En quoi la méthode PLS-SEM diffère-t-elle des autres méthodes SEM ?

En quoi la méthode PLS-SEM diffère-t-elle des autres méthodes SEM ?

par avec Sans commentaire Recherche quantitativeRecherche SEM

Le PLS-SEM est une approche de la modélisation par équations structurelles (SEM) fondée sur la variance, qui se distingue des autres méthodes SEM à plusieurs égards. Voici quelques-unes des principales différences :

  • Le PLS-SEM vise à maximiser la variance expliquée des variables latentes endogènes, tandis que d'autres méthodes SEM (telles que le CB-SEM) cherchent à minimiser l'écart entre les matrices de covariance observées et implicites.
  • La méthode PLS-SEM n'exige pas que les données soient distribuées normalement ni que l'échantillon soit de grande taille, tandis que d'autres méthodes SEM (telles que la CB-SEM) imposent des hypothèses et des exigences plus strictes en matière de qualité et de quantité des données.
  • Le PLS-SEM permet de traiter aussi bien les modèles de mesure réflexifs que formatifs, tandis que d'autres méthodes SEM (telles que le CB-SEM) sont davantage adaptées aux modèles de mesure réflexifs.
  • La méthode PLS-SEM est plus adaptée à la recherche exploratoire et prédictive, tandis que d'autres méthodes SEM (telles que la CB-SEM) conviennent davantage à la recherche confirmatoire et explicative.

Pour plus de détails sur les différences entre le PLS-SEM et les autres méthodes SEM, vous pouvez consulter les sources suivantes :

  • Quel modèle SEM choisir et quels résultats présenter ? Une comparaison entre le CB-SEM et le PLS-SEM (Usakli & Rasoolimanesh, 2023)
  • Introduction à la modélisation par équations structurelles (Hair et al., 2021)
  • Comparaison entre le PLS-SEM et le CB-SEM

Comment choisir entre le PLS-SEM et le CB-SEM pour mes travaux de recherche ?

Le choix entre le PLS-SEM et le CB-SEM pour votre recherche dépend de plusieurs facteurs, tels que l'objectif de votre recherche, les caractéristiques de vos données, votre modèle de mesure et la complexité de votre modèle. Voici quelques conseils généraux qui pourraient vous aider à prendre une décision :

  • Si l'objectif de votre recherche est de prédire des concepts cibles clés ou d'identifier des concepts moteurs clés, vous pouvez envisager d'utiliser la méthode PLS-SEM, car celle-ci vise à maximiser la variance expliquée des variables latentes endogènes.
  • Si l'objectif de votre recherche est de tester ou de confirmer une théorie, ou encore de comparer différentes théories, vous pouvez envisager d'utiliser la méthode CB-SEM, car celle-ci vise à minimiser l'écart entre les matrices de covariance observées et implicites.
  • Si vos données ne suivent pas une distribution normale ou si l'échantillon est de petite taille, vous pouvez envisager d'utiliser la méthode PLS-SEM, car celle-ci ne repose pas sur ces hypothèses et permet de traiter des données non normales et de petite taille.
  • Si vos données suivent une distribution normale et que la taille de l'échantillon est importante, vous pouvez envisager d'utiliser la méthode CB-SEM, car elle permet d'obtenir des estimations plus fiables et plus valides des paramètres du modèle et des indices d'ajustement.
  • Si votre modèle de mesure comprend des indicateurs formatifs, vous pouvez envisager d'utiliser la méthode PLS-SEM, car celle-ci permet de traiter aussi bien les modèles de mesure réflexifs que formatifs.
  • Si votre modèle de mesure ne comprend que des indicateurs réflexifs, vous pouvez envisager d'utiliser la méthode CB-SEM, car celle-ci est mieux adaptée aux modèles de mesure réflexifs.
  • Si votre modèle structurel est complexe (nombreux concepts et nombreux indicateurs), vous pouvez envisager d'utiliser la méthode PLS-SEM, car elle permet de traiter des modèles complexes sans perte significative de puissance statistique.
  • Si votre modèle structurel est simple (peu de concepts et peu d'indicateurs), vous pouvez envisager d'utiliser la méthode CB-SEM, car elle permet de tester des modèles plus complexes, tels que ceux comportant des facteurs d'ordre supérieur, des interactions latentes, des courbes de croissance latentes ou des structures à plusieurs niveaux.

