SlideShare uma empresa Scribd logo
1 de 90
Baixar para ler offline
Partial Least Square (PLS)
偏最小平方法-
Second Generation Statistics
講者:三星統計 謝章升
fega53@gmail.com
教材原創: 三星統計 張偉豪
版次: 20131024謝章升改版
三星課程網
www.tutortristar.com
課程大綱
1. 反映型(Reflective)和
形成型指標(Formative)的應用
2. PLS的介紹
3. SEM VS. PLS 概念比較
4. SmartPLS 操作
5. PLS實務應用操作
第一本問世的書

PLS參考用書
SmartPLS服用前須知
http://www.smartpls.de/forum/
或在Google打關鍵字”smartpls”
1. 申請論壇帳號,一般1-2天便可取得
SmartPLS軟體的序號
2. 到SmartPLS論壇下載軟體(JRE 6 included)
3. 安裝smartpls軟體,輸入序號,此序號每90天
要更新一次。到論壇登入帳號,密碼,找my key,
序號就在裏面。
4. 同一序號可以安裝三次。
按這邊去填寫會員資料,
加入此論壇

小提醒:一個mail地址可以申請
一個帳號,建議申請兩個方便使用
按這邊可以下載
SmartPLS軟體

按這邊就會看到
您專屬的軟體序號
形成型指標Formative vs.
反映型指標Reflective
Formative
Reflective
Formative vs. Reflective

無法互相交換

可以互相交換
形成型與反映型指標的差異
“Whereas reflective indicators are essentially interchangeable (and
therefore the removal of an item does not change the essential nature of
the underlying construct), with formative indicators ‘omitting an indicator
is omitting a part of the construct’.”
(Diamantopoulos

Reflective
Construct

/ Winklhofer, 2001, p. 271)

形成型指標重點
在互補的指標之
間重疊的最小化
Formative
Construct

反映型指標重點在指標
之間重疊的最大化
練習看看

高
聊天
帥

自我揭露

Love

富
共用東西
旅館滿意度
房間的佈置很精緻

旅館提供許多的娛樂

經過考量,我覺得喜
歡這間旅館很讚
旅館服務人員很友善

我很欣賞這家旅館

旅館
滿意度

這旅館價格很低
我期望在這間旅館
過夜

房間很安靜
這間旅館讓我覺得
很舒服

房間很乾淨

旅館提供良好的服務

旅館提供的餐點很
好吃
反映型指標特性
(Jarvis et al. 2003; MacKenzie et al. 2005)

1. 因果關係必需是構面到觀察變數
(Churchill,1979);
2. 測量誤差在觀察變數;
3. 觀察變數需具有內部一致性
(Fornell & Bookstein,1982);
4. 觀察變數需具有中高度相關
(Fornell & Bookstein,1982);
5. 一個構面至少需具有3個觀察變數
(Bollen, 1989);
反映型指標特性
(Jarvis et al. 2003; MacKenzie et al. 2005)

6. 觀察變數具可交換性
(Nunnally & Bernstein, 1994.);
7. 移除構面中的某特定觀察變數,不會影響構面
的意義(Bollen & Lennox, 1991; Nunnally &
Bernstein, 1994; Jarvis et al. 2003) 。
8. 潛在構面要符合單一構面原則,即要有較低的
交叉負荷量 (Kline, 2011)
9. 構面需具有數字的敏感性,高低需具有意義
(DeVellis, 2003)。
三星統計服務有限公司
形成型指標
1. 因果方向由測量變數到潛在變數
2. 沒理由相信測量變數之間有中高度相關,
因此沒有內部一致性的問題
3. 拿掉一個變數會改變構面的意義
4. 測量誤差在構面層級
5. 觀察變數定義潛在變數的意義
6. 觀察變數不能互相取代
7. 觀察變數不一定要有相似的內容,相關可以為負
8. 一個觀察變數改變不一定會改變其它的變數
9. 觀察變數不一定要有相同的影響變數或結果
PLS建模
• 反映型(reflective)指標模型
– 模型中所有的構面,箭頭均必需是由潛在變數
指向觀察變數

• 形成型(formative)指標模型
– 模型中所有的構面,箭頭均必需是由觀察變數
指向潛在變數

• 混合 (redundancy)模型
– 模型中混合了兩種構面在模型中
– 但不可以同一個構面具有兩種型式的指標
PLS模型設定的限制
1. 模型必須是遞迴(recursive)路徑,亦即是因果路
徑模型
2. 每一個潛在變數至少應該跟另一個潛在變數有關
係
3. 每個潛在變數至少需要1個測量變數(indicator)
4. 每一個觀察變數只能存在於一個潛在變數上
5. 模型中只能有一個模型,不可以分割成幾個無相
關的次模型

三星統計服務有限公司
這樣的模型是錯的

三星統計服務有限公司
SEM兩大家族
• Covariance-based SEM (CBSEM)
– Goal:樣本矩陣與模型期望共變異數最接近
例如:
樣本矩陣為…
模型期望共變異數為…
– Data source: raw data, covariance matrix
or correlation matrix with standard
deviation
– Software: Amos, LISREL, EQS, Mplus…
SEM兩大家族
• Variance-based SEM (PLS)
– Goal:內生變數的被解釋能力最大
– Ex:死亡
– Data source: raw data
(format: .csv 或.txt)
– Software: SmartPLS, PLS-Graph,
VisualPLS (中文), PLS-GUI, SPAD PLS…
PLS在MISQ的應用

三星統計服務有限公司
使用PLS的十大理由

三星統計服務有限公司
Advantage of PLS
1.
2.
3.
4.

相對於CBSEM對樣本需求較少
無需分析資料符合常態分配
可以處理多構面的複雜結構模型
可以同時處理反映型指標及形成型
指標構面
5. 適合於理論的發展而不是理論的測試
6. 特別適用於預測(R2)
結構模式與測量模式
Inner model and Outer model
Outer model

e1

x1

e2

x2

e3

x3

Inner model

Outer model
D

Lx1
Lx2

Ly1

F1滿意度

b

Lx3

測量(CFA)模型

F2忠誠度

Ly2
Ly3

結構模型

y1

e4

y2

e5

y3

e6

測量(CFA)模型
25
The CBSEM approach
• 結合因素分析與多元迴歸分析
• 極小化樣本與模型的差距(殘差最小)
• 沒有理論基礎,無法將理論架構套在
實際的現象上,所以就無法測試
• 測量模型與結構模型同步進行估計 (FIML)
• 參數估計最佳化
The PLS approach
•
•
•
•

結合主成份分析與多元迴歸分析
內生變數的被解釋能力最大化
自變數愈多愈好(consistency at large)
PLS可以是理論驗證也可以是理論發展,
前者是用來探索變數之間變數的假設,但
仍以理論發展為主
• 不會產生不合理估計值或
模型無法辨識的問題
• 某些條件下,可以在小樣本下工作
• Phase I

PLS Algorithm

– 將所有觀察變數的值標準化

• Phase II

– Outer model:利用迴歸方式計算出LVs的因素分數
(迭代至收斂)
– Inner model:以相近的LV作為代理計算,仍然是用
迴歸進行(迭代至收斂)

