Variabili latenti (LV)
I costrutti che davvero interessano: soddisfazione del cliente, fiducia, utilità percepita. Non possono essere misurati direttamente.
PLS-SEM spiegato
Che cos'è PLS-SEM?
La modellazione con equazioni strutturali ai minimi quadrati parziali è un metodo basato sulla varianza per stimare modelli con costrutti latenti, cioè elementi che non possono essere misurati direttamente, ma solo attraverso indicatori osservabili. Questa pagina spiega cos'è PLS-SEM, quando utilizzarlo e in cosa differisce dal SEM basato sulla covarianza.
Cosa fa davvero PLS-SEM, spiegato in modo semplice
Alcune cose che interessano ai ricercatori - la soddisfazione dei clienti, la fiducia in un marchio, l'intenzione di usare una tecnologia - non si possono misurare con un solo numero. Non esiste un "misuratore di soddisfazione" da applicare a una persona. Per questo i ricercatori pongono diverse domande di indagine che ruotano attorno al concetto ("Sono soddisfatto di X", "Consiglierei X", "X ha soddisfatto le mie aspettative") e usano quelle risposte come indizi di ciò che accade al di sotto.
PLS-SEM è la matematica che trasforma quegli indizi in un modello verificabile. Si chiede: la soddisfazione provoca davvero la fedeltà, e con quale intensità? Le fornisce numeri che può riportare - per esempio, "un aumento di 1-point nella soddisfazione corrisponde a un aumento di 0.6-point nella fedeltà, e questo effetto è statisticamente affidabile". I ricercatori di marketing, di HR, di sistemi informativi e dei servizi sanitari lo usano tutti i giorni.
I quattro elementi costitutivi
Indicatori (variabili manifeste)
Colonne osservabili del dataset che rappresentano ciascun costrutto latente: item di questionario, valutazioni, letture di sensori.
Modello di misura (modello esterno)
Come gli indicatori si relazionano alla loro variabile latente. Riflessivo (la LV causa gli indicatori, ad es. soddisfazione → sat1..sat4) o formativo (gli indicatori causano la LV, ad es. reddito + istruzione → SES).
Modello strutturale (modello interno)
Le relazioni ipotizzate tra variabili latenti. Sono i percorsi causali che si stanno testando.
I criteri di qualità che contano
I revisori si aspettano che i seguenti criteri siano riportati per un'analisi PLS-SEM difendibile.
- R² per LV endogena
- Quanta varianza spiega il modello. Livelli di Chin (1998): 0.19 debole, 0.33 moderata, 0.67 sostanziale.
- Coefficienti di percorso con valori p
- Test di significatività bootstrap sui percorsi strutturali. Lo standard di pubblicazione è di 5000+ ricampionamenti.
- HTMT per la validità discriminante
- Rapporto Heterotrait-Monotrait (Henseler 2015). Soglia 0.85 conservativa, 0.90 liberale. HTMT2 (Roemer 2021) la affina.
- Affidabilità: Cronbach's α, ρ_A, ρ_c
- Indicatori di validità convergente; ≥ 0.70 è la soglia standard per la ricerca confermativa.
- Adattamento del modello SRMR
- Radice quadrata media dei residui standardizzati. < 0.08 è considerato un buon adattamento (Hu & Bentler 1999).
- Indicazioni sulla dimensione campionaria
- La regola dei 10: la dimensione campionaria deve essere almeno dieci volte il maggior numero di percorsi che puntano a una singola variabile latente.
PLS-SEM vs CB-SEM
PLS-SEM non è un sostituto rigoroso del SEM basato sulla covarianza (CB-SEM). Entrambe sono tecniche di modellazione con equazioni strutturali, ma ottimizzano obiettivi diversi.
| Aspetto | PLS-SEM | CB-SEM |
|---|---|---|
| Obiettivo di stima | Predizione, esplorazione | Conferma di teoria consolidata |
| Ipotesi | Nessun requisito distributivo | Normalità multivariata |
| Dimensione campionaria | Funziona con piccoli campioni (n < 100 possibile) | Tipicamente n ≥ 200 |
| Indicatori formativi | Supporto nativo | Scomodo, richiede soluzioni alternative |
| Complessità del modello | Gestisce bene modelli complessi con molte LV e percorsi | Fatica con elevata complessità |
| Indici di adattamento | SRMR, dULS, dG | χ², CFI, TLI, RMSEA (completi) |
| Strumenti popolari | OpenPLS, SmartPLS, seminr, cSEM | lavaan, Mplus, AMOS, LISREL |
Quando utilizzare PLS-SEM
- La sua ricerca è orientata alla predizione o all'esplorazione piuttosto che a confermare una teoria consolidata.
- Ha un campione ridotto o dati non normali.
- Il suo modello ha costrutti formativi (indicatori che causano la LV).
- Il suo modello è strutturalmente complesso (molte LV, molti percorsi ipotizzati).
- Deve lavorare con variabili composite anziché con fattori comuni.
Quando NON utilizzare PLS-SEM
- Sta confermando una teoria di misura consolidata e ha bisogno degli indici di adattamento tradizionali (χ², CFI, RMSEA): usi CB-SEM.
- I suoi indicatori sono puramente riflessivi e vuole modellare l'errore di misura in modo rigoroso: usi CB-SEM.
- Ha bisogno di punteggi di variabili latenti che siano rigorosamente fattori comuni (non compositi): usi CB-SEM.
- Sta conducendo un'analisi fattoriale esplorativa pura senza modello strutturale: usi invece EFA/PCA classici.
Un esempio minimo
Uno studio sulla soddisfazione del cliente chiede: la qualità percepita determina la soddisfazione, e la soddisfazione determina la fedeltà? Tre variabili latenti (Qualità, Soddisfazione, Fedeltà), ciascuna misurata da 3-5 item di questionario su una scala Likert a 7 punti. Due percorsi ipotizzati (Qualità → Soddisfazione, Soddisfazione → Fedeltà). PLS-SEM stima i coefficienti di percorso, verifica se gli indicatori misurano in modo affidabile ciascun costrutto (tramite loadings e HTMT) e calcola valori p bootstrap per i due percorsi.
Esegua un'analisi PLS-SEM nel suo browser
OpenPLS è uno strumento PLS-SEM open source che gira interamente nel browser. Editor visuale del diagramma dei percorsi, pannello completo dei criteri di qualità, metodi avanzati (MGA, IPMA, PLSpredict, FIMIX). Validato contro SmartPLS 4 in un working paper pubblicato.
Letture consigliate
Il riferimento canonico per i professionisti è Hair, Hult, Ringle & Sarstedt (2021), A Primer on Partial Least Squares Structural Equation Modeling, 3ª ed. (Sage). Per indicazioni metodologiche su quando usare PLS-SEM rispetto ad alternative, si veda Hair et al. (2019), When to use and how to report the results of PLS-SEM (European Business Review, 31(1), 2–24).