1、本文将对比介绍三种常用于结构方程建模的软件：AMOS、Mplus以及SmartPLS，以便于选择适合你的数据分析工具。首先，AMOS以其直观的图形化界面而著名，鼠标操作简单易上手，适合模型相对简单，变量满足多元正态分布的教育学、传播学和管理学研究。一小时内就能掌握基本操作，但深入的模型知识仍需时间学习。
2、显变量用SPSS，潜变量模型用Amos、Mplus等，还可以考虑SmartPLS。
3、在结构方程模型的分析工具中，Mplus因其独特的优势脱颖而出。尽管市面上有多种软件如Lisrel、Amos、SmartPLS和PLS-Graph，但Mplus在处理链式中介（显变量）分析时显得更为专业。
4、MPLUS软件示例：- 在VARIABLE部分，列出观测指标变量名。- 在ANALYSIS部分，选择GENERAL类型并使用ML估计器。- 在MODEL中，定义FACTOR1至FACTOR3，然后建构二阶变量SECOND。- 输出部分，选择标准模型指标。 AMOS软件：- 确保至少一个二阶因子的方差设为1，否则无法执行。
5、以确保模型可运行。SMARTPLS的实现则要求所有一阶变量整合为二阶变量。LISREL实现示例包括各变量与一阶、二阶因子的关系，以及相应的路径图。参考文献包括Schmidt和Leiman对二阶因子分析的开创性工作，以及Geiser的Mplus数据分析指南，以及Byrne对LISREL、PRELIS和SIMPLIS在结构方程建模中的应用介绍。
在大样本情况下，CB-SEM（基于最大似然估计的结构方程模型）对非正态性的稳定性较高，而在小样本情况下，CB-SEM可能会导致异常结果，此时PLS-SEM的稳定性更强。但在小样本且数据分布非正态时，仍可能影响PLS-SEM的结果，如使用拔靴法处理非正态数据可能导致峰态与偏态分布。
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。
在偏最小二乘结构方程模型中，变量被视为潜在构念或观测指标，通过建立模型来探索它们之间的因果关系和影响路径。与传统的结构方程模型相比，PLS-SEM更加灵活和适用于小样本研究，因为它不要求数据满足严格的分布假设，并且可以同时估计模型的潜在因子和观测指标。
首先，PLS-SEM的核心理念是通过将回归分析和路径分析相结合，有效地处理潜在变量和观测变量之间的关系。它特别适合于变量间存在非线性、共变性以及缺失数据的情况，这些是传统回归模型难以处理的挑战。在PLS-SEM中，我们通过构建一组相互关联的方程，来捕捉和解释变量间的深层次结构。
测量模型、结构模型。测量模型：通过观测变量对潜变量进行回归分析，得到潜变量得分。结构模型：通过外生潜变量对内生潜变量进行回归分析，得到潜变量得分。
《使用SmartPLS的多群组分析：在商业领域研究的分步指南》一文中，作者深入探讨了商业研究中如何通过SmartPLS进行多群组分析，以处理数据异质性问题。该研究发表于Asian Journal of Business Research，Cite Score位于Q2区，为研究者提供了细致的操作步骤。