• Phase III

– 計算因素負荷量,迴歸係數及各種效度測量

• 因為PLS在估計時,為局部進行每個構面,最後
再合起來估計LVs之間的關係,所以估計是有偏
的,因此稱為偏最小平方法
PLS與SEM的選擇
Criteria

SEM

PLS

目標

參數估計導向

運算方法

共變異數為基礎 變異數為基礎

潛在變數

潛在變數估計時 每個潛在變數是觀
使用所有的觀察 察變數的線性組合
變數

潛在變數與觀 只能用
察變數的關係 反映型指標
推論

預測導向

反映型或
形成型指標均可

參數估計最佳化 預測能力最大化
SEM與PLS的選擇
Criteria

SEM
小或中度複雜,
模型複雜度 通常不超過100
個MVs
最小要求為100
樣本需求
以上,建議300~
500個樣本
符合多元常態
資料分佈
最大概似插補法
遺漏值
一般LV需3個以
模型辨識
上的MVs

PLS
可以很複雜,如
100LVs,1000MVs
最小要求為30~100
個樣本
具有彈性(無母數)
NIPALS 演算
只要是
遞迴路徑就可以
SEM與PLS的選擇
Criteria
SEM
PLS
顯著性檢定 所有估計參數均有 Jackknife or
bootstrapping
參數估計值 標準化及非標準化 標準化估計值
信效度評估 有
形成型指標沒有
理論需求
充份的理論基礎, 探索及解釋性
支持驗證式研究
研究,無需充份
理論基礎
測量模型
二階測量模型
多階測量模型
分析功能
強大
較小
三星統計服務有限公司
SEM與PLS的選擇
Criteria
模型配適度
最佳化形式
模型變數
關係假設
參數估計
一致性
因素分數
軟體工具
應用情形

SEM
很多(25種)
整體模型迭代
線性或非線性

PLS
GOF (1種)
局部模型迭代
線性

有一致性

在大樣本時有
一致性
明確估計
不成熟
逐步加温

不特別估計
成熟
廣泛
PLS or SEM選擇流程圖
形成型指標?
no
因素分數?

yes
yes

no
模型目的

預測

理論測試
模型發展

早期

成熟
共變異數為基礎(Amos)

變異數為基礎(PLS)
PLS: A Silver Bullet?
SmartPLS的操作
三星統計服務有限公司
Create a new project
• File New Create new project

三星統計服務有限公司
Data import

三星統計服務有限公司
Missing values setup

三星統計服務有限公司
Data create
• SmartPLS只能接受*.txt or *.csv的資料格式
• SPSS 16以上或Excel均可用另存新檔(Save as)
轉存成*.txt or *.csv
研究假設模型

三星統計服務有限公司
三星統計服務有限公司
Create a model
選
擇
物
件

三星統計服務有限公司
Rename factors
• 中文名稱在報表輸出時會產生亂碼,建議用英文

三星統計服務有限公司
構面加入觀察變數

三星統計服務有限公司
觀察變數的調整

三星統計服務有限公司
建立關係

三星統計服務有限公司
三星統計服務有限公司
PLS圖面整齊性調整

調整構面變數的整齊性

三星統計服務有限公司
PLS整齊性調整

三星統計服務有限公司
PLS 計算
潛在類別分析

計算Q2

三星統計服務有限公司
PLS估計方法選擇

default: Path Weighting Scheme

三星統計服務有限公司
PLS估計方法選擇
• Factor Weighting Scheme
– the estimation of LV will be estimated
using correlations (inner estimation)

• Path Weighting Scheme
– the estimation of LV will be estimated
with regression and correlations
(depends on the arrows)

• Centroid Weighting Scheme
– used when the other does not run
(it is an older 三星統計服務有限公司
procedure)
bootstrapping

三星統計服務有限公司
bootstrapping

三星統計服務有限公司
PLS報告輸出

三星統計服務有限公司
檔案輸出
• 將檔案打包輸出(包括
圖檔及資料檔)File
Export Export
Project Next
Finish, 此時就會在D
槽出現同名的.splsp,
此時可以將檔案
e-mail給其他人,省去
重新繪圖.
• 註:檔案要存在
英文目錄下
Window Preferences

三星統計服務有限公司
檔案輸入
• File Import Import Project Next
 選擇檔案放置的位置(Browse) Finish
• Smartpls就會自動輸入圖檔與資料檔

三星統計服務有限公司
TAM with missing value practice

PEOU

ATT

PUF

BI

AUB
PLS效度評估
•
•

由於PLS並沒有提供整體模型配適度指標,
但仍有幾個標準來評估模型效度
PLS分成兩大部份
–

測量模型(Outer model)
1. 反映型指標模型
2. 形成型指標模型

–

結構模型(Inner model)

三星統計服務有限公司
反映型指標模型評估
• Factor loadings
(Indicators reliability)>0.7
• Uni-dimensionality (test by EFA)
• Convergence validity

– Cronbach’s α
– 組成信度 (composite reliability, CR)
– 平均變數萃取量
(Average Variance Extracted, AVE)

• Discriminate validity

– Low cross-loading <Factor loadings
– AVE>Square of constructs correlation
三星統計服務有限公司
形成型指標模型評估
• Indicator validity
– 權重>0.2而且要顯著(Chin, 1998) ,顯著性可
由bootstrap求得
– Indicators之間要檢查共線性,即VIF<10

• Construct validity
• 所有模型假設中,形成性構面需符合預期,構
面之間的關係需與文獻一致並且顯著
• Discriminate validity
– 構面之間的相關<0.7為具有區別效度
三星統計服務有限公司
結構模型的效度評估
• Coefficient of determination (R2)
– 內生潛在變數的R2>0.67為具實務上價值,
R2=0.33左右表示中度解釋能力, R2=0.19左
右表示解釋能力薄弱

• Path Coefficient
– 方向,強度及顯著性

三星統計服務有限公司
結構模型的效度評估
• Effect size (f2)
– 外生變數對內生變數的影響力(Cohen, 1988)
– 0.02(低), 0.15(中), 0.35(高)的影響效果
Predictive relevance (Q2)>0
– Q2愈大代表預測相關性愈強,要用blindfolding
功能求得

• GOF (Goodness of Fit)
– √共同性×可解釋變異= √Redundancy
– GoFsmall=0.1, GoFmedium=0.25, GoFlarge=0.36
三星統計服務有限公司
Effect size (f2)
• Effect size (ES):
f2= (R 2full model – R 2partial model) ÷ (1 – R
• Effect Sizes (Cohen, 1988)

2

full model)

– ES= 0.02~0.15 are weak
– ES= 0.15~0.35 are moderate
當F3加入模
– ES> 0.35 are strong

型時,Y會產
生的R2增量

F1
F2
F3

Y

三星統計服務有限公司
何謂blindfolding
• 將資料矩陣分隔成G群
– Herman Wold 建議分成G = 7
– 假設G=3

LV1

LV2

LV2

MV1
三星統計服務有限公司

MV1

MV1
Blindfolding Groups
• G=3,分別為a, b, c
• 一次省略一組的資料不納入分析
1.省略group a

2.省略group b

三星統計服務有限公司

3.省略group c
Blindfolding: Predictive Relevance
• PLS模型估計G次,每次排除一組後再估計模
型
• 利用其它的潛在變數預測觀察變數評估模
型的品質
• 計算predictive relevance Q2
–
–
–
–

