Reportistica APA

Come riportare i risultati PLS-SEM in APA

Q: Devo riportare indici di fit come CFI e RMSEA per il PLS-SEM?

No. Il PLS-SEM non produce gli indici di fit globali usati nel SEM basato sulla covarianza. Riporta il modello di misurazione (loading, AVE, CR, rho_A, HTMT) e il modello strutturale (coefficienti di percorso con intervalli di confidenza bootstrap, R quadro, f quadro, Q quadro). L'SRMR è disponibile come misura di fit approssimata, ma va trattato con cautela.

Q: Quale criterio di validità discriminante devo riportare?

Riporta HTMT, con valori sotto .85 per costrutti concettualmente simili (o sotto .90 come soglia più permissiva). Il criterio di Fornell-Larcker può essere aggiunto, ma HTMT è ormai il criterio che i revisori si aspettano, perché rileva problemi di validità discriminante che Fornell-Larcker spesso non coglie.

Q: Quanti campioni bootstrap devo usare?

5.000 campioni bootstrap sono il default comune per gli intervalli di confidenza e i test di significatività dei coefficienti di percorso. Indica il numero che hai usato e il tipo di intervallo (per esempio percentile o bias-corrected).

Riporta il PLS-SEM in due parti: il modello di misurazione (outer loading, affidabilità degli indicatori, AVE, CR/rho_A e HTMT per la validità discriminante) e il modello strutturale (coefficienti di percorso con intervalli di confidenza bootstrap, valori t, valori p, R² e f²/Q² se utilizzati).

Scritto da Andrzej Szymkowiak, PhD Ricercatore del comportamento del consumatore · Università di Economia e Commercio di Poznań. ORCID · Google Scholar · LinkedIn

Questa pagina è una traduzione dell'originale inglese revisionato. Vedi l'originale (EN)

come riportare i risultati pls-sem in apa

Inizia gratis

Cosa riportare

Il PLS-SEM si riporta in un ordine fisso. Prima il modello di misurazione (outer):

Outer loading per gli indicatori riflessivi (di norma ≥ .70; valori tra .40 e .70 si mantengono solo se rimuoverli non fa aumentare AVE o CR).
Affidabilità dell'indicatore (il loading al quadrato).
Varianza media estratta (AVE) ≥ .50 per costrutto (validità convergente).
Affidabilità composita (CR) e rho_A ≥ .70 (coerenza interna).
Validità discriminante tramite HTMT sotto .85 (costrutti concettualmente simili) o .90 (soglia più permissiva); riporta la matrice.

Poi il modello strutturale (inner):

Coefficienti di percorso (β) con intervalli di confidenza bootstrap, valori t e valori p (5.000 campioni bootstrap è il default comune).
R² per ciascun costrutto endogeno, e le dimensioni dell'effetto f² e Q² (blindfolding) dove valutati.

Il PLS-SEM non produce gli indici di fit del modello usati nel CB-SEM (CFI, RMSEA, TLI). SRMR è offerto come misura di fit approssimata nel PLS, ma va trattato con cautela e non va presentato come fit confermativo. Per la sequenza completa di reporting del CB-SEM, vedi come riportare i risultati SEM in APA.

Modello APA

Modello APA — copia e adatta

Il modello di misurazione ha mostrato una validità convergente e un'affidabilità adeguate. Tutti gli outer loading hanno superato [.70], l'affidabilità composita è variata da [.XX] a [.XX], rho_A da [.XX] a [.XX], e l'AVE da [.XX] a [.XX] (tutti ≥ .50). La validità discriminante era supportata, con tutti i valori HTMT sotto [.85]. Nel modello strutturale, [predittore] ha avuto un effetto positivo su [esito] (β = [.XX], IC 95% [[.XX], [.XX]], t = [X.XX], p = [.XXX]), mentre [predittore] non era significativo (β = [.XX], IC 95% [−[.XX], [.XX]], p = [.XXX]). Il modello ha spiegato il [XX]% della varianza in [esito] (R² = [.XX]). Le dimensioni dell'effetto (f²) sono variate da [.XX] a [.XX], e la rilevanza predittiva era supportata (Q² = [.XX]).

Ometti lo zero iniziale per i valori che non possono superare 1 (loading, β, AVE, CR, HTMT), e riporta i valori p esatti o p < .001.

Errori comuni

Riportare CFI/RMSEA per il PLS-SEM: appartengono al CB-SEM, non al PLS.
Dare solo i valori p per i percorsi senza gli intervalli di confidenza bootstrap, che sono l'inferenza principale nel PLS.
Usare solo il criterio di Fornell-Larcker per la validità discriminante; oggi ci si aspetta HTMT (vedi HTMT vs Fornell-Larcker).
Trattare l'SRMR nel PLS come un indice di fit confermativo.
Aggiungere zeri iniziali a loading, β, AVE o HTMT.

Scrivilo con i tuoi numeri

In Explonia, la “Article description” trasforma il tuo output PLS-SEM in una prima bozza di paragrafo APA, con i tuoi loading, AVE, CR, HTMT e stime dei percorsi. Tu la modifichi e la conservi; resti l'autore. Puoi anche esportare i risultati in SPSS/.sav, R e AMOS, e scaricare un report APA (.docx).

Domande frequenti

Devo riportare indici di fit come CFI e RMSEA per il PLS-SEM?

No. Il PLS-SEM non produce gli indici di fit globali usati nel SEM basato sulla covarianza. Riporta il modello di misurazione (loading, AVE, CR, rho_A, HTMT) e il modello strutturale (coefficienti di percorso con intervalli di confidenza bootstrap, R quadro, f quadro, Q quadro). L'SRMR è disponibile come misura di fit approssimata, ma va trattato con cautela.

Quale criterio di validità discriminante devo riportare?

Riporta HTMT, con valori sotto .85 per costrutti concettualmente simili (o sotto .90 come soglia più permissiva). Il criterio di Fornell-Larcker può essere aggiunto, ma HTMT è ormai il criterio che i revisori si aspettano, perché rileva problemi di validità discriminante che Fornell-Larcker spesso non coglie.

Quanti campioni bootstrap devo usare?

5.000 campioni bootstrap sono il default comune per gli intervalli di confidenza e i test di significatività dei coefficienti di percorso. Indica il numero che hai usato e il tipo di intervallo (per esempio percentile o bias-corrected).

Come citare questa pagina

Se questa pagina ha aiutato la tua ricerca, puoi citarla (APA 7):

Szymkowiak, A. (2026). Come riportare i risultati PLS-SEM in APA. Explonia. https://explonia.com/it/how-to-report/pls-sem-results-apa/

Last updated: settembre 2026

Conduci tutto il tuo studio in un unico posto

Costruiscilo, raccogli i dati e ottieni un'analisi di livello pubblicazione con una bozza di paragrafo APA che puoi modificare. Inizia gratis. Nessuna carta di credito.