Partial least squares (PLS) were us

Partial least squares (PLS) were used in this study to assess the measurement model within the context of its theoretical mediated model, making it superior to multiple regression, especially when using new scales. PLS employs component-based estimation (Lohm€oller, 1989), thereby maximizing the variance explained in the dependent variable.It does not require the data to have multivariate normality (Gefen et al., 2000) and it can handle formative constructs (Chin, 1998).Furthermore, it imposes fewer estimates for path coefficients of the structural model.

結果 (繁體中文) 1:

偏最小二乘法（PLS）在本研究中使用其理論介導模型的上下文中評估該校準模型，使得它優於多元回歸，使用新秤時尤其如此。

PLS採用基於組件的估計（Lohm€奧勒，1989），由此最大化方差因變量說明。

它不要求數據具有多元正（葛粉等，2000），它可以處理形成性結構（欽，1998年）。

此外，它規定了結構模型的路徑係數估計少。

結果 (繁體中文) 2:

本研究使用部分最小二乘（PLS）來評估其理論介導模型範圍內的測量模型，使其優於多重回歸，尤其是在使用新尺度時。

PLS 採用基於元件的估計（Lohm_oller，1989 年），從而最大化因變數中解釋的方差。

它不需要資料具有多變數法態（Gefen等人，2000年），它可以處理形成結構（Chin，1998年）。

此外，它對結構模型的路徑係數的估計值更少。

結果 (繁體中文) 3:

本研究使用偏最小二乘法（PLS）在理論仲介模型的背景下評估量測模型，使其優於多元回歸，特別是在使用新尺度時。
PLS採用基於分量的估計（Lohm歐元，1989），從而使因變數中解釋的方差最大化。
它不要求數據具有多變數正態性（Gefen等人，2000），並且它可以處理形成性結構（Chin，1998）。
此外，它對結構模型的路徑係數的估計較少。