DOI: https://doi.org/10.1016/j.indmarman.2025.05.003
تاريخ النشر: 2025-05-19
المؤلف: Peter Guenther وآخرون
الموضوع الرئيسي: الابتكار وإدارة المعرفة
نظرة عامة
تتناول هذه المقالة الانتقادات المتعلقة بملاءمة قياس البنية الانعكاسية ومعايير تقييمها لنمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM). يدعي النقاد أن نماذج القياس الانعكاسية تتماشى حصريًا مع نماذج العوامل المشتركة، وهو مفهوم ينفيه المؤلفون على أنه غير دقيق. يجادلون بأن نماذج القياس الانعكاسية هي بنى مستندة نظريًا، وأن طرق إحصائية متنوعة – بما في ذلك تقدير نموذج العوامل المشتركة، وتقدير النموذج المركب، وانحدار مجموع الدرجات – يمكن أن تقارب هذه البنى بفعالية في البحث التجريبي. يؤكد المؤلفون أن معايير التقييم الانعكاسية يمكن تطبيقها خارج نماذج العوامل المشتركة دون المساس بصحة النتائج، داعين إلى نهج متعدد الطرق يستفيد من نقاط القوة في أساليب SEM المتنوعة.
في الختام، يرفض المؤلفون الانتقادات التي طرحها هينسلر وآخرون (2025)، مؤكدين أن الافتراض الذي يساوي القياس الانعكاسي بتقدير نموذج العوامل المشتركة هو flawed بشكل أساسي. يجادلون بأن هذا المنظور قد تم تحديه في الأدبيات وأن نماذج العوامل المشتركة لا ينبغي اعتبارها المعيار النهائي لتقدير البنى. يدعو المؤلفون إلى منظور “كلاهما” في النقاش المنهجي، معززين الاستخدام المشترك لأساليب SEM المختلفة، بما في ذلك CB-SEM و PLS-SEM، لتعزيز جودة البحث وقوته. يدعون إلى التعددية المنهجية، مؤكدين أن القيمة الحقيقية لأساليب البحث تكمن في قدرتها على إنتاج رؤى ذات مغزى، مما يشجع على التعاون لتعزيز الابتكار المنهجي والصرامة العلمية عبر التخصصات.
مقدمة
في مقدمة مقالتهم “تحسين استخدام PLS-SEM لأبحاث تسويق الأعمال”، يقدم غوينتر وآخرون (2023) إرشادات أساسية للباحثين في تسويق الأعمال حول تطبيق نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM). يتناول المؤلفون الأخطاء الشائعة في التطبيقات السابقة ويقدمون تقنيات تحليلية متقدمة يمكن أن تعزز رؤى البحث. يتم التأكيد على أهمية المقالة من خلال معدل الاقتباس السريع، مما يبرز صلتها في سياق أبحاث تسويق B2B، حيث يتم استخدام PLS-SEM بشكل متكرر.
يتفاعل المؤلفون أيضًا مع الانتقادات المقدمة من هينسلر وآخرون (2025)، الذين يجادلون بأن PLS-SEM غير مناسب لتقدير البنى المقاسة انعكاسيًا بسبب تقديرات المعلمات المنحازة ومعايير التقييم المعيبة. يؤكد غوينتر وآخرون أن هذه الانتقادات تنبع من سوء فهم لنماذج القياس الانعكاسية، التي يساويها هينسلر وآخرون مع نماذج العوامل المشتركة. يؤكد المؤلفون أن هذا الافتراض الأساسي flawed، مشيرين إلى أن الاستنتاجات المستخلصة منه تفتقر إلى الصحة. يهدفون إلى توضيح الاستخدام المناسب لـ PLS-SEM في ضوء هذه الانتقادات، معززين قابلية تطبيق المنهجية في أبحاث تسويق الأعمال.
