L’analisi multigruppo (MGA) verifica se le relazioni del tuo modello PLS-SEM differiscono in modo significativo tra gruppi predefiniti, come uomini e donne, due paesi, oppure clienti e non clienti. Questa pagina spiega cosa testa, come leggere il risultato, le varianti del test, il passaggio di invarianza di misura che molti saltano e gli errori comuni.
Un modello PLS-SEM standard stima un coefficiente di percorso per ciascuna relazione strutturale, aggregato sull’intero campione. L’MGA pone una domanda più precisa: quella relazione è uguale per tutti, o dipende dal gruppo a cui appartiene il rispondente? È una forma di moderazione in cui il moderatore è una variabile di raggruppamento categoriale.
L’MGA stima il modello separatamente per ciascun gruppo e poi verifica se la differenza tra i coefficienti di percorso dei gruppi è maggiore di quanto ci si aspetterebbe per caso. Una differenza significativa indica che la variabile di raggruppamento modera quella relazione: l’effetto è davvero più forte in un gruppo che nell’altro.
Il percorso dall’utilità percepita all’adozione viene stimato separatamente per due gruppi. Nel Gruppo A il coefficiente è 0,45 e nel Gruppo B è 0,18. Il test di permutazione dà un valore p di 0,02 per la differenza, quindi il percorso differisce in modo significativo tra i gruppi.
Riporteresti i due coefficienti specifici di gruppo e concluderesti che la variabile di raggruppamento modera questa relazione.
Per ogni percorso strutturale, l’MGA riporta la differenza tra i coefficienti dei due gruppi e un valore p per quella differenza.
Una differenza non significativa non prova che i gruppi siano identici, solo che i tuoi dati non mostrano una differenza. Gruppi troppo piccoli rendono difficile rilevare differenze reali.
L’approccio non parametrico raccomandato (Henseler 2007). Le etichette di gruppo vengono mescolate ripetutamente per costruire la distribuzione della differenza di coefficienti sotto l’ipotesi nulla. Non fa assunzioni distribuzionali, per questo OpenPLS lo usa.
Un test t a due campioni sui coefficienti bootstrap (Keil et al. 2000). Semplice, ma assume varianze uguali tra i gruppi.
Una variante del test parametrico che non assume varianze uguali. Più robusta quando le dimensioni o le varianze dei gruppi differiscono.
Per più di due gruppi, il test omnibus delle differenze tra gruppi verifica se un percorso differisce tra tutti i gruppi contemporaneamente, prima di qualsiasi confronto a coppie.
OpenPLS include un pannello di analisi multigruppo che esegue il test di permutazione di Henseler. Definisci i tuoi gruppi da qualsiasi colonna, scegli il numero di permutazioni e ottieni, per ogni percorso strutturale, la differenza di coefficienti e un valore p bilaterale. Gestisce due gruppi direttamente e riporta confronti a coppie per più gruppi. Gratis e nel browser.
Costruisci il tuo modello nell’editor visuale, definisci i tuoi gruppi ed esegui un MGA basato su permutazioni con un clic. Gratis, senza installazione.
Per l’approccio di permutazione: Henseler, J. (2007). A new and simple approach to multi-group analysis in partial least squares path modeling. Per l’invarianza di misura: 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 panoramica pratica è in Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling, 3a ed., Sage.