grad-pls-sem

PLS-SEM 偏最小二乗法構造方程式モデリング

概要

PLS-SEM（Wold、1982；Hair et al.、2017）は、合成変数ベースのパスモデルを推定する、分散ベースの構造方程式モデリング手法です。CB-SEM とは異なり、内生構成概念の説明分散を最大化し、反映型と形成型の測定モデルの両方を容易に扱えます。

使用する場合

• 研究設計に形成型測定モデルが含まれている
• サンプルサイズが小さい（PLS は、いずれかの構成概念に向かうパスの最大数の 10 倍以上の N で機能します）
• 研究の目的が、理論の確認ではなく予測と分散の説明である
• 構成概念や指標が多く、構造モデルが複雑である

使用すべきでない場合

• 研究の目的が、厳密な理論検証とモデル適合度の評価である
• すべての構成概念が反映型で、CB-SEM に十分なサンプルサイズがある
• 全体的なモデル適合度指標（カイ二乗、CFI、RMSEA）が必要である
• 循環的な関係（非再帰モデル）が仮説として想定されている

仮定

IRON LAW: PLS-SEM maximizes VARIANCE EXPLAINED, not model fit — it does NOT
test overall model fit like CB-SEM. A high R² does not mean the model
structure is correct.

主な仮定：

1. 予測変数の指定 — 各構成概念を反映型または形成型として正しく指定する必要があります
2. 構造モデルに循環的な関係（非再帰的関係）がない
3. 観測値は独立している（拡張なしでは、入れ子構造がない）
4. データが正規分布に従う必要はありません（PLS は分布に依存しません）

方法論

ステップ 1 — 測定モデルを指定する

各構成概念を、反映型（構成概念から指標に向かう矢印）または形成型（指標から構成概念に向かう矢印）に分類します。形成型構成概念には、最低 2 つの指標と理論的根拠が必要です。

ステップ 2 — 反映型測定を評価する

指標の信頼性（負荷量 ≥ 0.70）、内的一貫性（CR ≥ 0.70）、収束的妥当性（AVE ≥ 0.50）、弁別的妥当性（HTMT < 0.90）を評価します。

ステップ 3 — 形成型測定を評価する

ブートストラップ法により、指標ウェイトの有意性を確認します。指標間の VIF（VIF < 5.0）を調べます。内容的妥当性を評価します。つまり、形成型指標を除外すると、構成概念の意味が変わります。

ステップ 4 — 構造モデルを評価する

パス係数、R²、f² 効果量、Q² 予測関連性（ブラインドフォールディングによる）、ブートストラップ法による信頼区間を報告します。アルゴリズムの詳細については、references/ を参照してください。

出力形式

## PLS-SEM Analysis: [Study Title]

### Reflective Measurement Assessment
| Construct | Indicator | Loading | CR | AVE | HTMT |
|-----------|-----------|---------|-----|-----|------|
| [name] | [item] | x.xx | x.xx | x.xx | x.xx |

### Formative Measurement Assessment
| Construct | Indicator | Weight | VIF | p-value |
|-----------|-----------|--------|-----|---------|
| [name] | [item] | x.xx | x.xx | x.xx |

### Structural Model
| Path | β | t-value | p-value | f² | Supported? |
|------|---|---------|---------|-----|------------|
| X → Y | x.xx | x.xx | x.xx | x.xx | [Yes/No] |

### Model Quality
| Endogenous Construct | R² | Q² |
|---------------------|-----|-----|
| [name] | x.xx | x.xx |

### Limitations
- [Note any assumption violations]

注意点

• PLS-SEM は小標本に対する万能薬ではありません。十分な統計的検出力が必要です
• 反映型を形成型として（またはその逆に）誤って指定すると、結果が根本的に変わります
• PLS-SEM の弁別的妥当性には、Fornell-Larcker 基準より HTMT が推奨されます
• PLS は負荷量を過大評価し、パス係数を過小評価します（標本サイズが大きい場合は一貫性補正によって是正されます）
• ブラインドフォールディングで Q² > 0 となることは予測関連性を示しますが、モデル構造の妥当性を保証するものではありません
• CB-SEM の基準（CFI、RMSEA）を使って PLS の結果を報告することは、方法論的に誤りです

参考文献

• Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2017). A Primer on Partial Least Squares Structural Equation Modeling（第 2 版）. Sage.
• Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). 弁別的妥当性を評価するための新しい基準. Journal of the Academy of Marketing Science, 43(1), 115-135.
• Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). PLS-SEM を使用するタイミングと報告方法. European Business Review, 31(1), 2-24.