偏最小平方法的結構方程模型（PLS-SEM）：應用SmartPLS

⊙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。

張紹勳
學歷：國立政治大學資訊管理博士
現職：國立彰化師大專任教授
經歷：致理技術專任副教授

研究助理
張任坊
學歷：國立海洋大學商船系
現職：長榮海運三副
張博一
學歷：國立中央大學通訊工程所
現職：泰洛科技股份有限公司工程師

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

----------------
第3章 consistent PLS algorithm(PLSc)估計法，等同於CB-SEM(如LISREL、AMOS)估計
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(Q2);測量模型品質(H2)

----------------
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型或形成型
4-2 概述.
4-3 範例：Tetrads分析
4-4 執行：驗証性tetrad分析
4-5 PLLS-CTA的輸出
4-6 PLS-CTA及樣本數
----------------
第5章 重要性-效能映射分析(important-performance map analysis, IPMA)
5-1 Importance-performance map analysis(重要性-效能映射分析)(IPMA)
5-2 範例：IPMA的建檔
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 mixtures models, FMM)
6-2 常態性假定之檢定：使用Stata、SPSS
6-3 未觀察到的異質性(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(prediction-oriented segmentation, POS)：樣本未必常態)
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)：類別型調節變數：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 regression modeling (PLS Predict)≒典型相關
10-1 PLS regression: SmartPLS≠SPSS或SAS
10-2 PLS regression: SPSS也≠SAS
10-3 PLS regression modeling (PLS Predict)：實作
10-4 Creating a simple regression model in SmartPLS
10-5 PLS回歸的SmartPLS輸出之各指數

----------------
第11章 非線型模型(quadratic 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 調節效果(moderating effect)
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N(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