潜在変数 (LV)
実際に関心のある構成概念、たとえば顧客満足、信頼、知覚有用性など。直接測定することはできません。
PLS-SEM 解説
PLS-SEM とは？
部分最小二乗法による構造方程式モデリングは、潜在構成概念、すなわち直接測定できず観測可能な指標を通してのみ捉えられる対象を含むモデルを推定するための分散ベースの手法です。本ページでは、PLS-SEM とは何か、いつ使うべきか、共分散ベース SEM とどう異なるかを解説します。
PLS-SEM が実際にしていることを、やさしい言葉で
研究者が関心を寄せるもの、たとえば顧客満足、ブランドへの信頼、あるテクノロジーを使いたいという意図といったものは、たった一つの数字では測れません。人に取り付けられる「満足度メーター」など存在しないからです。そこで研究者は、その概念のまわりを取り囲むようなアンケート項目をいくつか用意し(「私は X に満足している」「X を人に薦めたい」「X は私の期待に応えてくれた」など)、その回答を、水面下で何が起きているかを知る手がかりとして使います。
PLS-SEM は、そうした手がかりを検証可能なモデルへと変える数学の仕組みです。「満足 は本当に ロイヤルティ を引き起こしているのか、もしそうならどれくらい強くか」を問います。そして報告できる数値を返してくれます。たとえば「満足度が 1-point 上がると、ロイヤルティが 0.6-point 上がり、この効果は統計的に信頼できる」といった具合です。マーケティング、HR、情報システム、医療サービスなどの研究者が、日常的に使っています。
4 つの基本構成要素
指標 (顕在変数)
各潜在構成概念を代替する、観測可能なデータセットの列。アンケート項目、評価、センサー計測値など。
測定モデル (外部モデル)
指標がその潜在変数とどう関係するか。反映型 (LV が指標を引き起こす。例：満足度 → sat1..sat4) または形成型 (指標が LV を引き起こす。例：所得 + 学歴 → SES) があります。
構造モデル (内部モデル)
潜在変数間の仮説的関係。検証対象となる因果経路です。
重要な品質基準
査読者は、擁護可能な PLS-SEM 分析について以下の基準の報告を期待します。
- 内生 LV ごとの R²
- モデルが説明する分散の割合。Chin (1998) の水準：0.19 は弱、0.33 は中程度、0.67 は実質的。
- p 値付きのパス係数
- 構造パスに対するブートストラップ有意性検定。出版基準は 5000+ 回の再標本抽出です。
- 弁別的妥当性のための HTMT
- Heterotrait-Monotrait 比 (Henseler 2015)。閾値は保守的で 0.85、寛容で 0.90。HTMT2 (Roemer 2021) はこれをさらに精緻化します。
- 信頼性：Cronbach's α, ρ_A, ρ_c
- 収束的妥当性の指標。確認的研究における標準閾値は ≥ 0.70 です。
- モデル適合度 SRMR
- 標準化残差平均平方根。< 0.08 で良好な適合とみなされます (Hu & Bentler 1999)。
- 標本サイズの目安
- 10 倍ルール：標本サイズは、単一の潜在変数に向かうパスの最大本数の少なくとも 10 倍必要です。
PLS-SEM と CB-SEM の比較
PLS-SEM は共分散ベース SEM (CB-SEM) の厳密な代替ではありません。両者ともに構造方程式モデリングの手法ですが、最適化する目的が異なります。
| 観点 | PLS-SEM | CB-SEM |
|---|---|---|
| 推定目標 | 予測、探索 | 確立された理論の確認 |
| 仮定 | 分布に関する要件なし | 多変量正規性 |
| 標本サイズ | 小さな標本で機能 (n < 100 も可能) | 通常 n ≥ 200 |
| 形成型指標 | ネイティブサポート | 扱いにくく、回避策が必要 |
| モデルの複雑さ | 多数の LV とパスを持つ複雑モデルを良好に処理 | 高い複雑さで苦戦 |
| 適合度指標 | SRMR, dULS, dG | χ², CFI, TLI, RMSEA (包括的) |
| 主要ツール | OpenPLS, SmartPLS, seminr, cSEM | lavaan, Mplus, AMOS, LISREL |
PLS-SEM を使うべき場面
- 研究が既存の確立された理論の確認ではなく、予測や探索に指向している。
- 標本が小さい、またはデータが非正規である。
- モデルに形成型構成概念 (LV を引き起こす指標) が含まれる。
- モデルが構造的に複雑である (多数の LV、多数の仮説パス)。
- 共通因子ではなくコンポジット変数で作業する必要がある。
PLS-SEM を使うべきでない場面
- 確立された測定理論を確認しており、従来の適合度指標 (χ², CFI, RMSEA) が必要な場合は、CB-SEM を使用してください。
- 指標が純粋に反映型であり、測定誤差を厳密にモデル化したい場合は、CB-SEM を使用してください。
- 厳密な共通因子 (コンポジットではない) としての潜在変数スコアが必要な場合は、CB-SEM を使用してください。
- 構造モデルなしで純粋な探索的因子分析を行っている場合は、代わりに古典的な EFA/PCA を使用してください。
最小限の例
ある顧客満足度調査は次を問います：知覚品質は満足度を高め、満足度はロイヤルティを高めるか？ 3 つの潜在変数 (Quality、Satisfaction、Loyalty) をそれぞれ 7 点リッカート尺度の 3-5 個のアンケート項目で測定します。仮説的パスは 2 本 (Quality → Satisfaction、Satisfaction → Loyalty) です。PLS-SEM はパス係数を推定し、指標が各構成概念を信頼性高く測定しているかを (負荷量と HTMT により) 検証し、2 本のパスについてブートストラップ p 値を算出します。
PLS-SEM 分析をブラウザで実行
OpenPLS は完全にブラウザ上で動作するオープンソースの PLS-SEM ツールです。パス図のビジュアルエディタ、完全な品質基準パネル、高度な手法 (MGA、IPMA、PLSpredict、FIMIX) を備えています。公開済みのワーキングペーパーで SmartPLS 4 に対して検証されています。
さらに読む
実務家向けの標準的な参考文献は Hair, Hult, Ringle & Sarstedt (2021), A Primer on Partial Least Squares Structural Equation Modeling, 3rd ed. (Sage) です。PLS-SEM を代替手法と比べていつ使うべきかの方法論的指針については、Hair et al. (2019), When to use and how to report the results of PLS-SEM (European Business Review, 31(1), 2–24) を参照してください。