Partial Least Squares SEM (PLS-SEM)
Pokrenite PLS-SEM na vlastitim podacima — koeficijenti putanje, bootstrap intervali pouzdanosti i R² — bez potrebe za SmartPLS licencom.
Ova je stranica prijevod recenziranog engleskog izvornika. Pogledaj izvornik (EN)
pls-sem analizaŠto je to
Partial least squares structural equation modeling (PLS-SEM) procjenjuje model putanja maksimizirajući objašnjenu varijancu zavisnih konstrukata. Zasnovan je na varijanci, a ne na kovarijancama, pa se usredotočuje na predviđanje, a ne na potvrđivanje globalnog pristajanja. PLS-SEM bolje od CB-SEM-a podnosi složene modele, formativne konstrukte i manje uzorke, zbog čega je popularan u istraživanjima marketinga, informacijskih sustava i menadžmenta. To je metoda iza SmartPLS-a, a Explonia je pokreće u pregledniku.
Kada ga koristiti
- Cilj vam je predviđanje ili razvoj teorije, a ne stroga potvrda teorije.
- Imate formativne konstrukte ili kombinaciju formativnih i refleksivnih mjera.
- Vaš je model složen (mnogo konstrukata i indikatora) ili vam je uzorak manji.
- Podaci su daleko od normalnih, što PLS podnosi bez pretpostavki o distribuciji.
Kada ga ne koristiti
- Morate potvrditi utvrđenu teoriju i izvijestiti o globalnom pristajanju modela — CB-SEM je bolji izbor.
- Trebate test egzaktnog pristajanja zasnovan na hi-kvadratu — PLS-SEM ga ne nudi u klasičnom smislu.
Pretpostavke
- Bez pretpostavke o distribuciji — značajnost proizlazi iz bootstrappinga, a ne iz teorije normalnosti.
- Dovoljan uzorak u odnosu na najveći broj strelica usmjerenih prema bilo kojem konstruktu.
- Ispravna specifikacija svakog konstrukta kao refleksivnog ili formativnog — to mijenja način njegove procjene.
- Indikatori su pouzdani; slabi indikatori iskrivljuju procjene koje maksimiziraju varijancu.
Pragovi i granične vrijednosti
| Criterion | Rule of thumb | Source |
|---|---|---|
| Vanjsko zasićenje (refleksivno) | ≥ .70 idealno, ≥ .40 može se zadržati ako AVE/CR vrijede | Hair et al. (2017) |
| AVE | ≥ .50 | Fornell & Larcker (1981; https://doi.org/10.2307/3151312) |
| CR (ρc) / ρA | .70–.95 (composite reliability; izvijestite ρA ili omegu uz to, ne samo Cronbachovu alphu) | Hair et al. (2017); Dijkstra & Henseler (2015) |
| HTMT | < .85 rigorozno, < .90 liberalno; potvrdite da bootstrap CI isključuje 1 | Henseler et al. (2015; https://doi.org/10.1007/s11747-014-0403-8); Franke & Sarstedt (2019) |
| R² | .25 slabo, .50 umjereno, .75 znatno (ovisno o kontekstu) | Hair et al. (2017) |
| Q² (prediktivna relevantnost) | > 0 upućuje na prediktivnu relevantnost | Hair et al. (2017) |
Kako to izvijestiti u APA
Diskriminantna valjanost bila je poduprta, sa svim HTMT pokazateljima ispod .85 i gornjom granicom svakog bootstrap intervala pouzdanosti ispod 1 (Henseler et al., 2015; Franke & Sarstedt, 2019). Strukturalni je model objasnio R² = .XX varijance ciljnog konstrukta. Hipotetska je putanja bila značajna, β = .XX, s bootstrap 95% CI od [.XX, .XX] (5000 ponovnih uzoraka), a Q² = .XX upućivao je na prediktivnu relevantnost.
Kako to izračunava Explonia
Explonia pokreće PLS-SEM zasnovan na varijanci u pregledniku. Gradite model putanja, označavate svaki konstrukt kao refleksivni ili formativni, a Explonia izvještava vanjska zasićenja, AVE, CR, HTMT, koeficijente putanje, R² i bootstrap intervale pouzdanosti — s primijenjenim pragovima kvalitete. Priprema „Article description” u APA stilu koji možete urediti. Možete izvesti u R ili SPSS (.sav). Napomena: MICOM za mjernu invarijantnost u PLS-u je na planu; procjena refleksivnog i formativnog mjerenja dostupna je sada.
Često postavljana pitanja
Je li PLS-SEM besplatna alternativa SmartPLS-u?
Explonia pokreće PLS-SEM u pregledniku i besplatna je za početak, pa možete prilagoditi model putanja bez SmartPLS licence. Nativni izvoz u R i SPSS dostupan je u plaćenim planovima.
Kako izvještavati diskriminantnu valjanost u PLS-SEM-u?
Trenutni standard je HTMT pokazatelj: vrijednosti ispod .85 (rigorozno) ili .90 (liberalno) podupiru diskriminantnu valjanost, idealno potvrđene bootstrap intervalom pouzdanosti čija gornja granica ostaje ispod 1 (Henseler et al., 2015; Franke & Sarstedt, 2019). Pogledajte našu stranicu HTMT i vodič HTMT vs Fornell-Larcker.
Koji se R² smatra dobrim u PLS-SEM-u?
Ne postoji univerzalan prag. Kao gruba smjernica, R² od .25, .50 i .75 su slabi, umjereni i znatni, ali mjerilo ovisi o vašem području (Hair et al., 2017).
Daje li PLS-SEM pristajanje modela kao CB-SEM?
Ne na isti način. PLS-SEM naglašava predviđanje (R², Q²) nad globalnim pristajanjem. Ako trebate potvrditi teoriju pomoću CFI i RMSEA, upotrijebite CB-SEM.
Last updated: srpanj 2026
Pokrenite PLS-SEM na vlastitim podacima
Prikupite ili učitajte svoje podatke, pokrenite analizu u pregledniku i dobijte nacrt APA odlomka koji možete urediti. Započnite besplatno. Bez kartice.
Započni besplatno