Latent structureLatent Variable Modeling

Modélisation par équations structurelles par moindres carrés partiels

La PLS-SEM est une approche de modélisation par équations structurelles basée sur la variance, développée par Herman Wold (1985), qui estime les modèles de variables latentes en maximisant la variance expliquée dans les variables dépendantes. Contrairement à la SEM basée sur la covariance, la PLS-SEM est particulièrement utile pour la recherche exploratoire, les échantillons de petite à moyenne taille, les modèles complexes avec de nombreux construits et les données non normales.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

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

+3 more

Sources

  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

Comment citer cette page

ScholarGate. (2026, June 3). Partial Least Squares Structural Equation Modeling. ScholarGate. https://scholargate.app/fr/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

Référencée par

ScholarGatePartial Least Squares Structural Equation Modeling (Partial Least Squares Structural Equation Modeling). Consulté le 2026-06-15 sur https://scholargate.app/fr/psychometrics/pls-sem · Jeu de données : https://doi.org/10.5281/zenodo.20539026