已经有结构方程模型，为什么还要 PLS-SEM？

CB-SEM（本站「结构方程模型」）估协方差、报 RMSEA/CFI；PLS-SEM 估潜变量得分与预测路径，本页没有 χ² 表。样本偏小、要先看 β=0.693 这类解释力时用 PLS；期刊点名拟合指数时用 CB-SEM。二者点估计不必相等。

Bootstrap 只有 50 次，能和 SmartPLS 的 p 值对吗？

点估计（载荷 0.711、路径 0.693）在同样 Mode A 设定下应接近。标准误与 p 依赖重抽样次数与种子。本产品封顶 50 次、种子 42，SmartPLS 默认常是 5000。核对先看 β，再声明次数不同。

数学学习兴趣载荷 0.711，刚过 0.7，要不要删题？

表注把 >0.7 当作经验门槛，0.711 过线且 T=21.97。删题应看内容是否必须覆盖「兴趣」侧面，而不是只因它是六题里最低。若改用 0.708 一类更严规则，需要在文中写明，不是本页默认。

本页没有中介块，β=0.693 是不是总效应？

在只指定自变量1 与因变量1 时，结构表只有这一条，β 就是两潜变量得分的标准化斜率。加上中介块后会出现 X→W、W→Y、X→Y，那时 0.693 这种单行不再等于总效应，需要按路径相加（本产品不自动报间接效应表）。

SPSS 没有 PLS-SEM 菜单，该和谁对？

SPSS 默认没有 SmartPLS 那套算法。AMOS 是 CB-SEM，拟合指数应对「结构方程模型」页，不应对本页 T=34.311。要对载荷 0.8267 与 β=0.693，应使用 SmartPLS、seminr 或等价 PLS 程序，并对齐 Mode A 与标准化。

偏最小二乘结构方程模型 (PLS-SEM)

这篇能回答什么

PLS-SEM 回答的是：「反映型题项合成的潜变量之间，结构路径 β 有多大、Bootstrap 之后能不能拒绝为零」。它不最小化样本协方差与模型隐含协方差的距离（那是 CB-SEM），而是 Mode A 迭代外部权重，最大化内生潜变量被前置潜变量解释的方差。测量质量看外部载荷是否过 0.7；结构质量看路径系数、Bootstrap 标准误与 t。

适合：管理、营销问卷，样本偏小或题项偏态，目标是预测 / 解释而不是卡方拟合。教学示例无中介块：自变量1 = 数学学习兴趣、课堂专注情况、教学吸引力；因变量1 = 学科难度感知、知识点理解难度、作业完成难度。工作表「有效样本数据」，按 500 人、50 次 Bootstrap 复现。

什么时候不该用

期刊要求 χ²、RMSEA、CFI 并视测量模型为协方差结构，应使用结构方程模型（CB-SEM / semopy），不要拿 PLS 的 β=0.693 去对 lavaan 的标准化回归。只检验预先负荷、不要结构路径，用验证性因子分析。单列观测变量当「潜变量」却只有 1 题，角色要求每块至少 2 题，会被挡住。有效行少于 20 拒绝；行数超过 3000 会被截断后再估。

如何选择方法

CB-SEM 与 PLS-SEM 不是换皮。CB-SEM 问「整张协方差网是否像理论那样」，输出全局拟合；PLS-SEM 问「潜变量得分能不能把内生构念的方差讲清楚」，输出载荷与路径，没有本页这种 χ² / RMSEA 表。理论检验、大样本、反映型且期刊点名 AMOS / lavaan，走 CB-SEM；探索路径、小样本、要先看预测力，走 PLS。

PLS-SEM：自变量潜变量 1–5 块、中介 0–5 块、因变量 1–5 块，每块 2–30 题；Bootstrap 固定最多 50 次。
结构方程模型 (CB-SEM)：同样分块，但估计协方差结构，读拟合指数与 z。
验证性因子分析：只有测量模型，没有自变量1→因变量1 这种结构行。
中介效应分析：观测变量三步 OLS + Sobel，不是潜变量路径。

