18. Возможности SmartPls для работы с данными.

SmartPLS

Из Википедии, свободной энциклопедии

SmartPLS ^{[ 1 ] [ 2 ]} является программное обеспечение с графическим пользовательским интерфейсом для дисперсия на основе моделирования структурными уравнениями (SEM) с помощью частичных наименьших квадратов (PLS) метод.^[ 3 ] программное обеспечение может использоваться в эмпирических исследований, чтобы проанализировать собранные данные ( например, от обследований) и тест предположили отношения. Так он запрограммирован в Java , он может быть выполнен и работать на Windows, и MacOS операционных систем.

Данные 

SmartPLS использует исходные данные. Импорт данных использует текст (.txt) и значений, разделенных запятыми (CSV) файл формата. Столбцы файла данных представляют переменные; строки представляют замечания и ответов.Только первая строка матрицы данных, который становится заголовок в SmartPLS, могут содержать текст. В противном случае, только цифры допускается. Пустые ячейки (например, если отсутствует значение встречается) не допускаются.Номер, который не используется в противном случае в наборе данных (например, -999999) должны быть использованы для заполнения пустых клеток. После импорта данных, пользователь может указать, что это число представляет собой недостающее значение. SmartPLS автоматически определяет данные и номер формата (например, Европа или США).Если проблема возникает, пользователь может определить, позже спецификации формата файлов и формат числа в программном обеспечении. В дополнение к переменным используемых в качестве индикаторов для моделирования PLS пути, матрица данных может содержать весовой вектор наблюдений и ответов (например, для проведения взвешенной моделирования PLS путь анализы) и группировки переменных (например, для проведения анализа PLS многогрупповое , PLS-МГА).

Графический интерфейс пользователя 

Графический интерфейс позволяет пользователю создать модель PLS путь. Круги представляют скрытую переменную и прямоугольные свои показатели. Индикатор стволовых от переменных множества импортером данных. Перетащите позволяет назначать показатели для скрытой переменной и, тем самым, создать модель измерения. В структурной модели, стрелка рисунок вариант позволяет пользователю подключаться скрытые переменные друг с другом.

Алгоритмы 

Основной основнойчастичное мере алгоритм квадратов (Уолд 1982, Lohmöller 1989) является основным алгоритм, используемый в SmartPLS. Следующий список дает обзор реализованных алгоритмов и аналитических вариантов:

• Частичные наименьших квадратов (PLS) алгоритм моделирования пути (в том числе в соответствии PLS, PLSc)

• Весовые PLS (и PLSc) алгоритм моделирования путь

• Обыкновенные регрессии наименьших квадратов на основе sumscores

• Дополнительныепараметрысамонастройки

• Завязываниеглаз

Завязывание глаз является образец повторное использование метод, который вычисляет значение Q² стоун-Geisser в ^{[ 4 ] [ 5 ]} в качестве критерия интеллектуального актуальность.  завязывание глаз применяется только к конструкции с отражающей модели измерения спецификации.

• Матрица Важность эффективность анализа (IPMA)

• Анализнесколькихгруппа (МГА)

Техника для проверки различий между одинаковыми моделями, рассчитанные для различных групп.

• Иерархических моделях комплектующих (модели второго порядка)

• Нелинейные отношения (например, квадратичного эффекта)

• Подтверждающиететрадногоанализа (СТА)

Статистический метод, который позволяет эмпирическое тестирование установки модели измерения.

• Конечносмесь (FIMIX) сегментация

Скрытая класс подход, который позволяет выявления и лечения незаметно неоднородности в моделях пути.

• Прогнозирование-ориентированнойсегментации (POS)

Документация 

Встроенный Документация. Для каждого алгоритма, встроенный документация дает краткое объяснение. Она также предоставляет информацию о настройке параметров алгоритмов. Ссылки на ключевых статей позволяют пользователю получить доступ к более подробную информацию о конкретных алгоритмов и вариантов анализа.

Результаты отчетов. Для каждого анализа, SmartPLS предлагает отчет о результатах, который содержит информацию о модели и данных, используемых для анализа, ключевых результатов, критерии качества (если соответствующие течение определенного алгоритма) и графического представления результатов (если применимо). По умолчанию предлагает результаты представление в рамках программных SmartPLS. Кроме того, SmartPLS позволяет экспортировать результаты в виде файла MicrosoftExcel, в HTML файл, а в формате, который может быть использован в статистических программного обеспечения R.