Der Wert von Produktvielfalt: - Universität St.Gallen

(vgl. Lohmöller 1989, S. 29f.; Voges/Lohmöller 1989, S. 10; Herrmann/
Huber/Kressmann 2004, S. 5). Der PLS-Algorithmus schätzt die Gewichte für jede
Variable getrennt und unter der Annahme, dass die anderen, benachbarten latenten
Variablen bekannt sind, also quasi perfekt gemessen werden. Dabei ist die Art, in der
PLS die Gewichte bestimmt, abhängig vom Messmodelltyp und erfolgt iterativ in
einem dreiphasigen Prozess, der in Abbildung 55 als Ablaufdiagramm veranschaulicht
ist (vgl. Lohmöller 1989, S. 29f.).
PHASE 1
ERSTELLUNG DER AUSGANGSLÖSUNG
Jede latente Variable wir als nichttriviale Linearkombination der jeweiligen
Indikatorvariablen ausgedrückt
ITERATIVE SCHÄTZUNG DER LATENTEN VARIABLEN
Innere Approximation
Minimierung der Varianz von ζ im Strukturmodell
PHASE 2
Äußere Approximation
Minimierung der Varianz von ε und δ im reflektiven Messmodell
Minimierung der Varianz von δ im formativen Messmodell
Konvergenztest
BERECHNUNG DER MODELLPARAMETER
PHASE 3
Berechnung der Pfadkoeffizienten im inneren Modell
Berechnung der Pfadkoeffizienten im äußeren Modell
Abbildung 55: Ablaufdiagramm des PLS-Schätzalgorithmus. Quelle: Götz/Liehr-Gobbers 2004, S. 6
In der ersten Phase wird eine Ausgangslösung erstellt, indem jede latente Variable als
nichttriviale Linearkombination ihrer Indikatoren ausgedrückt wird.
Die zweite Phase dient der Schätzung der latenten Variablen. Hierbei werden die
Schätzwerte in einem iterativen Prozess durch wechselweise innere und äußere
Approximation (im Sinne des Struktur- bzw. Messmodells) verbessert. Ziel dieser
Iteration ist es, die Residualvarianzen im Struktur- und Messmodell zu minimieren.
Die Iteration aus äußerer und innerer Approximation wird deshalb so oft durchgeführt,
254