Q2 = 1 模型完全重製
Q2 = 0 模型與用平均數取代無異
Q2 < 0 表模型沒有predictive relevance.
Q2 > 0 表模型有predictive relevance
Q2 Calculation
• Stone-Geisser Q2
–
–
–
–

cv-communality (評估測量模型)
交叉評估測量模型的共同性(communality)
cv-redundancy (評估結構模型)
交叉評估結構模型的重疊性(redundancy)

三星統計服務有限公司
Model with Blindfolding
two inner model
regression

三星統計服務有限公司
Model with Blindfolding
• Calculate
Blindfolding

三星統計服務有限公司
Model Blindfolding Results

三星統計服務有限公司
Blindfolding cv-Redundancy and
cv-communality Results
EXAMPLES from MISQ
An Empirical Examination of Individual
Traits as Antecedents to Computer
Anxiety and Computer Self-Efficacy
Managing Client Dialogues during
Information Systems Design to
Facilitate Client Learning
三星統計服務有限公司
PLS分析
• Calculate PLS Algorithm
Quality Criteria
• Report Html Report

三星統計服務有限公司
因素負荷量Outer loadings
企業形象
AL1
AL2
AL3
CS1
CS2
CS3
CS4
CS5
EI1

服務品質

0.94
0.87

滿意度

轉換成本

0.75
0.70
0.80
0.73
0.76

0.91

EI2
EI3
SC1
SC2
SC3
SC4
assurence
empathy
reliable
response
tangible

態度
0.86
0.94
0.91

0.84
0.74
0.86
0.86
三星統計服務有限公司
0.75

0.89
0.89
0.81
0.85
收斂效度 (convergence validity)
•
•
•
•

Factor loadings>0.7
AVE=Communality>0.7 (reflective index)
Composite Reliability≒ Cronbach’s α>0.7
Redundancy愈大表示模型愈好
AVE

Composite
Reliability

企業形象

0.827

0.935

態度

0.818

0.931

服務品質

0.658

0.905

滿意度

0.559

0.863

轉換成本

0.741

0.919

R2

Cronach's
Communality Redundancy
Alpha
0.895

0.393

0.888

0.818

0.869

0.392

0.827

0.658

0.802

0.559

0.883

0.741

0.178

0.070
模型區別效度的判定
• Cross loadings<factor loadings
– Cross loadings是指構面與不同構面題目的因
素負荷量.

• AVE的開根號值>構面之間的相關
(AVE值>構面之間的相關的平方)

三星統計服務有限公司
區別效度
企業形象

態度

服務品質

AL1
0.42
0.86
AL2
0.48
0.94
AL3
0.45
0.91
粗體為factor loadings0.26
CS1
0.41
CS2細體為cross loadings 0.25
0.36
CS3
0.35
0.36
CS4
0.34
0.39
CS5
0.36
0.38
EI1
0.91
0.45
EI2
0.94
0.46
EI3
0.87
0.45
SC1
0.21
0.34
SC2
0.22
0.35
SC3
0.13
0.28
SC4
0.17
0.30
assurence
0.34
0.42
empathy
0.33
0.43
reliable
0.42
0.43
response
0.35
0.39
三星統計服務有限公司
tangible
0.31
0.35

0.45
0.46
0.44
0.38
0.36
0.55
0.46
0.46
0.34
0.42
0.42
0.41
0.40
0.32
0.28
0.84
0.74
0.86
0.86
0.75

滿意度
0.44
0.47
0.47
0.75
0.70
0.80
0.73
0.76
0.39
0.39
0.37
0.32
0.31
0.25
0.23
0.50
0.44
0.54
0.51
0.42

轉換成本
0.33
0.34
0.34
0.27
0.20
0.28
0.18
0.28
0.15
0.18
0.25
0.89
0.89
0.81
0.85
0.37
0.36
0.36
0.33
0.25
AVE區別效度

AVE

Composite Cronbachs
Reliability
Alpha

EI

LOY

SAT

SC

SQ

EI

0.649

0.917

0.890

0.806

LOY

0.778

0.933

0.904

0.608 0.882

SAT

0.490

0.870

0.825

0.491

SC

0.682

0.914

0.882

0.338 0.392 0.365 0.826

SQ

0.658

0.905

0.869

0.534 0.505 0.664 0.405 0.811

0.528 0.700
Path coefficients
• PLS Algorithm HTML Report
Path Coefficients
Y
EI
EI

LOY

SAT

0.428

0.176

LOY

X

SAT

0.263

SC

0.151

SQ

0.090
0.534

SC

SQ
顯著性檢定
• Calculate
Bootstrapping
– 由於pls的資料
分配不知道,因
此無法利用傳
統的方法求得.

三星統計服務有限公司
結構係數t值

Path Coefficients (Mean, STDEV, T-Values)
• Report Html Report
• t >1.96 at p < 0.05, t > 2.58, at p < 0.01,
t > 3.29 at p < 0.001 for two-tailed tests
Original
Sample (O)

Sample
Mean (M)

Standard
Deviation
(STDEV)

Standard
T Statistics
Error
(|O/STERR|)
(STERR)

CI -> ATT
0.326
0.326
0.062
0.062
CI -> SAT
0.197
0.191
0.072
0.072
SAT -> ATT
0.304
0.304
0.057
0.057
SC -> ATT
0.204
0.206
0.063
0.063
SC -> SAT
0.088
0.090
0.053
0.053
SQ -> SAT
0.473
0.480
0.062
0.062
The bootstrap procedure is just used to compute standard error and
t-values of outer loadings, outer weights, path coefficients.
For these reasons: t = original / std error

5.273
2.745
5.349
3.260
1.654
7.616
因素負荷量t值Outer Model T-Statistic
AL1
AL2
AL3
CS1
CS2
CS3
CS4
CS5
EI1
EI2
EI3
SC1
SC2
SC3
SC4
assurence
empathy
reliable
response
tangible

ATT
30.75
68.97
61.37

CI

SAT

62.10
114.83
38.61

三星統計服務有限公司

SC

SQ

23.65
17.24
32.65
19.94
23.53

56.19
46.01
22.43
36.89

37.82
18.78
45.74
46.76
22.43
總效果Total Effect
Original
Sample
(O)

Sample
Mean
(M)

Standard Standard
T Statistics
Error
Deviation
(|O/STERR|)
(STDEV) (STERR)

CI -> ATT

0.385

0.385

0.066

0.066

5.867

CI -> SAT

0.197

0.193

0.074

0.074

2.658

SAT -> ATT

0.304

0.301

0.058

0.058

5.265

SC -> ATT

0.231

0.233

0.065

0.065

3.566

SC -> SAT

0.088

0.092

0.056

0.056

1.576

SQ -> ATT

0.144

0.144

0.033

0.033

4.396

SQ -> SAT

0.473

0.478

0.059

0.059

8.023
顯著性檢定
三星統計服務有限公司

88
三星課程網
http://www.tutortristar.com

89
三星統計服務有限公司
• SEM教育訓練
–
–
–
–
–
–

•
•
•
•
•

演講邀約
論文分析統計諮詢
資料分析
統計小班教學
IBM SPSS暨Amos
銷售

SPSS 統計訓練
SEM 基礎訓練
SEM 進階分析
SEM 實務應用
SEM 寫作不求人
SEM 縱斷面分析
應用
E-mail: semsoeasy@gmail.com
Fax: 07-3909741