طرق
تناقش هذه القسم الإطار المنهجي لنمذجة المعادلات الهيكلية (SEM)، مشددة على أنه بينما تشمل SEM طرقًا متنوعة، لا توجد أي منها غير صالحة بطبيعتها. يسلط الضوء على التحديات في تقدير صلاحية النموذج بسبب الفجوات المحتملة بين البيانات التجريبية والنماذج الإحصائية الأساسية. على وجه التحديد، توجد فجوة صلاحية بين الوكلاء المستمدين من الدراسات التجريبية والمتغيرات المفاهيمية التي تهدف إلى تمثيلها. يواجه الباحثون عدم اليقين بشأن ما إذا كانت بياناتهم تتماشى مع نموذج العوامل المشتركة أو نموذج مركب، مما يعقد تحديد الطريقة الأكثر ملاءمة للتقدير.
تشير النتائج إلى أن استخدام نمذجة المربعات الصغرى الجزئية (PLS-SEM) لتقدير نماذج العوامل المشتركة يؤدي عمومًا إلى انحياز تافه، وهو أقل بكثير من الانحياز المرتبط بنمذجة المعادلات الهيكلية المعتمدة على التباين (CB-SEM) عند تطبيقها على النماذج المركبة. وبالتالي، يُوصى باستخدام PLS-SEM كخيار أكثر موثوقية عندما يكون نوع النموذج غير معروف. بالإضافة إلى ذلك، يدعم ريجدون (2024) هذا الاستنتاج من خلال إظهار أن طرقًا متنوعة، بما في ذلك تحليل مكونات الانحدار (RCA) وتحليل المكونات الهيكلية المعمم (GSCA)، متسقة لنمذجة البيانات التي تناسب نموذج العوامل. تختتم هذه القسم بالإشارة إلى أن الباحثين يمكنهم استخدام مجموعة من الطرق، مثل CB-SEM و PLS-SEM، كل منها مع نماذج إحصائية وخوارزميات تقدير متميزة، والتي يمكن أن تنتج نتائج مختلفة مع الالتزام بنفس الإطار المفاهيمي. يوضح سارستيدت وآخرون (2024) هذه الاختلافات في مثال SEM متعدد الطرق، مؤكدين تأثير الخيارات التحليلية على النتائج الإحصائية.
نقاش
في قسم النقاش من الورقة، يؤكد المؤلفون التمييز الحاسم بين نماذج القياس الانعكاسية ونماذج العوامل المشتركة، بناءً على عمل ريجدون (2012) وآخرين. يجادلون بأنه بينما يتم غالبًا الخلط بين القياسات الانعكاسية ونماذج العوامل المشتركة، فإن هذا الخلط يتجاهل تعقيدات صلاحية القياس والشكوك الكامنة في عمليات توليد البيانات. يبرز إطار الوكيل الخاص بريجدون فجوة الصلاحية بين المتغيرات المفاهيمية ووكلائها، مشيرًا إلى أن صلاحية القياس يجب أن تركز على التوافق السلوكي بين الوكلاء والمفاهيم النظرية بدلاً من العلاقات الرياضية بين المؤشرات والوكلاء.
ينتقد المؤلفون أيضًا الافتراض بأن الارتباطات العالية بين المؤشرات تتطلب نموذج عوامل مشتركة، كما اقترح هينسلر وآخرون (2025). يدعون إلى نهج متعدد الطرق لنمذجة المعادلات الهيكلية (SEM)، مقترحين أن يتعامل الباحثون مع منهجيات مختلفة كأدوات تكاملية بدلاً من خيارات متعارضة. يسمح هذا النهج باختبار القوة وفهم أعمق للبنى الأساسية، خاصة في السياقات التي تكون فيها عملية توليد البيانات غير مؤكدة. يختتم المؤلفون بالقول إن الاعتراف بحدود نماذج العوامل المشتركة واحتضان طرق بديلة يمكن أن يعزز صلاحية وموثوقية نتائج البحث في تسويق الأعمال وما وراء ذلك.
DOI: https://doi.org/10.1016/j.indmarman.2025.05.003
Publication Date: 2025-05-19
Author(s): Peter Guenther et al.
Primary Topic: Innovation and Knowledge Management
Overview
This article addresses criticisms regarding the suitability of reflective construct measurement and its evaluation criteria for partial least squares structural equation modeling (PLS-SEM). Critics claim that reflective measurement models are exclusively aligned with common factor models, a notion the authors refute as inaccurate. They argue that reflective measurement models are theoretically grounded constructs, and various statistical methods—including common factor model estimation, composite model estimation, and sum score regression—can effectively approximate these constructs in empirical research. The authors emphasize that reflective evaluation criteria can be applied beyond common factor models without compromising result validity, advocating for a multimethod approach that leverages the strengths of diverse SEM methods.
