Como j\u00e1 vimos anteriormente, a abordagem CB-SEM \u00e9 usada principalmente para confirmar ou rejeitar teorias. Esse m\u00e9todo desenvolve uma matriz de covari\u00e2ncia te\u00f3rica baseada em um conjunto de equa\u00e7\u00f5es espec\u00edfico, focando em estimar o modelo de forma que a diferen\u00e7a entre a matriz de covari\u00e2ncia te\u00f3rica e a matriz de covari\u00e2ncia estimada seja minimizada.<\/p>\n\n\n\n

J\u00e1 a abordagem PLS \u00e9 usada principalmente para desenvolver teorias em pesquisas explorat\u00f3rias ou em extens\u00f5es de teorias j\u00e1 existentes. Esse m\u00e9todo \u00e9 similar a uma an\u00e1lise de regress\u00e3o m\u00faltipla, em que a modelagem \u00e9 feita visando maximizar a vari\u00e2ncia explicada dos constructos latentes dependentes em uma modelagem causal.<\/p>\n\n\n\n

Caracter\u00edsticas dos dados<\/h2>\n\n\n\n

A estima\u00e7\u00e3o do modelo pelo CB-SEM requer um conjunto de suposi\u00e7\u00f5es a serem preenchidas (normalidade multivariada dos dados, tamanho m\u00ednimo de amostra, etc), sendo que quando essas suposi\u00e7\u00f5es s\u00e3o violadas, os resultados podem ser altamente imprecisos. J\u00e1 o PLS \u00e9 uma t\u00e9cnica mais robusta que n\u00e3o requer essas suposi\u00e7\u00f5es e possui poucos problemas de estima\u00e7\u00e3o.<\/p>\n\n\n\n

Quando a suposi\u00e7\u00e3o de normalidade \u00e9 violada no CB-SEM, \u00e9 poss\u00edvel utilizar estimadores robustos para a an\u00e1lise, mas se o tamanho da amostra for pequeno, o PLS deve ser utilizado. Com tamanhos de amostras grandes, os resultados dos dois m\u00e9todos s\u00e3o similares.<\/p>\n\n\n\n