Mais conteúdo relacionado

Mais procurados

演講 無痛完成Sem與Amos論文-三星統計謝章升-20140926
演講 無痛完成Sem與Amos論文-三星統計謝章升-20140926演講 無痛完成Sem與Amos論文-三星統計謝章升-20140926
演講 無痛完成Sem與Amos論文-三星統計謝章升-20140926Beckett Hsieh
 
SEM與Amos進階-三星統計張偉豪
SEM與Amos進階-三星統計張偉豪SEM與Amos進階-三星統計張偉豪
SEM與Amos進階-三星統計張偉豪Beckett Hsieh
 
SEM結構方程模型與Amos-潛在成長模型-三星統計張偉豪
SEM結構方程模型與Amos-潛在成長模型-三星統計張偉豪SEM結構方程模型與Amos-潛在成長模型-三星統計張偉豪
SEM結構方程模型與Amos-潛在成長模型-三星統計張偉豪Beckett Hsieh
 
以產出為導向-SPSS,SEM,PLS-在學術論文的應用-三星統計謝章升-20131219
以產出為導向-SPSS,SEM,PLS-在學術論文的應用-三星統計謝章升-20131219以產出為導向-SPSS,SEM,PLS-在學術論文的應用-三星統計謝章升-20131219
以產出為導向-SPSS,SEM,PLS-在學術論文的應用-三星統計謝章升-20131219Beckett Hsieh
 
SEM結構方程模型與Amos基礎班-三星統計謝章升-20131122
SEM結構方程模型與Amos基礎班-三星統計謝章升-20131122SEM結構方程模型與Amos基礎班-三星統計謝章升-20131122
SEM結構方程模型與Amos基礎班-三星統計謝章升-20131122Beckett Hsieh
 
SEM與LISREL基礎班講義20130112-三星統計張偉豪顧問
SEM與LISREL基礎班講義20130112-三星統計張偉豪顧問SEM與LISREL基礎班講義20130112-三星統計張偉豪顧問
SEM與LISREL基礎班講義20130112-三星統計張偉豪顧問Beckett Hsieh
 
SEM與Amos應用班系列一中介與干擾變數-三星統計張偉豪
SEM與Amos應用班系列一中介與干擾變數-三星統計張偉豪SEM與Amos應用班系列一中介與干擾變數-三星統計張偉豪
SEM與Amos應用班系列一中介與干擾變數-三星統計張偉豪Beckett Hsieh
 
演講前導投影片-結構方程式SEM與Amos初學者常見的5個瓶頸與求生方式
演講前導投影片-結構方程式SEM與Amos初學者常見的5個瓶頸與求生方式演講前導投影片-結構方程式SEM與Amos初學者常見的5個瓶頸與求生方式
演講前導投影片-結構方程式SEM與Amos初學者常見的5個瓶頸與求生方式Beckett Hsieh
 
SEM結構方程模型-Amos多群組比較-張偉豪-20150803
SEM結構方程模型-Amos多群組比較-張偉豪-20150803SEM結構方程模型-Amos多群組比較-張偉豪-20150803
SEM結構方程模型-Amos多群組比較-張偉豪-20150803Beckett Hsieh
 
CMV共同方法變異-三星統計張偉豪-20140822
CMV共同方法變異-三星統計張偉豪-20140822CMV共同方法變異-三星統計張偉豪-20140822
CMV共同方法變異-三星統計張偉豪-20140822Beckett Hsieh
 
HLM! 想聽不懂,很難!-三星統計張偉豪-20140929
HLM! 想聽不懂,很難!-三星統計張偉豪-20140929HLM! 想聽不懂,很難!-三星統計張偉豪-20140929
HLM! 想聽不懂,很難!-三星統計張偉豪-20140929Beckett Hsieh
 
中介與調節效果當代分析手法大解秘-Amos與Mplus為例-三星統計張偉豪
中介與調節效果當代分析手法大解秘-Amos與Mplus為例-三星統計張偉豪中介與調節效果當代分析手法大解秘-Amos與Mplus為例-三星統計張偉豪
中介與調節效果當代分析手法大解秘-Amos與Mplus為例-三星統計張偉豪Beckett Hsieh
 
SEM結構方程模型與Amos-多群組比較-三星統計張偉豪
SEM結構方程模型與Amos-多群組比較-三星統計張偉豪SEM結構方程模型與Amos-多群組比較-三星統計張偉豪
SEM結構方程模型與Amos-多群組比較-三星統計張偉豪Beckett Hsieh
 
SPSS從0開始-三星統計張偉豪
SPSS從0開始-三星統計張偉豪SPSS從0開始-三星統計張偉豪
SPSS從0開始-三星統計張偉豪Beckett Hsieh
 
世代交替SPSS與Amos-三星統計張偉豪
世代交替SPSS與Amos-三星統計張偉豪世代交替SPSS與Amos-三星統計張偉豪
世代交替SPSS與Amos-三星統計張偉豪Beckett Hsieh
 
QM-064-常用QC手法
QM-064-常用QC手法QM-064-常用QC手法
QM-064-常用QC手法handbook
 
論文口試簡報 陳正偉M9710305
論文口試簡報 陳正偉M9710305論文口試簡報 陳正偉M9710305
論文口試簡報 陳正偉M9710305Cheng-Wei Chen
 
統計的力量-SPSS的25種方法實戰2014版-三星統計張偉豪20141119
統計的力量-SPSS的25種方法實戰2014版-三星統計張偉豪20141119統計的力量-SPSS的25種方法實戰2014版-三星統計張偉豪20141119
統計的力量-SPSS的25種方法實戰2014版-三星統計張偉豪20141119Beckett Hsieh
 
SEM(structural equation modeling)結構方程模型-潛在成長模型-三星統計張偉豪-20140828
SEM(structural equation modeling)結構方程模型-潛在成長模型-三星統計張偉豪-20140828SEM(structural equation modeling)結構方程模型-潛在成長模型-三星統計張偉豪-20140828
SEM(structural equation modeling)結構方程模型-潛在成長模型-三星統計張偉豪-20140828Beckett Hsieh
 
原來量化研究的問卷與分析是這樣簡單-三星統計謝章升-20140721
原來量化研究的問卷與分析是這樣簡單-三星統計謝章升-20140721原來量化研究的問卷與分析是這樣簡單-三星統計謝章升-20140721
原來量化研究的問卷與分析是這樣簡單-三星統計謝章升-20140721Beckett Hsieh
 

Mais procurados (20)

演講 無痛完成Sem與Amos論文-三星統計謝章升-20140926
演講 無痛完成Sem與Amos論文-三星統計謝章升-20140926演講 無痛完成Sem與Amos論文-三星統計謝章升-20140926
演講 無痛完成Sem與Amos論文-三星統計謝章升-20140926
 
