Aus Wikipedia, der freien Enzyklopädie
https://en.wikipedia.org/wiki/Partial_least_squares_path_modeling#mw-head https://en.wikipedia.org/wiki/Partial_least_squares_path_modeling#p-search
Das Partielle Modellierung der kleinsten Quadrate (PLS-PM, PLS-SEM) [1] [2] Methode zu Strukturgleichungsmodellierung ermöglicht die Abschätzung komplexer Ursache-Wirkungs-Beziehungsmodelle mit latente Variablen . Es ist ein komponentenbasierter Schätzansatz, der sich vom kovarianzbasierten unterscheidet Strukturgleichungsmodellierung . Im Gegensatz zum kovarianzbasierten Ansatz zur Strukturgleichungsmodellierung wird bei der PLS-Pfadmodellierung keine Stichprobe reproduziert Kovarianzmatrix . Sie ist eher auf die Maximierung der erklärten Varianz (Vorhersage) als auf die statistische Genauigkeit der Schätzungen ausgerichtet.
Das PLS-Strukturgleichungsmodell besteht aus zwei Untermodellen: dem Messmodell und dem Strukturmodell. Das Messmodell repräsentiert die Beziehungen zwischen den beobachteten Daten und dem latente Variablen . Das Strukturmodell repräsentiert die Beziehungen zwischen den latenten Variablen.
Ein iterativer Algorithmus löst das Strukturgleichungsmodell durch Schätzen der latente Variablen durch Verwendung des Mess- und Strukturmodells in abwechselnden Schritten, daher der Name der Prozedur, partiell. Das Messmodell schätzt die latenten Variablen als gewichtete Summe seiner Manifestvariablen. Das Strukturmodell schätzt die latenten Variablen mittels einfacher oder multipler lineare Regression zwischen den vom Messmodell geschätzten latenten Variablen. Dieser Algorithmus wiederholt sich, bis die Konvergenz erreicht ist.
Mit der Verfügbarkeit von Softwareanwendungen wie SmartPLS , PLS-SEM wurde besonders populär in sozialwissenschaftlichen Disziplinen wie Rechnungswesen, [3] Familienbetrieb, [4] Marketing, [5] Management-Informationssysteme, [6] Betriebsmanagement, [7] und strategisches Management. [8] In letzter Zeit sind Bereiche wie Ingenieurwesen , Umweltwissenschaften , Medizin , und Politikwissenschaften Verwenden Sie PLS-SEM allgemeiner, um komplexe Ursache-Wirkungs-Beziehungsmodelle zu schätzen latente Variablen . Dabei analysieren, erforschen und testen sie ihre etablierten und zugrunde liegenden konzeptionelle Modelle und Theorie .
Der Link unten scheint eine gute Referenz für pls-pm in R zu sein
http://gastonsanchez.com/PLS_Path_Modeling_with_R.pdf
Beste,
Rechnung
