El modelado camino de mínimos cuadrados parcial o parcial de mínimos cuadrados de ecuaciones estructurales modelado ( PLS-PM , PLS-SEM ) [1] [2] [3] es un método de modelado de ecuaciones estructurales que permite la estimación de los modelos de relación causa-efecto complejos con variables latentes .
Descripción general
PLS-PM [4] [5] es un enfoque de estimación basado en componentes que difiere del modelado de ecuaciones estructurales basado en covarianza . A diferencia de los enfoques basados en la covarianza para el modelado de ecuaciones estructurales, PLS-PM no se ajusta a un modelo de factor común a los datos, sino que se ajusta a un modelo compuesto. [6] [7] Al hacerlo, maximiza la cantidad de varianza explicada (aunque lo que esto significa desde un punto de vista estadístico no está claro y los usuarios de PLS-PM no están de acuerdo sobre cómo se podría lograr este objetivo).
Además, mediante un ajuste, PLS-PM también es capaz de estimar de manera consistente ciertos parámetros de modelos de factor común, a través de un enfoque llamado PLS consistente (PLSc). [8] Otro desarrollo relacionado es el PLS-PM basado en factores (PLSF), una variación del cual emplea PLSc como base para la estimación de los factores en modelos de factor común; Este método aumenta significativamente el número de parámetros del modelo de factor común que se pueden estimar, lo que cierra de manera efectiva la brecha entre el PLS clásico y el modelado de ecuaciones estructurales basado en covarianza. [9]
El modelo de ecuación estructural PLS se compone de dos submodelos: el modelo de medición y el modelo estructural. El modelo de medición representa las relaciones entre los datos observados y las variables latentes . El modelo estructural representa las relaciones entre las variables latentes.
Un algoritmo iterativo resuelve el modelo de ecuación estructural estimando las variables latentes utilizando el modelo de medición y estructural en pasos alternos, de ahí el nombre del procedimiento, parcial. El modelo de medición estima las variables latentes como una suma ponderada de sus variables manifiestas. El modelo estructural estima las variables latentes mediante regresión lineal simple o múltiple entre las variables latentes estimadas por el modelo de medición. Este algoritmo se repite hasta que se logra la convergencia.
Con la disponibilidad de aplicaciones de software, PLS-PM se hizo particularmente popular en disciplinas de ciencias sociales como contabilidad, [10] [11] empresa familiar, [12] marketing, [13] sistemas de información gerencial, [14] [15] gestión de operaciones. , [16] [17] gestión estratégica, [18] y turismo. [19] Recientemente, áreas como ingeniería , ciencias ambientales , [20] educación superior , [21] medicina , [22] y ciencias políticas utilizan PLS-PM de manera más amplia para estimar modelos complejos de relación causa-efecto con variables latentes . De este modo, analizan, exploran y ponen a prueba sus modelos conceptuales y teóricos establecidos y subyacentes .
PLS es visto de manera crítica por varios investigadores metodológicos. [23] [24] Un punto importante de controversia ha sido la afirmación de que PLS-PM siempre se puede utilizar con tamaños de muestra muy pequeños. [25] Un estudio reciente sugiere que esta afirmación generalmente no está justificada y propone dos métodos para la estimación del tamaño mínimo de la muestra en PLS-PM. [26] [27] Otro punto de controversia es la forma ad hoc en la que se ha desarrollado PLS-PM y la falta de pruebas analíticas que respalden su característica principal: la distribución muestral de las ponderaciones de PLS. Sin embargo, PLS-PM todavía se considera preferible (sobre CB-SEM) cuando se desconoce si la naturaleza de los datos se basa en factores comunes o compuestos. [28]
Ver también
Referencias
- ^ Cabello, JF; Hult, GTM; Ringle, CM ; Sarstedt, M. (2017). Una introducción al modelado de ecuaciones estructurales de mínimos cuadrados parciales (PLS-SEM) (2 ed.). Thousand Oaks, CA: Sage. ISBN 9781483377445.
- ^ Vinzi, VE; Trinchera, L .; Amato, S. (2010). Manual de mínimos cuadrados parciales . Springer Berlín Heidelberg.