结构方程模型 (SEM)

完美结合因子分析和路径分析，用于探究包含潜变量在内的复杂因果网络拓扑结构。

验证性因子分析 (CFA)

检验观测变量（问卷题项）是否良好地反映了预先设定的潜在因子结构。

中介效应分析

用于探究自变量如何通过中介变量最终影响因变量的内在传导机制。

探索性因子分析

探寻隐藏在众多观测变量背后的少数潜在维度结构，常用于建构效度检验。

输入、输出与限制

输入

三个角色都是题项块：自变量潜变量必填，因变量潜变量必填，中介潜变量可选。块内必须是定量题。本教学不放中介，系统只搭「自变量1 → 因变量1」。若加了中介块，会自动连成 X→W、W→Y、X→Y 全连接，不能任意删掉其中一条箭头。

自变量潜变量：最少 1 个块，最多 5 个块；每块 2–30 题（定量）。
中介潜变量：最少 0 个块，最多 5 个块。
因变量潜变量：最少 1 个块，最多 5 个块。

输出

两张表。测量表列出潜变量、观测指标、外部载荷、Bootstrap 标准误、T、P；表注写载荷通常 >0.7。结构表标题写明「基于 50 次 Bootstrap」，本例只有一行自变量1 ➔ 因变量1，β=0.693。载荷图在 0.70 处画参考线；路径图给出点估计与区间。洞察复述 Bootstrap 次数与显著路径。本页不打印 HTMT、AVE、R² 专表。

产品限制

Bootstrap 次数封顶 50（`MAX_PLS_BOOT`），随机种子 42；与 SmartPLS 默认 5000 次不是同一精度。
测量模型固定 Mode A（反映型），没有形成型 Mode B 开关。
内部加权用重心方案（相连潜变量相关的符号）。
拟合行数上限 3000；少于 20 行拒绝。
路径标准误来自 Bootstrap 分布的标准差，p 值按正态近似 2(1−Φ(|t|))，不是 χ² 拟合。

案例

研究问题。 课堂体验三题能否合成一个外生潜变量，难度三题能否合成一个内生潜变量，前者对后者的路径是否显著？不引入中介块，只估一条结构箭头。

教学示例来自学生问卷表，工作表为「有效样本数据」，样本量 500。自变量块：数学学习兴趣、课堂专注情况、教学吸引力；因变量块：学科难度感知、知识点理解难度、作业完成难度。下载后按同样分块复现载荷 0.711–0.8267 与 β=0.693。

下载教学示例表（学生问卷）

在 StatsX 中操作

步骤 1 · 导入问卷

上传学生问卷 xlsx，工作表选「有效样本数据」。单文件不超过 20 MB。
步骤 2 · 分清两套构念

课堂三题进自变量块，难度三题进因变量块。不要把六题丢进同一块，那会变成单构念、没有结构路径。
步骤 3 · 点选 PLS-SEM

目录搜索「PLS」或「偏最小二乘结构」。不要点成只要测量模型的 CFA，也不要点成观测变量中介。
步骤 4 · 只填需要的块

本案例中介块留空。每块至少两题。运行后等待 50 次重抽样结束。
步骤 5 · 先过 0.7 再读 β

六条载荷都应落在参考线右侧，再看自变量1→因变量1 的 0.693 与 p。区间若跨过 0，即使点估计大也不能写「路径成立」。

课堂三题与难度三题应为定量评分。

选择偏最小二乘结构方程模型 — 选定「偏最小二乘结构方程模型 (PLS-SEM)」。

为 PLS-SEM 指定自变量与因变量题项块 — 自变量块放课堂三题，因变量块放难度三题，中介留空。

如何阅读输出

测量表由同一教学示例跑出。自变量1 三题载荷：数学学习兴趣 0.711（SE 0.0324，T 21.97）、课堂专注 0.8157、教学吸引力 0.8267。因变量1：学科难度感知 0.7373、知识点理解难度 0.7922、作业完成难度 0.8064。六条均 p < 0.001，且都大于表注的 0.7 经验线。

