El análisis multigrupo (MGA) comprueba si las relaciones de tu modelo PLS-SEM difieren significativamente entre grupos predefinidos, como hombres y mujeres, dos países o clientes y no clientes. Esta página explica qué prueba, cómo leer el resultado, las variantes del test, el paso de invarianza de medición que la mayoría omite y los errores comunes.
Un modelo PLS-SEM estándar estima un coeficiente de ruta por cada relación estructural, agrupado sobre toda la muestra. El MGA plantea una pregunta más precisa: ¿esa relación es igual para todos o depende del grupo al que pertenece cada encuestado? Es una forma de moderación en la que el moderador es una variable de agrupación categórica.
El MGA estima el modelo por separado para cada grupo y luego prueba si la diferencia entre los coeficientes de ruta de los grupos es mayor de lo que cabría esperar por azar. Una diferencia significativa significa que la variable de agrupación modera esa relación: el efecto es realmente más fuerte en un grupo que en el otro.
La ruta de la utilidad percibida a la adopción se estima por separado para dos grupos. En el Grupo A el coeficiente es 0,45 y en el Grupo B es 0,18. La prueba de permutación da un valor p de 0,02 para la diferencia, así que la ruta difiere significativamente entre los grupos.
Informarías los dos coeficientes específicos de cada grupo y concluirías que la variable de agrupación modera esta relación.
Para cada ruta estructural, el MGA informa la diferencia entre los coeficientes de los dos grupos y un valor p para esa diferencia.
Una diferencia no significativa no prueba que los grupos sean idénticos, solo que tus datos no muestran una diferencia. Los grupos demasiado pequeños dificultan detectar diferencias reales.
El enfoque no paramétrico recomendado (Henseler 2007). Las etiquetas de grupo se mezclan repetidamente para construir la distribución de la diferencia de coeficientes bajo la hipótesis nula. No hace supuestos distribucionales, por eso OpenPLS la usa.
Una prueba t de dos muestras sobre los coeficientes de bootstrap (Keil et al. 2000). Sencilla, pero supone varianzas iguales entre grupos.
Una variante de la prueba paramétrica que no supone varianzas iguales. Más robusta cuando los tamaños o las varianzas de los grupos difieren.
Para más de dos grupos, la prueba ómnibus de diferencias entre grupos comprueba si una ruta difiere entre todos los grupos a la vez, antes de cualquier comparación por pares.
OpenPLS incluye un panel de análisis multigrupo que ejecuta la prueba de permutación de Henseler. Define tus grupos a partir de cualquier columna, elige el número de permutaciones y obtén, para cada ruta estructural, la diferencia de coeficientes y un valor p bilateral. Maneja dos grupos directamente e informa comparaciones por pares para más. Gratis y en el navegador.
Construye tu modelo en el editor visual, define tus grupos y ejecuta un MGA basado en permutaciones en un clic. Gratis, sin instalación.
Para el enfoque de permutación: Henseler, J. (2007). A new and simple approach to multi-group analysis in partial least squares path modeling. Para la invarianza de medición: Henseler, J., Ringle, C. M., & Sarstedt, M. (2016). Testing measurement invariance of composites using partial least squares. International Marketing Review, 33(3), 405-431. Una visión práctica está en Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling, 3.ª ed., Sage.