In conclusion, the authors reject the criticisms posed by Henseler et al. (2025), asserting that the assumption equating reflective measurement with common factor model estimation is fundamentally flawed. They argue that this perspective has been challenged in the literature and that common factor models should not be viewed as the definitive standard for estimating constructs. The authors call for a “both-and” perspective in the methodological debate, promoting the combined use of various SEM methods, including CB-SEM and PLS-SEM, to enhance research quality and robustness. They advocate for methodological pluralism, emphasizing that the true value of research methodologies lies in their ability to produce meaningful insights, thus encouraging collaboration to advance methodological innovation and scientific rigor across disciplines.
Introduction
In the introduction of their article “Improving PLS-SEM use for business marketing research,” Guenther et al. (2023) provide essential guidance for business marketing researchers on the application of partial least squares structural equation modeling (PLS-SEM). The authors address common errors in previous applications and introduce advanced analytical techniques that can enhance research insights. The article’s significance is underscored by its rapid citation rate, highlighting its relevance in the context of B2B marketing research, where PLS-SEM is frequently employed.
The authors also engage with critiques presented by Henseler et al. (2025), who argue that PLS-SEM is inappropriate for estimating reflectively measured constructs due to biased parameter estimates and flawed assessment criteria. Guenther et al. contend that these critiques stem from a misunderstanding of reflective measurement models, which Henseler et al. equate with common factor models. The authors assert that this foundational assumption is flawed, suggesting that the conclusions drawn from it lack validity. They aim to clarify the appropriate use of PLS-SEM in light of these criticisms, reinforcing the methodology’s applicability in business marketing research.
Methods
The section discusses the methodological framework of Structural Equation Modeling (SEM), emphasizing that while SEM encompasses various methods, none are inherently invalid. It highlights the challenges in estimating model validity due to the potential discrepancies between empirical data and the underlying statistical models. Specifically, there exists a validity gap between proxies derived from empirical studies and the conceptual variables they aim to represent. Researchers face uncertainty regarding whether their data aligns with a common factor model or a composite model, complicating the determination of the most appropriate estimation method.
The findings indicate that using Partial Least Squares SEM (PLS-SEM) to estimate common factor models generally results in trivial bias, which is significantly lower than the bias associated with Covariance-Based SEM (CB-SEM) when applied to composite models. Consequently, PLS-SEM is recommended as a more reliable option when the model type is unknown. Additionally, Rigdon (2024) supports this conclusion by demonstrating that various methods, including Regression Component Analysis (RCA) and Generalized Structured Component Analysis (GSCA), are consistent for modeling data that fit a factor model. The section concludes by noting that researchers can utilize a range of methods, such as CB-SEM and PLS-SEM, each with distinct statistical models and estimation algorithms, which can yield different results while adhering to the same conceptual framework. Sarstedt et al. (2024) illustrate these differences in a multimethod SEM example, emphasizing the influence of analytical choices on statistical outcomes.
Discussion
In the discussion section of the paper, the authors emphasize the critical distinction between reflective measurement models and common factor models, building on the work of Rigdon (2012) and others. They argue that while reflective measures are often mistakenly equated with common factor models, this conflation overlooks the complexities of measurement validity and the inherent uncertainties in data generation processes. Rigdon’s proxy framework highlights the validity gap between conceptual variables and their proxies, suggesting that measurement validity should focus on the behavioral alignment between proxies and theoretical concepts rather than merely the mathematical relationships between indicators and proxies.
The authors further critique the assumption that high correlations among indicators necessitate a common factor model, as posited by Henseler et al. (2025). They advocate for a multimethod approach to structural equation modeling (SEM), suggesting that researchers should treat different methodologies as complementary tools rather than mutually exclusive options. This approach allows for robustness testing and a deeper understanding of the underlying constructs, particularly in contexts where the data-generating process is uncertain. The authors conclude that acknowledging the limitations of common factor models and embracing alternative methods can enhance the validity and reliability of research findings in business marketing and beyond.