测量模型质量检验 (外部因子载荷)

潜变量 (Latent)	观测指标 (Manifest)	外部载荷 (Outer Loading)	标准误	T值	P值
自变量1	数学学习兴趣	0.711	0.0324	21.9716	<0.001
自变量1	课堂专注情况	0.8157	0.0209	39.0117	<0.001
自变量1	教学吸引力	0.8267	0.0185	44.7564	<0.001
因变量1	学科难度感知	0.7373	0.0327	22.5296	<0.001
因变量1	知识点理解难度	0.7922	0.0244	32.4587	<0.001
因变量1	作业完成难度	0.8064	0.0242	33.2943	<0.001

左右滑动可查看完整表格

载荷值 (Loadings) 通常要求 > 0.7，以保证题目对潜变量具有良好的信度解释力。

结构表标题写明 Bootstrap = 50。自变量1 ➔ 因变量1 的路径系数 (Path Coef, β) = 0.693，标准误 0.0202，T = 34.311，p < 0.001。没有中介时，这条 β 就是两个潜变量得分之间的标准化回归斜率，不是 Baron–Kenny 的观测变量 ab。

结构模型路径系数检验 (基于 50 次 Bootstrap 自举抽样)

因果路径 (Source ➔ Target)	路径系数 (Path Coef, β)	标准误	T值	P值
自变量1 ➔ 因变量1	0.693	0.0202	34.311	<0.001

左右滑动可查看完整表格

路径系数反映了构念间的结构性影响程度。

PLS-SEM 外部载荷与 0.70 参考线 — 六条载荷点均在 λ=0.70 参考线右侧，最低为数学学习兴趣 0.711。

PLS-SEM 结构路径系数与区间 — 自变量1→因变量1 的 β≈0.693，区间远离 0。

【PLS-SEM】Bootstrap=50次，测量+结构模型。【测量模型】多数载荷显著。【结构路径】自变量1→因变量1(β=0.693, p < 0.001)

解读顺序：每条载荷是否过 0.7 且显著 → 有无「刚过线」的题（本例兴趣 0.711）→ 结构 β 的符号是否符合理论（正的 0.693 表示课堂体验潜变量越高，难度潜变量得分越高）→ 才写路径成立。横断面问卷只能支持统计预测，不能单独证明时间因果。50 次 Bootstrap 的标准误会偏紧或偏抖，论文方法部分必须写明次数。

理论与公式

显变量先按列标准化。Mode A 把潜变量写成块内加权和，权重由内部近似得分对显变量回归更新，直到权重变化小于 1e-5 或迭代满 100 次：

外部载荷是题项与最终潜变量得分的相关；结构路径是标准化潜变量上的无截距最小二乘：

Bootstrap 从 n 行有放回抽 50 次，标准误取重抽样系数的样本标准差，t=原估计/SE。本案例 β=0.693 的 SE=0.0202 即来自这 50 次，不是信息矩阵。重心内部加权只使用结构上相连的潜变量相关符号。

注意事项

50 次 Bootstrap 对稳定分位区间偏少；与 SmartPLS 5000 次相比，T=34.3 这种极大 t 更应看成「方向很稳」，不要把小数位 p 写得过满。
PLS 载荷与 CFA 非标准化 1.3452 没有可比性；要对测量模型，应另跑 CFA / CB-SEM。
自动全连接中介网会估计 X→Y 直接效应，和「只允许完全中介」的理论图不同。
0.7 是经验线，不是假设检验；0.711 过线但仍接近，修订量表时结合内容决定去留。
行数被 cap 到 3000 时，有效 N 与原始上传行数可能不同，以输出为准。

常见问题

参考文献

Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Sage.
Wold, H. Soft modeling: the basic design and some extensions. Systems under Indirect Observation, 1982.
Chin, W. W. The partial least squares approach to structural equation modeling. Modern Methods for Business Research, 1998.
Henseler, J., Ringle, C. M., & Sarstedt, M. A new criterion for assessing discriminant validity in variance-based SEM. Journal of the Academy of Marketing Science, 2015.