SEM與Amos進階-三星統計張偉豪
SEM與Amos進階-三星統計張偉豪SEM與Amos進階-三星統計張偉豪
SEM與Amos進階-三星統計張偉豪
 
SEM結構方程模型與Amos-潛在成長模型-三星統計張偉豪
SEM結構方程模型與Amos-潛在成長模型-三星統計張偉豪SEM結構方程模型與Amos-潛在成長模型-三星統計張偉豪
SEM結構方程模型與Amos-潛在成長模型-三星統計張偉豪
 
以產出為導向-SPSS,SEM,PLS-在學術論文的應用-三星統計謝章升-20131219
以產出為導向-SPSS,SEM,PLS-在學術論文的應用-三星統計謝章升-20131219以產出為導向-SPSS,SEM,PLS-在學術論文的應用-三星統計謝章升-20131219
以產出為導向-SPSS,SEM,PLS-在學術論文的應用-三星統計謝章升-20131219
 
SEM結構方程模型與Amos基礎班-三星統計謝章升-20131122
SEM結構方程模型與Amos基礎班-三星統計謝章升-20131122SEM結構方程模型與Amos基礎班-三星統計謝章升-20131122
SEM結構方程模型與Amos基礎班-三星統計謝章升-20131122
 
SEM與LISREL基礎班講義20130112-三星統計張偉豪顧問
SEM與LISREL基礎班講義20130112-三星統計張偉豪顧問SEM與LISREL基礎班講義20130112-三星統計張偉豪顧問
SEM與LISREL基礎班講義20130112-三星統計張偉豪顧問
 
SEM與Amos應用班系列一中介與干擾變數-三星統計張偉豪
SEM與Amos應用班系列一中介與干擾變數-三星統計張偉豪SEM與Amos應用班系列一中介與干擾變數-三星統計張偉豪
SEM與Amos應用班系列一中介與干擾變數-三星統計張偉豪
 
演講前導投影片-結構方程式SEM與Amos初學者常見的5個瓶頸與求生方式
演講前導投影片-結構方程式SEM與Amos初學者常見的5個瓶頸與求生方式演講前導投影片-結構方程式SEM與Amos初學者常見的5個瓶頸與求生方式
演講前導投影片-結構方程式SEM與Amos初學者常見的5個瓶頸與求生方式
 
SEM結構方程模型-Amos多群組比較-張偉豪-20150803
SEM結構方程模型-Amos多群組比較-張偉豪-20150803SEM結構方程模型-Amos多群組比較-張偉豪-20150803
SEM結構方程模型-Amos多群組比較-張偉豪-20150803
 
CMV共同方法變異-三星統計張偉豪-20140822
CMV共同方法變異-三星統計張偉豪-20140822CMV共同方法變異-三星統計張偉豪-20140822
CMV共同方法變異-三星統計張偉豪-20140822
 
HLM! 想聽不懂,很難!-三星統計張偉豪-20140929
HLM! 想聽不懂,很難!-三星統計張偉豪-20140929HLM! 想聽不懂,很難!-三星統計張偉豪-20140929
HLM! 想聽不懂,很難!-三星統計張偉豪-20140929
 
中介與調節效果當代分析手法大解秘-Amos與Mplus為例-三星統計張偉豪
中介與調節效果當代分析手法大解秘-Amos與Mplus為例-三星統計張偉豪中介與調節效果當代分析手法大解秘-Amos與Mplus為例-三星統計張偉豪
中介與調節效果當代分析手法大解秘-Amos與Mplus為例-三星統計張偉豪
 
SEM結構方程模型與Amos-多群組比較-三星統計張偉豪
SEM結構方程模型與Amos-多群組比較-三星統計張偉豪SEM結構方程模型與Amos-多群組比較-三星統計張偉豪
SEM結構方程模型與Amos-多群組比較-三星統計張偉豪
 
SPSS從0開始-三星統計張偉豪
SPSS從0開始-三星統計張偉豪SPSS從0開始-三星統計張偉豪
SPSS從0開始-三星統計張偉豪
 
世代交替SPSS與Amos-三星統計張偉豪
世代交替SPSS與Amos-三星統計張偉豪世代交替SPSS與Amos-三星統計張偉豪
世代交替SPSS與Amos-三星統計張偉豪
 
QM-064-常用QC手法
QM-064-常用QC手法QM-064-常用QC手法
QM-064-常用QC手法
 
論文口試簡報 陳正偉M9710305
論文口試簡報 陳正偉M9710305論文口試簡報 陳正偉M9710305
論文口試簡報 陳正偉M9710305
 
統計的力量-SPSS的25種方法實戰2014版-三星統計張偉豪20141119
統計的力量-SPSS的25種方法實戰2014版-三星統計張偉豪20141119統計的力量-SPSS的25種方法實戰2014版-三星統計張偉豪20141119
統計的力量-SPSS的25種方法實戰2014版-三星統計張偉豪20141119
 
SEM(structural equation modeling)結構方程模型-潛在成長模型-三星統計張偉豪-20140828
SEM(structural equation modeling)結構方程模型-潛在成長模型-三星統計張偉豪-20140828SEM(structural equation modeling)結構方程模型-潛在成長模型-三星統計張偉豪-20140828
SEM(structural equation modeling)結構方程模型-潛在成長模型-三星統計張偉豪-20140828
 
原來量化研究的問卷與分析是這樣簡單-三星統計謝章升-20140721
原來量化研究的問卷與分析是這樣簡單-三星統計謝章升-20140721原來量化研究的問卷與分析是這樣簡單-三星統計謝章升-20140721
原來量化研究的問卷與分析是這樣簡單-三星統計謝章升-20140721
 

Semelhante a PLS偏最小平方法教材一天-三星統計謝章升-20131122

2012/05/23 AU Talk - 讓事情發生
2012/05/23 AU Talk - 讓事情發生2012/05/23 AU Talk - 讓事情發生
2012/05/23 AU Talk - 讓事情發生appuniverz
 
软件工程
软件工程软件工程
软件工程bill0077
 
QM-024-QC改善工具
QM-024-QC改善工具QM-024-QC改善工具
QM-024-QC改善工具handbook
 
簡報規劃與技巧
簡報規劃與技巧簡報規劃與技巧
簡報規劃與技巧基欽 劉
 
QM-025-QC新七大工具
QM-025-QC新七大工具QM-025-QC新七大工具
QM-025-QC新七大工具handbook
 
16 2 2_sem適配度指標的潛藏問題:最佳模式難求17-30
16 2 2_sem適配度指標的潛藏問題:最佳模式難求17-3016 2 2_sem適配度指標的潛藏問題:最佳模式難求17-30
16 2 2_sem適配度指標的潛藏問題:最佳模式難求17-30Jet_Peng
 
软件设计原则、模式与应用
软件设计原则、模式与应用软件设计原则、模式与应用
软件设计原则、模式与应用yiditushe
 
软件工程 第十一章
软件工程 第十一章软件工程 第十一章
软件工程 第十一章浒 刘
 
The design and implementation of an automated platform to verify trading prog...
The design and implementation of an automated platform to verify trading prog...The design and implementation of an automated platform to verify trading prog...
The design and implementation of an automated platform to verify trading prog...HsuChiaEn
 