Bien sûr, il ne s'agit pas là de règles absolues, mais plutôt de recommandations issues de la littérature. Vous devriez également tenir compte du contexte et de l'objectif spécifiques de votre recherche lorsque vous devez choisir entre le PLS-SEM et le CB-SEM.

Références

Usakli, A., & Rasoolimanesh, S. M. (2023). Quelle méthode d'analyse des structures de équations (SEM) utiliser et quels résultats présenter ? Une comparaison entre le CB-SEM et le PLS-SEM. Dans *Méthodes de recherche de pointe dans l'hôtellerie et le tourisme* (pp. 5-28). Emerald Publishing Limited.

Hair, J. F., Hult, G. T. M., Ringle, C. M., Sarstedt, M., Danks, N. P., Ray, S., … & Ray, S. (2021). Introduction à la modélisation par équations structurelles.Modélisation par équations structurelles par moindres carrés partiels (PLS-SEM) à l'aide de R : un manuel pratique, p. 1-29.

Pourquoi utiliser SmartPLS et dans quelles circonstances ?

Pourquoi utiliser SmartPLS et dans quelles circonstances ?

par avec Sans commentaire Recherche quantitativeRecherche SEM

SmartPLS est un logiciel qui permet de réaliser une modélisation par équations structurelles (SEM) basée sur la variance, à l'aide de la méthode de modélisation par chemins des moindres carrés partiels (PLS). La SEM est une technique d'analyse multivariée permettant d'étudier les relations complexes entre des variables observées et des variables latentes. La méthode PLS est une approche par composantes qui permet d'estimer les paramètres d'un modèle SEM en minimisant les termes d'erreur des variables endogènes. SmartPLS présente plusieurs avantages par rapport à d'autres logiciels de SEM, notamment :

  • Il dispose d'une interface utilisateur graphique qui facilite la création et la modification de modèles, l'importation et l'exportation de données, la réalisation d'analyses et la génération de rapports.
  • Il prend en charge divers algorithmes et méthodes pour l'analyse PLS-SEM, tels que l'analyse PLS-SEM standard, l'analyse PLS-SEM pondérée (WPLS), l'analyse PLS-SEM cohérente (PLSc-SEM) et la régression par sommes de scores. Il offre également des fonctionnalités avancées telles que le bootstrapping, la médiation, la modération, l'analyse multi-groupes, les effets non linéaires, la segmentation orientée prédiction et l'analyse de cartes d'importance-performance.
  • Elle ne nécessite pas que les données soient distribuées normalement ni que l'échantillon soit de grande taille, ce qui la rend adaptée à la recherche exploratoire et aux modèles complexes comportant de nombreuses variables et indicateurs.
  • Il fournit des résultats complets et intuitifs, accompagnés de graphiques et de tableaux personnalisables et exportables.

Vous pouvez envisager d'utiliser SmartPLS si vous vous trouvez dans l'une des situations suivantes ou si vos objectifs de recherche correspondent à ceux-ci :

  • Vous souhaitez tester une théorie ou un modèle conceptuel impliquant plusieurs variables latentes et leurs interrelations.
  • Vous souhaitez mesurer les effets des variables exogènes sur les variables endogènes, ainsi que les effets des variables de médiation ou de modération.
  • Vous souhaitez comparer les résultats de différents groupes ou segments de données en fonction de certains critères ou conditions.
  • Vous souhaitez évaluer la qualité et la validité de votre modèle de mesure et de votre modèle structurel à l'aide de divers critères et indices.
  • Vous souhaitez prédire les valeurs des variables endogènes ou des résultats à partir des valeurs des variables exogènes ou des prédicteurs.

SmartPLS est un logiciel puissant et convivial qui vous aide à réaliser des analyses PLS-SEM dans le cadre de vos recherches. Vous pouvez télécharger SmartPLS 4 ici et profiter d'une période d'essai gratuite de 30 jours. Vous pouvez également en savoir plus sur SmartPLS en consultant son site web.