偏最小平方法結構方程模型：SmartPLS簡易實務應用(第1版)

Chapter01 PLS-SEM與CB-SEM簡介
Chapter02 SmartPLS專案與操作
Chapter03 不同SEM模型圖繪製
Chapter04 CB-SEM演算
Chapter05 PLS-SEM模式演算
Chapter06 多重中介變項的因果模型圖
Chapter07 一致性PLS-SEM演算
Chapter08 CB-SEM驗證性因素分析
Chapter09 二階驗證性因素分析(CB-SEM)
Chapter10 SmartPLS指標題項選用議題
參考書目
附錄 

在當代社會科學、教育研究、管理學與行為科學等實證研究領域中，結構方程模型(Structural Equation Modeling, SEM)當前已經成為分析潛在變項之間因果關係的重要工具。相較於傳統的共變異數型SEM (Covariance-based SEM, CBSEM)，偏最小平方法的結構方程模型（Partial Least Squares SEM，簡稱PLSSEM）近年逐漸受到各領域研究學者的重視與廣泛應用，主要原因為，PLSSEM不受樣本常態性與樣本量限制的特性，特別適合中／小樣本、探索性研究與理論建構初期的研究情境。
　　當進行社會科學、教育研究、管理學或心理學等實證研究時，研究者經常面臨一個共同的挑戰：如何才能有效分析潛在變項之間的關係？這些變項（例如：態度、信念、意向、學習動機等）這些構念往往無法直接觀察，必須透過問卷或題項指標來間接測量。這時，結構方程模型(Structural Equation Modeling, SEM)就成為一個重要的分析工具。傳統的SEM方法（又稱共變異數型SEM，Covariance-Based SEM）雖然在理論驗證上相當嚴謹，但是，其對於分析的資料有許多限制，例如：樣本數需夠大、資料要符合常態分布、分析的模型必須能夠收斂等等。這對許多研究者來說，進行傳統SEM方法的分析經常會面對許多操作上的困難，同時也使得研究分析受到諸多限制。
　　在這樣的情況下，偏最小平方法結構方程模型（Partial Least Squares SEM，簡稱PLS-SEM）逐漸受到學術界與實務界的青睞。它最大的優勢在於對樣本大小和資料常態性並無嚴格的限制，相當適合中、小樣本數的研究、理論模型的初期建構，或是探索性質的研究。對於許多碩博士論文、問卷資料分析、教育與社會調查等研究而言，PLS-SEM提供了更具彈性、友善且實用的方法。
　　本書撰寫的出發點，主要是協助眾多結構方程模式的初學者，使用PLSSEM方法進行學術研究資料分析的應用能力，讓SEM的初學者能有效突破進行模型分析的困境，使其能快速應用PLS-SEM分析方法於學術研究或論文投稿。有鑑於此，本書將採用目前廣受歡迎且操作界面友善的SmartPLS軟體為實作工具，並以實例分析的具體操作，逐步帶領讀者理解PLS-SEM的理論架構與應用方式。
　　SmartPLS 是一套基於圖形化操作界面的PLS分析軟體，使用者無需撰寫程式語言即可建立測量模型與結構模型，並且可立即進行模型估計、結果分析與報告解讀。透過本書範例的引導，讀者將能輕鬆學會如何建立潛在變項、設定測量指標、執行模型估計、檢視效度與信度、進行路徑分析，以及其顯著性檢定等步驟，並學會解讀各項統計輸出報表。
　　本書內容由淺入深，循序漸進，從PLS-SEM的基本理論概念的介紹說明，結合範例應用與操作圖示，引導讀者在SmartPLS的範例分析過程中進行系統化的分析步驟與分析結果的解讀。本書特別強調在研究設計、量表建構、模型評估與解釋結果四大環節的關鍵概念與分析技巧，有效強化讀者在結構方程模式學術論文的撰寫能力。
　　此外，本書所使用的資料範例皆符合社會科學與教育研究常見的研究主題與架構，讀者可依據相關範例結合自身研究興趣的主題進行延伸的練習。書中也特別使用最新版本SmartPLS的操作界面圖示，方便讀者能對照應用與學習。相信這對於使用SmartPLS進行研究分析的學術專家與研究生而言，本書無疑是一本理論與實作兼備、易學易用的入門工具書。
　　我們深信，只要有「正確的引導步驟」與「明確的介紹說明」，任何人都能學會PLS-SEM。透過本書的學習，您不但能具備使用SmartPLS進行資料分析的能力，更能在撰寫研究論文、投稿期刊或是參與實務研究時，展現出堅實的量化研究能力。
　　無論您是剛踏入研究領域的大學生、準備撰寫論文的碩博士生，或是從事教育、管理、社會科學領域中需要進行實證分析的實務研究工作者，本書都能成為您邁向量化研究分析的第一本實戰指南。
　　我們希望透過這本書，能讓更多研究者認識PLS-SEM的魅力和方法，並讓大家能將SEM方法運用在自己的研究中，產出更嚴謹與實用價值的研究成果。

吳明隆、張毓仁