Top100summit 宗刚-全生命周期性能评估体系的实践
Top100summit 宗刚-全生命周期性能评估体系的实践Top100summit 宗刚-全生命周期性能评估体系的实践
Top100summit 宗刚-全生命周期性能评估体系的实践drewz lin
 
工作圈上課講義
工作圈上課講義工作圈上課講義
工作圈上課講義5045033
 
您也可以成為古火田任三郎~假說思考的力量
您也可以成為古火田任三郎~假說思考的力量您也可以成為古火田任三郎~假說思考的力量
您也可以成為古火田任三郎~假說思考的力量基欽 劉
 
SBI情境規劃與應用
SBI情境規劃與應用SBI情境規劃與應用
SBI情境規劃與應用基欽 劉
 
從理想、到現實的距離,開啟品味軟體測試之路 - 台灣軟體工程協會 (20220813)
從理想、到現實的距離,開啟品味軟體測試之路 - 台灣軟體工程協會 (20220813)從理想、到現實的距離,開啟品味軟體測試之路 - 台灣軟體工程協會 (20220813)
從理想、到現實的距離,開啟品味軟體測試之路 - 台灣軟體工程協會 (20220813)Rick Hwang
 
103.09.16 目標管理個人職涯規劃-弘偉環保工程股份有限公司-詹翔霖教授
103.09.16 目標管理個人職涯規劃-弘偉環保工程股份有限公司-詹翔霖教授103.09.16 目標管理個人職涯規劃-弘偉環保工程股份有限公司-詹翔霖教授
103.09.16 目標管理個人職涯規劃-弘偉環保工程股份有限公司-詹翔霖教授文化大學
 
BCBOK工具技術介紹 v1
BCBOK工具技術介紹 v1BCBOK工具技術介紹 v1
BCBOK工具技術介紹 v1jongminshi
 
專案管理理論基礎
專案管理理論基礎專案管理理論基礎
專案管理理論基礎黑狗 大
 
比較性分析:關聯規則 - 2020 - blog.pptx
比較性分析:關聯規則 - 2020 - blog.pptx比較性分析:關聯規則 - 2020 - blog.pptx
比較性分析:關聯規則 - 2020 - blog.pptxYung-Ting Chen
 

Semelhante a PLS偏最小平方法教材一天-三星統計謝章升-20131122 (20)

2012/05/23 AU Talk - 讓事情發生
2012/05/23 AU Talk - 讓事情發生2012/05/23 AU Talk - 讓事情發生
2012/05/23 AU Talk - 讓事情發生
 
软件工程
软件工程软件工程
软件工程
 
QM-024-QC改善工具
QM-024-QC改善工具QM-024-QC改善工具
QM-024-QC改善工具
 
簡報規劃與技巧
簡報規劃與技巧簡報規劃與技巧
簡報規劃與技巧
 
QM-025-QC新七大工具
QM-025-QC新七大工具QM-025-QC新七大工具
QM-025-QC新七大工具
 
16 2 2_sem適配度指標的潛藏問題:最佳模式難求17-30
16 2 2_sem適配度指標的潛藏問題:最佳模式難求17-3016 2 2_sem適配度指標的潛藏問題:最佳模式難求17-30
16 2 2_sem適配度指標的潛藏問題:最佳模式難求17-30
 
软件设计原则、模式与应用
软件设计原则、模式与应用软件设计原则、模式与应用
软件设计原则、模式与应用
 
OOAD
OOADOOAD
OOAD
 
软件工程 第十一章
软件工程 第十一章软件工程 第十一章
软件工程 第十一章
 
The design and implementation of an automated platform to verify trading prog...
The design and implementation of an automated platform to verify trading prog...The design and implementation of an automated platform to verify trading prog...
The design and implementation of an automated platform to verify trading prog...
 
Top100summit 宗刚-全生命周期性能评估体系的实践
Top100summit 宗刚-全生命周期性能评估体系的实践Top100summit 宗刚-全生命周期性能评估体系的实践
Top100summit 宗刚-全生命周期性能评估体系的实践
 
工作圈上課講義
工作圈上課講義工作圈上課講義
工作圈上課講義
 
您也可以成為古火田任三郎~假說思考的力量
您也可以成為古火田任三郎~假說思考的力量您也可以成為古火田任三郎~假說思考的力量
您也可以成為古火田任三郎~假說思考的力量
 
SBI情境規劃與應用
SBI情境規劃與應用SBI情境規劃與應用
SBI情境規劃與應用
 
從理想、到現實的距離,開啟品味軟體測試之路 - 台灣軟體工程協會 (20220813)
從理想、到現實的距離,開啟品味軟體測試之路 - 台灣軟體工程協會 (20220813)從理想、到現實的距離,開啟品味軟體測試之路 - 台灣軟體工程協會 (20220813)
從理想、到現實的距離,開啟品味軟體測試之路 - 台灣軟體工程協會 (20220813)
 
Ch03
Ch03Ch03
Ch03
 
103.09.16 目標管理個人職涯規劃-弘偉環保工程股份有限公司-詹翔霖教授
103.09.16 目標管理個人職涯規劃-弘偉環保工程股份有限公司-詹翔霖教授103.09.16 目標管理個人職涯規劃-弘偉環保工程股份有限公司-詹翔霖教授
103.09.16 目標管理個人職涯規劃-弘偉環保工程股份有限公司-詹翔霖教授
 
BCBOK工具技術介紹 v1
BCBOK工具技術介紹 v1BCBOK工具技術介紹 v1
BCBOK工具技術介紹 v1
 
專案管理理論基礎
專案管理理論基礎專案管理理論基礎
專案管理理論基礎
 
比較性分析:關聯規則 - 2020 - blog.pptx
比較性分析:關聯規則 - 2020 - blog.pptx比較性分析:關聯規則 - 2020 - blog.pptx
比較性分析:關聯規則 - 2020 - blog.pptx
 

Mais de Beckett Hsieh

謝章升-Google Analytics進階
謝章升-Google Analytics進階謝章升-Google Analytics進階
謝章升-Google Analytics進階Beckett Hsieh
 
謝章升-Google Analytics入門
謝章升-Google Analytics入門謝章升-Google Analytics入門
謝章升-Google Analytics入門Beckett Hsieh
 
謝章升-Google我的商家課程講義
謝章升-Google我的商家課程講義謝章升-Google我的商家課程講義
謝章升-Google我的商家課程講義Beckett Hsieh
 
謝章升-Google Analytics網站流量分析入門課程講義
謝章升-Google Analytics網站流量分析入門課程講義謝章升-Google Analytics網站流量分析入門課程講義
謝章升-Google Analytics網站流量分析入門課程講義Beckett Hsieh
 
