樣本分群（樣本要常態）
-
6-1 有限混合模型（Finite mixture model, FMM）
-
6-2 常態性假定之檢定：可用Stata、SPSS來補充
-
6-3 未能觀察到的異質性（unobserved heterogeneity）
-
6-4 用不同分群（segments）來比較模型之適配度
-
6-5 適配指數（fit indices）
-
6-6 亂度法（熵）（entropy）：當分群的適配指數
-
6-7 路徑係數（path coefficients）
-
-
第7章 預測導向分群（POS）：樣本不必要符合常態
-
7-1 Prediction-oriented segmentation（POS）概念
-
7-2 預測導向分群（prediction-oriented segmentation, POS）：實作
-
-
第8章 多群組分析（MGA）：回卷事前已分組
-
8-1 多群組分析（multi-group analysis, MGA）：事前已分組，內生變數要多元常態
-
8-2 測量不變性（measurement invariance），又稱測量恆等性
-
8-3 多群組分析（multi-group analysis, MGA）：實作
-
8-4 執行MGA分析與結果討論
-
8-5 改用類別型調節變數
-
-
第9章 排列（置換）演算法（MICOM）：測量組間（inter-group）差異（不變性）
-
9-1 排列（置換）演算法（permutation algorithm, MICOM）概念
-
9-2 排列（置換）演算法（example model）：實作
-
9-3 Permutation演算法的輸出
-
9-4 測量不變性（measurement invariance, MICOM）的檢定
-
-
第10章 PLS迴歸建模（PLS Predict）≒樣本外的預測能力
-
10-1 PLS迴歸：SmartPLS≠SPSS或SAS
-
10-2 PLS迴歸：SPSS也≠SAS
-
10-3 PLS迴歸：modeling（PLS Predict）：實作
-
10-4 在SmartPLS中建構簡單的迴歸模型
-
10-5 PLS迴歸的SmartPLS輸出之各指數
-
-
第11章 非線型模型（qua-dratic effect）：二次方之因果模型嗎？
-
11-1 使用Quadratic Effect Modeling（QEM）來處理非線性關係
-
11-2 使用二次方效果（quadratic effect）建模：咖啡客戶滿意度對忠誠度的非線性關係
-
-
第12章 調節效果
-
12-1 理論建構的途徑有二（多重因果關係之建構法）
-
12-2 一因一果一調節
-
12-3 連續型調節變數（實作）：企業聲譽的前因及調節（干擾）因素
-
12-4 調節變數，也是預測變數之一：它有2種身分
-
12-5 練習題：複雜的調節變數
-
-
第13章 高階（higher-order）構念的界定、估計及驗證
-
13-1 高階模型（higher-order）
-
13-2 如何界定higher-order構念？
-
13-3 高階構念之分析步驟：（extended）repeated indicators法
-
- 參考文獻
- 出版地 ： 臺灣
- 語言 ： 繁體中文
評分與評論
請登入後再留言與評分
PDF
PDF
PDF
PDF
PDF
