一、模型结构参数（最核心）

1. 路径结构（Inner Model / Path Matrix）

这是结构方程模型最关键的部分。

需要明确：

• 潜变量之间的因果关系

• 哪些变量是 外生变量（exogenous）

• 哪些变量是 内生变量（endogenous）

（1）外生变量（exogenous variable）=自变量

外生变量是指存在于模型外的变量，模型之外的变量决定其值，因此类似于自变量（independent variable，独立变量）。

（2）内生变量（endogenous variable）=因变量

内生变量是模型中的一个变量，内生变量是因变量（dependent variable，依赖变量），意味着其值取决于模型中的其他变量。

举例来说

这里X1、X2就是外生变量，Y1是内生变量。如果x1和y1之间有个变量的话，该变量就是中介变量。

二、测量模型参数（Outer Model）

2. 指标类型（Mode A / Mode B）

PLS-PM中有两种测量模式：

模式	名称	适用情况
Mode A	Reflective（反射型）	指标受潜变量影响
Mode B	Formative（形成型）	指标共同形成潜变量

反射型（Mode A）指标之间通常 高度相关。例如生态学中的降水、温度、湿度

形成型（Mode B）指标之间可以 不相关。例如生态学中的人口密度、GDP和夜间灯光。

三、数据预处理参数

3. 数据标准化（Scaling）

PLS-PM一般需要：

scale = TRUE

原因：

不同变量单位不同，例如：

变量	单位
温度	℃
降水	mm
NDVI	无单位

标准化可以避免尺度影响。

四、算法参数

4. 权重计算方法（Scheme）

常见三种：

方法	说明
centroid	最常用
factorial	因子型
path	推荐

一般建议：

scheme = “path”

因为它考虑路径方向。

5. 最大迭代次数

例如：

maxiter = 100

注意：

如果模型复杂，建议

maxiter = 500

否则可能 不收敛。

PLS-PM本身没有传统SEM的显著性，需要Bootstrap。

6. Bootstrap次数

一般建议：

次数	可靠性
200	较低
500	一般
1000	推荐
5000	最好

六、模型评价指标（必须检查）

做完模型必须检查：

1 信度

指标	标准
Cronbach α	>0.7
Composite reliability	>0.7

2 收敛效度

指标	标准
AVE	>0.5
外部载荷	>0.7

3 判别效度

检查：

Fornell-Larcker

Cross loading

4 结构模型

指标	标准
R²	>0.25
Path coefficient	显著

5.需要注意的点

1.潜变量至少大于3个指标

2.样本数 ≥ 10 × 最大指标数

3.形成型变量必须检查：VIF < 5

参考文献
1.重新认识结构方程模型第1天：外生变量与内生变量