> dat_pls
Partial Least Squares Path Modeling (PLS-PM)
---------------------------------------------
NAME DESCRIPTION
1 $outer_model outer model
2 $inner_model inner model
3 $path_coefs path coefficients matrix
4 $scores latent variable scores
5 $crossloadings cross-loadings
6 $inner_summary summary inner model
7 $effects total effects
8 $unidim unidimensionality
9 $gof goodness-of-fit
10 $boot bootstrap results
11 $data data matrix
---------------------------------------------
You can also use the function 'summary' 使用 plspm 函数执行的偏最小二乘路径模型（PLS-PM）的结果摘要。这个摘要列出了PLS-PM对象 dat_pls 中可用的主要组件。
$outer_model: 外模型（Outer Model）包含关于反映型和形成型关系的信息。对于反映型模型，它会提供关于如何测量潜变量的信息；对于形成型模型，它会展示观测变量如何组成潜变量。
$inner_model: 内模型（Inner Model）包含潜变量间的关系。这通常包括潜变量之间的路径系数，这些系数表明一个潜变量如何影响另一个潜变量。
$path_coefs: 路径系数矩阵（Path Coefficients Matrix）直接显示了模型中各个潜变量之间的关系强度和方向。
$scores: 潜变量得分（Latent Variable Scores）代表了每个案例（行）对于每个潜变量的得分。这有助于理解数据在潜变量维度上的表现。
$crossloadings: 交叉负荷（Cross-loadings）显示了观测变量在所有潜变量上的负荷情况。这有助于评估变量是否正确分配到了潜变量。
$inner_summary: 内模型摘要（Summary Inner Model）提供了关于潜变量之间关系的综合信息，包括估计的路径系数和相关的统计检验。
$effects: 总效应（Total Effects）包括直接和间接效应，可以帮助理解变量之间的整体影响。
$unidim: 单维性（Unidimensionality）检验用于评估反映型模型中观测变量是否测量同一概念。
$gof: 拟合优度（Goodness-of-Fit）提供了模型总体拟合质量的量化评估。
$boot: 引导法结果（Bootstrap Results）用于评估路径系数、负荷和其他模型参数的稳健性和显著性。
$data: 数据矩阵（Data Matrix）是进行PLS-PM分析的原始数据集。