- ^ Cabello, JF; Sarstedt, M .; Ringle, CM ; Gudergan, SP (2018). Problemas avanzados en el modelado de ecuaciones estructurales de mínimos cuadrados parciales (PLS-SEM) . Thousand Oaks, CA: Sage. ISBN 9781483377391.
- ^ Wold, HOA (1982). "Modelado suave: el diseño básico y algunas extensiones". En Jöreskog, KG; Wold, HOA (eds.). Sistemas sometidos a observaciones indirectas: Parte II . Amsterdam: Holanda Septentrional. págs. 1-54. ISBN 0-444-86301-X.
- ^ Lohmöller, J.-B. (1989). Modelado de ruta variable latente con mínimos cuadrados parciales . Heidelberg: Physica. ISBN 3-7908-0437-1.
- ^ Henseler, Jörg; Dijkstra, Theo K .; Sarstedt, Marko; Ringle, Christian M .; Diamantopoulos, Adamantios; Straub, Detmar W .; Ketchen, David J .; Cabello, Joseph F .; Hult, G. Tomas M. (10 de abril de 2014). "Creencias comunes y realidad sobre PLS" . Métodos de investigación organizacional . 17 (2): 182-209. doi : 10.1177 / 1094428114526928 .
- ^ Rigdon, EE; Sarstedt, M .; Ringle, M. (2017). "Sobre la comparación de resultados de CB-SEM y PLS-SEM: cinco perspectivas y cinco recomendaciones" . Marketing ZFP . 39 (3): 4–16. doi : 10.15358 / 0344-1369-2017-3-4 .
- ^ Dijkstra, Theo K .; Henseler, Jörg (1 de enero de 2015). "Estimadores PLS-PM consistentes y asintóticamente normales para ecuaciones estructurales lineales" . Estadística computacional y análisis de datos . 81 : 10-23. doi : 10.1016 / j.csda.2014.07.008 .
- ^ Kock, N. (2019). De compuestos a factores: Reduciendo la brecha entre PLS y el modelado de ecuaciones estructurales basado en covarianza. Revista de sistemas de información, 29 (3), 674-706.
- ^ Nitzl, C. (2016). "El uso de modelos de ecuaciones estructurales de mínimos cuadrados parciales (PLS-SEM) en la investigación de contabilidad de gestión: direcciones para el desarrollo de la teoría futura" . Revista de literatura contable . 37 : 19–35. doi : 10.1016 / j.acclit.2016.09.003 .
- ^ Nitzl, C .; Chin, WW (2017). "El caso del modelado de ruta de mínimos cuadrados parciales (PLS) en contabilidad gerencial". Revista de Control de Gestión . 28 : 137-156. doi : 10.1007 / s00187-017-0249-6 . S2CID 113867355 .
- ^ Sarstedt, M .; Ringle, CM; Smith, D .; Resmas, R .; Cabello, JF (2014). "Modelado de ecuaciones estructurales de mínimos cuadrados parciales (PLS-SEM): una herramienta útil para investigadores de empresas familiares". Revista de Estrategia de Empresa Familiar . 5 (1): 105-115. doi : 10.1016 / j.jfbs.2014.01.002 .
- ^ Sarstedt, M .; Ringle, CM; Cabello, JF; Mena, JA (2012). "Una evaluación del uso de modelos de ecuaciones estructurales de mínimos cuadrados parciales en la investigación de mercados". Revista de la Academia de Ciencias del Marketing . 40 (3): 414–433. doi : 10.1007 / s11747-011-0261-6 . S2CID 167672022 .
- ^ Schmitz, KW, Teng, JT y Webb, KJ (2016). Capturando la complejidad del uso de TI maleable: teoría de la estructuración adaptativa para individuos. Management Information Systems Quarterly, 40 (3), 663-686.
- ^ Ringle, CM; Sarstedt, M .; Straub, DW (2012). "Una mirada crítica al uso de PLS-SEM en MIS Quarterly" (PDF) . MIS Quarterly . 36 (1): iii-xiv. doi : 10.2307 / 41410402 . JSTOR 41410402 . Archivado desde el original (PDF) el 2018-04-03 . Consultado el 2 de agosto de 2015 .
