Latent structureLatent Variable Modeling

Osittaisella pienimmän neliösumman rakenneyhtälömallinnus (PLS-SEM)

PLS-SEM on Herman Woldin (1985) kehittämä varianssipohjainen rakenneyhtälömallinnusmenetelmä, joka estimoi latenttien muuttujien malleja maksimoimalla selitettyä varianssia riippuvissa muuttujissa. Toisin kuin kovarianssipohjainen rakenneyhtälömallinnus (CBSEM), PLS-SEM on erityisen hyödyllinen eksploratiivisessa tutkimuksessa, pienissä tai keskisuurissa otoksissa, monimutkaisissa malleissa, joissa on useita konstrukteja, ja ei-normaalijakautuneessa datassa.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

The neighbourhood of related methods — select a node to explore.

+3 more

Lähteet

  1. Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2017). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM) (2nd ed.). Sage Publications. ISBN: 9781483377445
  2. Wold, H. (1985). Partial least squares. In S. Kotz & N. L. Johnson (Eds.), Encyclopedia of Statistical Sciences (Vol. 6, pp. 581-591). Wiley. ISBN: 9780471822622
  3. Chin, W. W. (2010). How to write up and report PLS analyses. In V. E. Vinzi, W. W. Chin, J. Henseler, & H. Wang (Eds.), Handbook of Partial Least Squares: Concepts, Methods and Applications (pp. 655-690). Springer. DOI: 10.1007/978-3-540-32827-8_29

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Partial Least Squares Structural Equation Modeling. ScholarGate. https://scholargate.app/fi/psychometrics/pls-sem

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Tähän viittaavat

ScholarGatePartial Least Squares Structural Equation Modeling (Partial Least Squares Structural Equation Modeling). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/psychometrics/pls-sem · Aineisto: https://doi.org/10.5281/zenodo.20539026