謝章升-個人品牌如何知識變現
謝章升-個人品牌如何知識變現謝章升-個人品牌如何知識變現
謝章升-個人品牌如何知識變現Beckett Hsieh
 
謝章升-數位行銷基本力
謝章升-數位行銷基本力謝章升-數位行銷基本力
謝章升-數位行銷基本力Beckett Hsieh
 
GTM(Google Tag Manager)懶人包-謝章升
GTM(Google Tag Manager)懶人包-謝章升GTM(Google Tag Manager)懶人包-謝章升
GTM(Google Tag Manager)懶人包-謝章升Beckett Hsieh
 
Google廣告入門實作-三星統計謝章升-20171031
Google廣告入門實作-三星統計謝章升-20171031Google廣告入門實作-三星統計謝章升-20171031
Google廣告入門實作-三星統計謝章升-20171031Beckett Hsieh
 
參考講義展示版-丘祐瑋-20170617-機器學習python入門者課程
參考講義展示版-丘祐瑋-20170617-機器學習python入門者課程參考講義展示版-丘祐瑋-20170617-機器學習python入門者課程
參考講義展示版-丘祐瑋-20170617-機器學習python入門者課程Beckett Hsieh
 
謝章升-演講-大數據行銷-網路廣告解讀-20170327
謝章升-演講-大數據行銷-網路廣告解讀-20170327謝章升-演講-大數據行銷-網路廣告解讀-20170327
謝章升-演講-大數據行銷-網路廣告解讀-20170327Beckett Hsieh
 
謝章升-演講-Ga網站流量分析入門-20170410
謝章升-演講-Ga網站流量分析入門-20170410謝章升-演講-Ga網站流量分析入門-20170410
謝章升-演講-Ga網站流量分析入門-20170410Beckett Hsieh
 
謝章升-演講-拉新與熟客經營-再行銷廣告與EDM-20170413
謝章升-演講-拉新與熟客經營-再行銷廣告與EDM-20170413謝章升-演講-拉新與熟客經營-再行銷廣告與EDM-20170413
謝章升-演講-拉新與熟客經營-再行銷廣告與EDM-20170413Beckett Hsieh
 
謝章升-演講-WordPress ORG建構網頁入門-20170424
謝章升-演講-WordPress ORG建構網頁入門-20170424謝章升-演講-WordPress ORG建構網頁入門-20170424
謝章升-演講-WordPress ORG建構網頁入門-20170424Beckett Hsieh
 
張偉豪-擺脫墨菲定律魔咒的迷思-Logistc迴歸-20160602
張偉豪-擺脫墨菲定律魔咒的迷思-Logistc迴歸-20160602張偉豪-擺脫墨菲定律魔咒的迷思-Logistc迴歸-20160602
張偉豪-擺脫墨菲定律魔咒的迷思-Logistc迴歸-20160602Beckett Hsieh
 
謝章升-Google Analytics網站流量分析入門實作
謝章升-Google Analytics網站流量分析入門實作謝章升-Google Analytics網站流量分析入門實作
謝章升-Google Analytics網站流量分析入門實作Beckett Hsieh
 
To be master or slave of statistics
To be master or slave of statisticsTo be master or slave of statistics
To be master or slave of statisticsBeckett Hsieh
 
演講-Meta analysis in medical research-張偉豪
演講-Meta analysis in medical research-張偉豪演講-Meta analysis in medical research-張偉豪
演講-Meta analysis in medical research-張偉豪Beckett Hsieh
 
看不見的消費者 Google關鍵字廣告實作-三星統計謝章升
看不見的消費者 Google關鍵字廣告實作-三星統計謝章升看不見的消費者 Google關鍵字廣告實作-三星統計謝章升
看不見的消費者 Google關鍵字廣告實作-三星統計謝章升Beckett Hsieh
 
品牌管理師證照重點複習-謝章升-20151221
品牌管理師證照重點複習-謝章升-20151221品牌管理師證照重點複習-謝章升-20151221
品牌管理師證照重點複習-謝章升-20151221Beckett Hsieh
 

Mais de Beckett Hsieh (20)

謝章升-Google Analytics進階
謝章升-Google Analytics進階謝章升-Google Analytics進階
謝章升-Google Analytics進階
 
謝章升-Google Analytics入門
謝章升-Google Analytics入門謝章升-Google Analytics入門
謝章升-Google Analytics入門
 
謝章升-Google我的商家課程講義
謝章升-Google我的商家課程講義謝章升-Google我的商家課程講義
謝章升-Google我的商家課程講義
 
謝章升-Google Analytics網站流量分析入門課程講義
謝章升-Google Analytics網站流量分析入門課程講義謝章升-Google Analytics網站流量分析入門課程講義
謝章升-Google Analytics網站流量分析入門課程講義
 
謝章升-個人品牌如何知識變現
謝章升-個人品牌如何知識變現謝章升-個人品牌如何知識變現
謝章升-個人品牌如何知識變現
 
謝章升-數位行銷基本力
謝章升-數位行銷基本力謝章升-數位行銷基本力
謝章升-數位行銷基本力
 
GTM(Google Tag Manager)懶人包-謝章升
GTM(Google Tag Manager)懶人包-謝章升GTM(Google Tag Manager)懶人包-謝章升
GTM(Google Tag Manager)懶人包-謝章升
 
Google廣告入門實作-三星統計謝章升-20171031
Google廣告入門實作-三星統計謝章升-20171031Google廣告入門實作-三星統計謝章升-20171031
Google廣告入門實作-三星統計謝章升-20171031
 
參考講義展示版-丘祐瑋-20170617-機器學習python入門者課程
參考講義展示版-丘祐瑋-20170617-機器學習python入門者課程參考講義展示版-丘祐瑋-20170617-機器學習python入門者課程
參考講義展示版-丘祐瑋-20170617-機器學習python入門者課程
 
謝章升-演講-大數據行銷-網路廣告解讀-20170327
謝章升-演講-大數據行銷-網路廣告解讀-20170327謝章升-演講-大數據行銷-網路廣告解讀-20170327
謝章升-演講-大數據行銷-網路廣告解讀-20170327
 
謝章升-演講-Ga網站流量分析入門-20170410
謝章升-演講-Ga網站流量分析入門-20170410謝章升-演講-Ga網站流量分析入門-20170410
謝章升-演講-Ga網站流量分析入門-20170410
 
謝章升-演講-拉新與熟客經營-再行銷廣告與EDM-20170413
謝章升-演講-拉新與熟客經營-再行銷廣告與EDM-20170413謝章升-演講-拉新與熟客經營-再行銷廣告與EDM-20170413
謝章升-演講-拉新與熟客經營-再行銷廣告與EDM-20170413
 
謝章升-演講-WordPress ORG建構網頁入門-20170424
謝章升-演講-WordPress ORG建構網頁入門-20170424謝章升-演講-WordPress ORG建構網頁入門-20170424
謝章升-演講-WordPress ORG建構網頁入門-20170424
 
張偉豪-擺脫墨菲定律魔咒的迷思-Logistc迴歸-20160602
張偉豪-擺脫墨菲定律魔咒的迷思-Logistc迴歸-20160602張偉豪-擺脫墨菲定律魔咒的迷思-Logistc迴歸-20160602
張偉豪-擺脫墨菲定律魔咒的迷思-Logistc迴歸-20160602
 
