equipu
cienciainvestigacióninnovacióndivulgación científica

 

 

 

Generalized structured component analysis (GSCA) and partial least squares path modeling (PLSPM) are component-based, or also called variance-based, structural equation modeling (SEM). They define latent variables as components or weighted composites of indicators, attempting to maximize the explained variances of indicators or endogenous components or both. Despite this common conceptualization of latent variables, GSCA and PLSPM involve distinct model specifications and estimation procedures. This paper focuses on comparing four modeling approaches—GSCA with reflective indicators, GSCA with formative indicators, PLSPM with mode A, and PLSPM with mode B—regarding their capability of parameter recovery and statistical power via Monte Carlo simulation. For comparison, we propose a new data generating process for variance-based SEM, appropriate to handle all possible modeling approaches for both GSCA and PLSPM. It was found that although every approach produced consistent estimators, GSCA with reflective indicators yielded the most efficient estimators under variance-based structural equation models.

 

 

Fuente: https://doi.org/10.1007/s41237-019-00098-0

Publicaciones de este equipo
Comparte con tus amigos

Acerca de quién lo publicó

Hola mi nombre es Arnold Alejandro. Soy Parte de EQUIPU desde el 27 de June del 2017, puedes ver más sobre mi visitando mi perfil dando clic en mi foto.

¿Te interesaría crear tu propio artículo?

CREAR Artículo

Otros artículos que pueden interesarte

Artículo
Full day de Ms Project (versión 2016) asegura y permite un mejor uso de esta herramienta para gestionar proyectos según las buenas prácticas de dir
Artículo
Por Jessica Cabrera Desde hace bastante tiempo que el Perú es conocido por ser un país emprendedor, gracias a la gente que se empeña en salir adel
Artículo
Los objetivos del estudio son caracterizar la incidencia de psicopatología y antecedentes de conducta suicida en universitarios que consultan a un Se
Artículo
Ficha realizada en el segundo Laboratorio.