- ^ Peng, DX; Lai, F. (2012). "Uso de mínimos cuadrados parciales en la investigación de gestión de operaciones: una guía práctica y un resumen de investigaciones anteriores". Revista de Gestión de Operaciones . 30 (6): 467–480. doi : 10.1016 / j.jom.2012.06.002 .
- ^ Bayona, Enrique; Marín-García, Juan A .; Alfalla-Luque, Rafaela (2020). "Mínimos cuadrados parciales (PLS) en la investigación de gestión de operaciones: conocimientos de una revisión sistemática de la literatura" . Revista de Ingeniería y Gestión Industrial . 13 (3).
- ^ Cabello, JF; Sarstedt, M .; Pieper, T .; Ringle, CM (2012). "El uso de modelos de ecuaciones estructurales de mínimos cuadrados parciales en la investigación de gestión estratégica: una revisión de prácticas pasadas y recomendaciones para aplicaciones futuras". Planificación a largo plazo . 45 (5–6): 320–340. doi : 10.1016 / j.lrp.2012.09.008 .
- ^ Rasoolimanesh, SM, Jaafar, M., Kock, N. y Ahmad, AG (2017). Los efectos de los factores comunitarios en las percepciones de los residentes sobre la inscripción en el sitio del Patrimonio Mundial y el desarrollo del turismo sostenible. Revista de turismo sostenible, 25 (2), 198-216.
- ^ Brewer, TD, Cinner, JE, Fisher, R., Green, A. y Wilson, SK (2012). El acceso al mercado, la densidad de población y el desarrollo socioeconómico explican la diversidad y la biomasa de los grupos funcionales de los conjuntos de peces de los arrecifes de coral. Cambio ambiental global, 22 (2), 399-406.
- ^ Ghasemy, Majid; Teeroovengadum, Viraiyan; Becker, Jan-Michael; Ringle, Christian M. (2020). "Este coche rápido puede moverse más rápido: una revisión de la aplicación PLS-SEM en la investigación de la educación superior" . Educación superior . 80 : 1121-1152.
- ^ Berglund, E., Lytsy, P. y Westerling, R. (2012). Adherencia y creencias en los tratamientos médicos para reducir los lípidos: un enfoque de modelado de ecuaciones estructurales que incluye el marco de necesidad-preocupación. Educación y asesoramiento para pacientes, 91 (1), 105-112.
- ^ Rönkkö, M .; McIntosh, CN; Antonakis, J .; Edwards, JR (2016). "Modelado de ruta de mínimos cuadrados parciales: tiempo para reflexionar seriamente" . Revista de Gestión de Operaciones . 47–48: 9–27. doi : 10.1016 / j.jom.2016.05.002 .
- ^ Goodhue, DL, Lewis, W. y Thompson, R. (2012). ¿PLS tiene ventajas para tamaños de muestra pequeños o datos no normales? MIS Quarterly, 981-1001.
- ^ Kock, N. y Hadaya, P. (2018). Estimación del tamaño mínimo de la muestra en PLS-SEM: Los métodos de raíz cuadrada inversa y exponencial gamma. Revista de sistemas de información, 28 (1), 227–261.
- ^ Kock, N. y Hadaya, P. (2018). Estimación del tamaño mínimo de la muestra en PLS-SEM: Los métodos de raíz cuadrada inversa y exponencial gamma. Revista de sistemas de información, 28 (1), 227–261.
- ^ Sarstedt, Marko; Cheah, Jun-Hwa (27 de junio de 2019). "Modelado de ecuaciones estructurales de mínimos cuadrados parciales usando SmartPLS: una revisión de software". Revista de análisis de marketing . 7 (3): 196–202. doi : 10.1057 / s41270-019-00058-3 . ISSN 2050-3318 .
- ^ Sarstedt, M .; Cabello, JF; Ringle, CM; Thiele, KO; Gudergan, SP (2016). "Problemas de estimación con PLS y CBSEM: ¡dónde está el sesgo!" . Revista de Investigación Empresarial . 69 (10): 3998–4010. doi : 10.1016 / j.jbusres.2016.06.007 .