謝章升-Google Analytics網站流量分析入門實作
謝章升-Google Analytics網站流量分析入門實作謝章升-Google Analytics網站流量分析入門實作
謝章升-Google Analytics網站流量分析入門實作
 
To be master or slave of statistics
To be master or slave of statisticsTo be master or slave of statistics
To be master or slave of statistics
 
FB廣告入門
FB廣告入門FB廣告入門
FB廣告入門
 
演講-Meta analysis in medical research-張偉豪
演講-Meta analysis in medical research-張偉豪演講-Meta analysis in medical research-張偉豪
演講-Meta analysis in medical research-張偉豪
 
看不見的消費者 Google關鍵字廣告實作-三星統計謝章升
看不見的消費者 Google關鍵字廣告實作-三星統計謝章升看不見的消費者 Google關鍵字廣告實作-三星統計謝章升
看不見的消費者 Google關鍵字廣告實作-三星統計謝章升
 
品牌管理師證照重點複習-謝章升-20151221
品牌管理師證照重點複習-謝章升-20151221品牌管理師證照重點複習-謝章升-20151221
品牌管理師證照重點複習-謝章升-20151221
 

Último

6年级美术全年教学计划 Semakan KSSR Pendidikan Seni Visual Tahun 6.docx
6年级美术全年教学计划 Semakan KSSR Pendidikan Seni Visual Tahun 6.docx6年级美术全年教学计划 Semakan KSSR Pendidikan Seni Visual Tahun 6.docx
6年级美术全年教学计划 Semakan KSSR Pendidikan Seni Visual Tahun 6.docxAnonymous0fCNL9T0
 
二年级音乐教育全年教学计vv二年级音乐教育全年教学计划 2024_25.docx
二年级音乐教育全年教学计vv二年级音乐教育全年教学计划 2024_25.docx二年级音乐教育全年教学计vv二年级音乐教育全年教学计划 2024_25.docx
二年级音乐教育全年教学计vv二年级音乐教育全年教学计划 2024_25.docxLUCHENSOONMoe
 
1111111111一年级音乐教育全年教学计划 2024_25 (1).docx
1111111111一年级音乐教育全年教学计划 2024_25 (1).docx1111111111一年级音乐教育全年教学计划 2024_25 (1).docx
1111111111一年级音乐教育全年教学计划 2024_25 (1).docxLUCHENSOONMoe
 
最近找了黑客修改成绩,真的成功了!黑客修改成绩,黑客改成绩,入侵教务系统,国外大学成绩修改 破解教务系统,改GPA分数黑客入侵教务系统黑客修改大学成绩改分...
最近找了黑客修改成绩,真的成功了!黑客修改成绩,黑客改成绩,入侵教务系统,国外大学成绩修改 破解教务系统,改GPA分数黑客入侵教务系统黑客修改大学成绩改分...最近找了黑客修改成绩,真的成功了!黑客修改成绩,黑客改成绩,入侵教务系统,国外大学成绩修改 破解教务系统,改GPA分数黑客入侵教务系统黑客修改大学成绩改分...
最近找了黑客修改成绩,真的成功了!黑客修改成绩,黑客改成绩,入侵教务系统,国外大学成绩修改 破解教务系统,改GPA分数黑客入侵教务系统黑客修改大学成绩改分...黑客 接单【TG/微信qoqoqdqd】
 
我可是超级厉害的黑客,轻轻一戳就能入侵一个大学网站修改成绩单呢!👍【微信tytyqqww】
我可是超级厉害的黑客,轻轻一戳就能入侵一个大学网站修改成绩单呢!👍【微信tytyqqww】我可是超级厉害的黑客,轻轻一戳就能入侵一个大学网站修改成绩单呢!👍【微信tytyqqww】
我可是超级厉害的黑客,轻轻一戳就能入侵一个大学网站修改成绩单呢!👍【微信tytyqqww】黑客 接单【TG/微信qoqoqdqd】
 
Rancangan Pengajaran Tahunan Bahasa Cina TAHUN 5
Rancangan Pengajaran Tahunan Bahasa Cina TAHUN 5Rancangan Pengajaran Tahunan Bahasa Cina TAHUN 5
Rancangan Pengajaran Tahunan Bahasa Cina TAHUN 5ssuser4cf6f01
 

Último (6)

6年级美术全年教学计划 Semakan KSSR Pendidikan Seni Visual Tahun 6.docx
6年级美术全年教学计划 Semakan KSSR Pendidikan Seni Visual Tahun 6.docx6年级美术全年教学计划 Semakan KSSR Pendidikan Seni Visual Tahun 6.docx
6年级美术全年教学计划 Semakan KSSR Pendidikan Seni Visual Tahun 6.docx
 
二年级音乐教育全年教学计vv二年级音乐教育全年教学计划 2024_25.docx
二年级音乐教育全年教学计vv二年级音乐教育全年教学计划 2024_25.docx二年级音乐教育全年教学计vv二年级音乐教育全年教学计划 2024_25.docx
二年级音乐教育全年教学计vv二年级音乐教育全年教学计划 2024_25.docx
 
1111111111一年级音乐教育全年教学计划 2024_25 (1).docx
1111111111一年级音乐教育全年教学计划 2024_25 (1).docx1111111111一年级音乐教育全年教学计划 2024_25 (1).docx
1111111111一年级音乐教育全年教学计划 2024_25 (1).docx
 
最近找了黑客修改成绩,真的成功了!黑客修改成绩,黑客改成绩,入侵教务系统,国外大学成绩修改 破解教务系统,改GPA分数黑客入侵教务系统黑客修改大学成绩改分...
最近找了黑客修改成绩,真的成功了!黑客修改成绩,黑客改成绩,入侵教务系统,国外大学成绩修改 破解教务系统,改GPA分数黑客入侵教务系统黑客修改大学成绩改分...最近找了黑客修改成绩,真的成功了!黑客修改成绩,黑客改成绩,入侵教务系统,国外大学成绩修改 破解教务系统,改GPA分数黑客入侵教务系统黑客修改大学成绩改分...
最近找了黑客修改成绩,真的成功了!黑客修改成绩,黑客改成绩,入侵教务系统,国外大学成绩修改 破解教务系统,改GPA分数黑客入侵教务系统黑客修改大学成绩改分...
 
我可是超级厉害的黑客,轻轻一戳就能入侵一个大学网站修改成绩单呢!👍【微信tytyqqww】
我可是超级厉害的黑客,轻轻一戳就能入侵一个大学网站修改成绩单呢!👍【微信tytyqqww】我可是超级厉害的黑客,轻轻一戳就能入侵一个大学网站修改成绩单呢!👍【微信tytyqqww】
我可是超级厉害的黑客,轻轻一戳就能入侵一个大学网站修改成绩单呢!👍【微信tytyqqww】
 
Rancangan Pengajaran Tahunan Bahasa Cina TAHUN 5
Rancangan Pengajaran Tahunan Bahasa Cina TAHUN 5Rancangan Pengajaran Tahunan Bahasa Cina TAHUN 5
Rancangan Pengajaran Tahunan Bahasa Cina TAHUN 5
 

PLS偏最小平方法教材一天-三星統計謝章升-20131122