结构方程模型(SEM)是数据分析的高级技术，可用多种工具，包括LISREL、AMOS、SmartPLS、M-plus、EQS和SAS。SEM分为CB-SEM（基于协方差）和PLS-SEM（基于方差偏最小二乘法）。CB-SEM采用非参数检验或参数检验，用于探索性和验证性研究，采用广义最小二乘或最大似然估计，处理反映性和形成性模型。PLS-SEM适用于小样本研究和复杂模型，无需假设数据正态分布，对数据要求较宽松。
SmartPLS主要采用PLS法建模，特别适用于探索性研究、小样本研究，或在假设理论模糊的情况下构建模型。它能更好地处理非正态数据，并在潜在变量构建方面提供灵活性。AMOS则使用OLS或ML估计参数，适用于大样本研究，尤其是验证理论假设，不太适用于探索性建模。
PLS-SEM的小样本适用性基于Barclay提出的原则，根据单一构面中最大显变量的潜变量样本数应为该潜变量显变量数量的10倍，或结构模型中单一潜在构面最多结构路径数量的10倍。具体样本数量需根据模型复杂度和数据特性综合评估。
CB-SEM的样本量依据研究规模和潜变量数量差异较大。Ding（1995）认为最小样本量为100～150，Schumacker等（2004）指出少于100～150样本可能导致结果不稳定，多数研究使用250～500样本。潜变量超过10个，样本数低于200时，参数评估不稳定。在最大似然法估计下，模型潜变量与样本数比值应为1：20，其中1：10为样本最低要求。比值低于1：5时，统计分析结果可信度不足。对于一般CB-SEM研究，样本数大于200被视为中型样本，而大于500时，执行最大似然法可能导致卡方值膨胀，模型适配度不佳，建议样本区间为200～500。
使用CB-SEM和PLS-SEM在论文呈现方面也有所差异，除了在使用条件和情境上的不同外，数据分析结果和模型评估方法也存在区别。
本文如未解决您的问题请添加抖音号：51dongshi（抖音搜索懂视），直接咨询即可。
热心网友
回答时间：2024-10-04 23:50
