你也許了解最小二乘法，但是你聽過偏最小二乘法嗎？它到底是個什麼東西？又是幹嘛用的呢？它和最小二乘法僅一字之差，卻大不相同！
隨著社會科學的發展，在經濟管理、教育學、社會科學、醫學中，多元線性回歸分析已經成為一種普遍應用的統計分析和預測方法。但是，當自變量之間存在多重相關性的時候，我們常用的最小二乘法就會失效，即使採用主成分分析，也無法很好的彌補。
很多研究者在遇到這種情況的時候就會開始迷茫，不知道如何是好。今天就給大家推薦一種量化研究神兵利器——偏最小二乘法（PLS）。
偏最小二乘法發展較SEM稍晚，最早是由 Wold (1975) 基於經濟計量分析需求所提出，但卻在化學計量領域獲得重視與普及，目前在經管、營銷、商學領域普遍通行。
PLS 最早被視為數據運算的一種算則，而非具有完整應用程式的統計技術；但近年來 PLS 獲得不同領域研究者的廣泛重視，並應用在不同研究課題，因此逐漸被視為類似於回歸的一種技術，可以說是一種新型的多元統計數據分析方法，它可以同時實現多元線性回歸、主成分分析以及兩組變量之間的相關分析。
PLS相對於CB-SEM對樣本需求較少、PLS無需分析數據符合正態分配、能夠處理多構面的複雜結構模型、可同時處理反映 型指標與形成型指標構面，且 PLS適合於理論之發展，而非理論之測試，因此PLS 特別適用於預測 (R2 )。
樣本數在研究中扮演著重要角色，PLS在樣本數較小時，統計檢定力會較SEM來得更佳。Henseler et al. (2009) 認為SEM較適合理論之驗證，而PLS則適合理論之預測。SEM檢視期望協方差矩陣與樣本協方差矩陣模型，所以適合進行驗證理論模型的適用性。PLS主要則是解釋變異（檢視因果關係是否顯著），所以適合理論的建構。
SEM與PLS屬性有所不同但可以互補。
SEM 與 PLS 差異在於 SEM 是針對變量的共變量結構進行分析，藉由定義一個因素結構來解釋變量間的共變關係，因此稱為共變量形式結構方程模式。PLS 則是應用變量的線性整合定義出一個主成分結構後，進而利用回歸原理來解釋檢定主成分間的預測與解釋關係，因此稱為主成分形式結構方程模式 (component-based SEM) 。
從方法原理與特性來看，SEM與PLS可應用在相同的一批數據與相同研究課題的分析，所產生的結果或許差異不大，但是背後的運算思維邏輯卻截然不同。
Chin & Newsted 指出PLS優於 SEM：PLS適用於預測變量、非正態性資料、樣本較小時、具有多元共線性、指標為原因指標與欲檢定測量指標是否有效之時。
理論模式未定或發展尚未成熟，可應用PLS而勿進行 SEM分析，以避免模式界定錯誤(model misspecifications)，尤其是重要變量之遺漏、與因果關係之混淆。
近年來SmartPLS 3.3X版受到許多研究者的歡迎，軟體內容引進了多個具有特色的分析方法，幫助研究者自動快速完成統計程序。雖然PLS-SEM研究者很努力付出，但這些新方法的文獻仍然很有限，即使有心學習這方面知識的老師或同學，仍很難找到資源來了解它。
因此，為了讓更多研究者了解偏最小二乘法SmartPLS 3.3X的最新統計方法，並知道如何正確高效利用PLS進行完整的論文分析，我們特別推出由統計亞洲一哥張偉豪老師主講的《18小時，PLS全掌握》線上直播課程。
該課程共3天，每天6小時直播。共分為PLS基礎篇、應用篇及進階篇三大部分，該課程把偏最小二乘法的內容從理論到實務，以實例說明如何分析及解讀這些嶄新的統計方法，一步步引導並完整的呈現在大家的面前。
與以往偏最小二乘法的課程不同，該課程主要採用SmartPLS 3.3X教學，為全新的課程內容！
▲採用SmartPLS 3.3X全新統計方法，抓住新的機會窗口，更有利於投上頂級期刊。
▲統計亞洲一哥張偉豪全程授課，3天，18小時手把手教學，實時互動答疑。
▲課程內容由淺到深，由理論到實踐，層層攻破偏最小二乘法的核心難題
√ 了解SmartPLS軟體的操作及基本的理論；
√ 了解PLS SSCI投稿實務分析，掌握PLS二、中介、調節及多群組比較分析方法，增加文章價值；
√ 掌握全新SmartPLS的統計方法（SmartPLS 3.3X），找到新的機會窗口，有機會投上一些不錯的期刊。
北京巨大量化科技有限公司及三星統計公司創始人及董事長，全亞洲最會講統計學的專家之一，人稱「統計亞洲一哥」。獨創幽默詼諧卻又入木三分的「白話文統計學」，曾創下單場講座破千人記錄，授課及演講足跡遍布國內外近百所城市、超過100所大學，擁有眾多量化粉絲，統計界的明星神話專家。
張偉豪老師曾任SPSS統計軟體資深顧問，也是臺灣首批通過SPSS專業認證的講師，全亞洲最會上結構方程模型(SEM;Structural Equation Modeling)課程的講師，專門解決統計疑難雜症，具有多年SPSS與Amos教學經驗。擅長統計分析，尤以結構方程模型(SEM, Structural Equation Modeling)為最。
2020年8月24日—26日
09:00 - 12:00
14:00 - 17:00
已具有SEM基礎能力該課程適合社會科學領域或想要學習統計分析的本科、碩博士生、高校老師等各階段研究者，最好有一定結構方程模型基礎。
1. 該課程為線上課程，一經訂閱，無法退款；
2. 該課程直播結束後，可永久回看；
3. 該課程可開具電子發票及出具邀請函，可聯繫微信13121139350。
4. 該課程不提供軟體下載，需自行安裝。