A Primer on Partial Least Squares Structural Equation Modeling

A Primer on Partial Least Squares Structural Equation Modeling

Por Joseph F. Hair, Jr., G. Tomas M. Hult, Christian M. Ringle y Marko Sarstedt Sage (2013), 320 pp.

Idealmente, un libro metodológico logra avanzar el conocimiento de las personas que son nuevas en la metodología que se está discutiendo, así como el de las personas que ya están bien versados ​​en la técnica. Sin embargo, servir a ambos públicos de manera efectiva es extremadamente difícil. Un libro que supone demasiado conocimiento preexistente por parte de los lectores puede abrumar fácilmente a los novatos. Por otro lado, un libro que se centra demasiado en explicaciones básicas corre el riesgo de ser una fuente de aburrimiento para los usuarios sofisticados. Afortunadamente para las personas que buscan aprender más sobre SEM de mínimos cuadrados parciales (PLS-SEM), un nuevo libro titulado A Primer on Partial Least Squares Structural Equation Modeling de Joseph F. Hair, Jr., G. Tomas M. Hult, Christian Ringle y Marko Sarstedt agrega un valor significativo para los lectores de todos los niveles de habilidad.

El SEM de mínimos cuadrados parciales (PLS-SEM) es una técnica estadística poderosa que permite al investigador explorar las relaciones entre un conjunto de variables e identificar las vías clave que existen entre las variables. La red resultante de relaciones puede servir como una guía muy útil para desarrollar la teoría. Dadas las capacidades de PLS-SEM, no es sorprendente que la técnica haya desempeñado un papel importante dentro de los campos empresariales como el marketing (Henseler et al., 2009), la gestión de recursos humanos (Becker et al., 2012), la gestión estratégica (Hulland, 1999), y sistemas de información (Chin et al., 2003). Con la publicación de A Primer on Partial Least Squares Structural Equation Modeling, los académicos dentro de cada uno de estos campos y otros ahora tienen una referencia de "ir a" para encontrar respuestas a sus preguntas SEM-PLS.

El Capítulo 1 (Modelado de ecuaciones estructurales e Introducción) busca explicar 4 cuestiones: los conceptos básicos del modelado de ecuaciones estructurales (SEM) y la relación de SEM con el análisis de datos multivariados, los elementos esenciales del uso del análisis de datos multivariados, los fundamentos de PLS-SEM y las diferencias entre PLS-SEM y SEM basado en covarianza (CB-SEM), así como cuándo usar cada uno. Es probable que el último elemento sea muy valioso para los lectores. Los investigadores a menudo tienen dificultades para decidir cuándo usar PLS-SEM y cuándo usar CB-SEM. Hair et al. (2013) han hecho que esta decisión sea más fácil a través de una comparación lado a lado de las dos técnicas.

El Capítulo 2 (Especificación del modelo de ruta y recopilación de datos) se establece para ayudar a los lectores a dominar los bloques de construcción esenciales de la especificación del modelo estructural (es decir, mediación, moderación y modelos de orden superior), comprender cómo difieren las medidas reflexivas y formativas, poder determinar cuándo utilizar medidas de un solo elemento frente a varias, comprenda la recopilación de datos necesaria para usar PLS-SEM y descubra cómo construir modelos de ruta utilizando el software SmartPLS. Dado que algunos investigadores luchan por comprender las diferencias en forma y función entre las medidas reflexivas y formativas, la explicación convincente de los autores de estos tipos debería ser una guía útil para los lectores.

El dominio del contenido del Capítulo 3 (Estimación del modelo de ruta) permite comprender cómo funciona el algoritmo PLS - SEM, las propiedades estadísticas del método PLS-SEM y cómo para elegir opciones y configuraciones de parámetros. El Capítulo 3 es quizás más notable por el uso de un estudio de caso útil. A los lectores se les muestra paso a paso cómo estimar un modelo usando SmartPLS. Sin duda, esto será muy útil para usuarios principiantes e intermedios, ya que pueden comparar su trabajo con el estudio de caso y asegurarse de que están haciendo todo correctamente. Debido a que se incluyen capturas de pantalla de SmartPLS en acción, leer el Capítulo 3 es casi tan útil como tener a los autores sentados a su lado mientras ejecuta sus datos.

Los capítulos 4, 5 y 6 están dedicados a cómo interpretar los resultados proporcionados por PLS-SEM.

El Capítulo 4 se centra en la evaluación de modelos de medición reflexiva. 
El capítulo 5 se centra en la evaluación de modelos de medición formativa. 
El Capítulo 6 cubre la evaluación del modelo estructural, incluida la evaluación de los coeficientes de trayectoria en el modelo estructural, los coeficientes de determinación (valores R2) y el tamaño del efecto f2. En los tres capítulos, los autores combinan hábilmente explicaciones escritas, diagramas y listas de verificación para guiar a los lectores a través del proceso desconcertante de interpretación de resultados.

Los capítulos 7 y 8 están dedicados a aplicaciones avanzadas. 
El Capítulo 7 cubre cómo utilizar un análisis de matriz de importancia-rendimiento PLS-SEM (IPMA), cómo realizar análisis de mediadores y cómo examinar construcciones de orden superior. El Capítulo 8 explica el modelado de datos heterogéneos dentro de PLS-SEM, incluyendo cómo ejecutar un análisis multigrupo de PLS-SEM (PLS-MGA) y cómo modelar variables de moderador continuo. Los usuarios avanzados se beneficiarán de las explicaciones directas y multifacéticas proporcionadas en capítulos anteriores, pero es probable que la mayoría también aprenda algo nuevo en estos capítulos finales. Mientras tanto, los usuarios novatos pueden considerar alcanzar los conocimientos avanzados ofrecidos por los Capítulos 7 y 8 como su recompensa por dominar las habilidades básicas cubiertas en capítulos anteriores.

En general, el libro debe ser una lectura obligatoria tanto para investigadores principiantes como avanzados. Cada capitulo ofrece una serie de características útiles: (1) resultados de aprendizaje, (2) una vista previa del capítulo, (3) una mirada de ejemplos, diagramas de flujo y diagramas, (4) preguntas de revisión y discusión, (5) términos clave con definiciones claras, ( 6) un glosario y (7) lecturas sugeridas. En resumen, el libro sirve como un recurso completo para comprender los mínimos cuadrados parciales.

Tomado de: http://dx.doi.org/10.1016/j.lrp.2013.01.002


Referencias
Becker, J.-M., Klein, K., Wetzels, M., 2012. Modelos variables jerárquicos latentes en PLS-SEM: pautas para el uso de modelos de tipo reflexivo-formativo, Long Range Planning 45, 359e394.

Chin, WW, Marcolin, BL, Newsted, PR, 2003. Un enfoque de modelado de variables latentes de mínimos cuadrados parciales para medir los efectos de interacción: resultados de un estudio de simulación de Monte Carlo y un estudio de emoción / adopción por correo electrónico, Information Systems Research 14, 189e217 .

Hair Jr., J.F.Jr., Hult, G.T.M., Ringle, C.M., Sarstedt, M., 2013. Una cartilla sobre las publicaciones de modelado de ecuaciones estructurales de cuadrados mínimos parciales, Newbury Park, CA.

Henseler, J., Ringle, C.M., Sinkovics, R.R., 2009. El uso del modelado de ruta de mínimos cuadrados parciales en marketing internacional, Avances en marketing internacional 20, 277e319.

Hulland, J., 1999. Uso de mínimos cuadrados parciales (PLS) en la investigación de gestión estratégica: una revisión de cuatro estudios recientes, Strategic Management Journal 20, 195-204.