Методы CB-SEM и PLS-SEM для исследований в области социальных наук и технологического прогнозирования

В исследовании сравниваются два широко используемых метода моделирования структурными уравнениями (SEM): моделирование структурными уравнениями на основе ковариации (CB-SEM) и моделирование структурными уравнениями методом частичных наименьших квадратов (PLS-SEM). Первый подход основан на ковариации, тогда как второй — на дисперсии (методе частичных наименьших квадратов). Кроме того, оцениваются различия между алгоритмами PLS и Consistent PLS. Для этого используются эмпирические данные. В исследование включены 466 респондентов из Индии, Саудовской Аравии, Южной Африки, Соединённых Штатов и ряда других стран. Структурная модель тестировалась с использованием обоих подходов. Результаты показывают, что факторные нагрузки показателей обычно выше в PLS-SEM, чем в CB-SEM. Структурные взаимосвязи ближе к получаемым с помощью CB-SEM, если в рамках PLS-SEM применяется алгоритм Consistent PLS. Также установлено, что значения средней извлечённой дисперсии (AVE) и композитной надёжности (CR) выше при использовании метода PLS-SEM, что указывает на более высокую надёжность и валидность конструктов. CB-SEM лучше подходит для получения индексов соответствия модели, тогда как индексы соответствия PLS-SEM всё ещё развиваются. Модели CB-SEM более пригодны для факторных моделей, подобных рассматриваемой в данном исследовании, тогда как композитные модели обеспечивают отличные результаты в PLS-SEM. Исследование вносит значительный вклад в существующую литературу, предлагая эмпирическое сравнение всех трёх методов для областей прогностических исследований. Многонациональный контекст делает результаты релевантными и универсально воспроизводимыми. Мы призываем исследователей пересмотреть широко используемые подходы SEM, особенно в части выбора соответствующих методов SEM для факторных и композитных моделей.