潜变量（LV）
您真正关心的构念，例如顾客满意度、信任、感知有用性。这些无法被直接测量。
PLS-SEM 详解
什么是 PLS-SEM？
偏最小二乘结构方程建模是一种基于方差的方法，用于估计包含潜在构念的模型，这些构念无法直接测量，只能通过可观测的指标来体现。本页面将介绍 PLS-SEM 是什么、何时使用它，以及它与基于协方差的 SEM 有何不同。
用大白话讲讲 PLS-SEM 到底在做什么
研究者关心的一些东西，比如客户满意度、品牌信任、使用某项技术的意愿，是没办法用一个数字直接测出来的。世界上并没有一台可以贴在人身上的「满意度测量仪」。所以研究者会围绕这些概念设计几道问卷题目(比如「我对 X 感到满意」「我会向别人推荐 X」「X 达到了我的期望」)，把这些回答当作线索，去推断背后到底发生了什么。
PLS-SEM 就是把这些线索转化为一个可检验模型的一套数学方法。它想回答的是：满意度 是不是真的会带来 忠诚度，如果会，作用有多强？它给出的是您可以直接写进报告的数字，比如「满意度每提升 1-point，忠诚度就会提升 0.6-point，而且这个效应在统计上是可靠的」。市场营销、HR、信息系统、卫生服务等领域的研究者，每天都在用它。
四大基本构成要素
指标（显变量）
数据集中可观测的列，用于代表每个潜在构念：问卷题项、评分、传感器读数等。
测量模型（外部模型）
指标如何与其潜变量相关。反映型（LV 引起指标，例如满意度 → sat1..sat4）或形成型（指标引起 LV，例如收入 + 教育 → SES）。
结构模型（内部模型）
潜变量之间的假设关系，即您正在检验的因果路径。
重要的质量标准
评审人期望在一份可辩护的 PLS-SEM 分析中报告以下标准。
- 每个内生 LV 的 R²
- 模型解释的方差比例。Chin (1998) 的分级：0.19 弱，0.33 中等，0.67 显著。
- 带 p 值的路径系数
- 对结构路径进行自助法（bootstrap）显著性检验。发表标准为 5000+ 次重抽样。
- 用于区分效度的 HTMT
- 异质–同质特质比（Henseler 2015）。阈值 0.85 为保守，0.90 为宽松。HTMT2（Roemer 2021）对其进行了改进。
- 信度：Cronbach's α、ρ_A、ρ_c
- 收敛效度指标；≥ 0.70 是验证性研究的标准阈值。
- SRMR 模型拟合
- 标准化残差均方根。< 0.08 被视为良好拟合（Hu & Bentler 1999）。
- 样本量参考
- 10 倍法则：样本量至少应为指向任一潜变量的最大路径数的 10 倍。
PLS-SEM 与 CB-SEM 对比
PLS-SEM 并不是基于协方差的 SEM（CB-SEM）的严格替代品。两者都是结构方程建模技术，但优化的目标不同。
| 方面 | PLS-SEM | CB-SEM |
|---|---|---|
| 估计目标 | 预测、探索 | 对成熟理论的验证 |
| 假设条件 | 无分布要求 | 多元正态性 |
| 样本量 | 适用于小样本（可 n < 100） | 通常 n ≥ 200 |
| 形成型指标 | 原生支持 | 处理笨拙，需要变通方法 |
| 模型复杂度 | 能够良好处理含众多 LV 和路径的复杂模型 | 对高复杂度处理吃力 |
| 拟合指标 | SRMR、dULS、dG | χ²、CFI、TLI、RMSEA（较为全面） |
| 常用工具 | OpenPLS、SmartPLS、seminr、cSEM | lavaan、Mplus、AMOS、LISREL |
何时使用 PLS-SEM
- 您的研究以预测或探索为导向，而非验证已成熟的理论。
- 您的样本较小或数据不服从正态分布。
- 您的模型包含形成型构念（指标引起 LV）。
- 您的模型结构复杂（LV 数量多、假设路径多）。
- 您需要使用复合变量而非共同因子。
何时不宜使用 PLS-SEM
- 您在验证一个成熟的测量理论，并需要传统拟合指标（χ²、CFI、RMSEA）——请使用 CB-SEM。
- 您的指标是纯反映型，且希望严格建模测量误差——请使用 CB-SEM。
- 您需要严格意义上的共同因子潜变量得分（而非复合）——请使用 CB-SEM。
- 您在进行纯粹的探索性因子分析而无结构模型——请改用经典的 EFA/PCA。
一个最小示例
某顾客满意度研究提出：感知质量是否驱动满意度，满意度是否驱动忠诚度？三个潜变量（Quality、Satisfaction、Loyalty），每个由 3-5 个 7 点李克特量表题项测量。两条假设路径（Quality → Satisfaction、Satisfaction → Loyalty）。PLS-SEM 估计路径系数，通过载荷和 HTMT 检查各指标是否可靠地测量了对应构念，并对两条路径计算自助法 p 值。
延伸阅读
面向实务的经典参考文献是 Hair, Hult, Ringle & Sarstedt (2021)，A Primer on Partial Least Squares Structural Equation Modeling，第 3 版（Sage）。关于何时使用 PLS-SEM 而非其他替代方法的方法论指导，请参阅 Hair et al. (2019)，When to use and how to report the results of PLS-SEM（European Business Review, 31(1), 2–24）。