PLS回归与PLS路径建模之间的差异。对PLS的批评

在这里提出了这个问题，但是没有人给出很好的答案。因此，我认为再次提出该建议是一个好主意，并且我想补充一些意见/问题。

• 第一个问题是“ PLS路径建模”和“ PLS回归”之间的区别是什么？更概括地说，什么是结构方程建模（SEM），路径建模和回归？据我了解，回归更多地关注预测，而SEM则关注于响应和预测变量之间的关系，而路径建模是SEM的特例？

• 我的第二个问题是PLS有多可靠？最近，如Rönkkö等人所述，它受到了许多批评。2016年以及Rönkkö等人。2015年这导致了拒绝的论文基础上高一级期刊，如PLS 经营管理杂志（这里是期刊编辑的说明）：

  我们几乎拒绝所有基于PLS的手稿，因为我们得出结论，在OM研究人员使用的各种模型中，PLS毫无例外都是错误的建模方法。

  我应该注意我的领域是光谱学，既不是管理/心理学也不是统计学。在上面链接的论文中，作者更多地谈论了PLS作为SEM方法，但对我来说，他们的批评似乎也适用于PLS回归。

第一个问题是“ PLS路径建模”和“ PLS回归”之间的区别是什么？

没有，它们是同义词。

更概括地说，什么是结构方程建模（SEM），路径建模和回归？据我了解，回归更多地关注预测，而SEM则关注于响应和预测变量之间的关系，而路径建模是SEM的特例？

SEM是一种回归形式。回归是将独立变量和因变量相关联的任何方法，包括使用多个作为独立实体处理的变量的方法。SEM特别使用变量之间的数学关系来约束最终模型，在PLS的情况下，这就是协方差。我的理解是，路径建模是一个特定领域的术语（不是我的，我是像您一样的光谱学家）。

我的第二个问题是PLS有多可靠？最近，如Rönkkö等人所述，它受到了许多批评。2016年以及Rönkkö等人。2015年

Henseler等人发现了一个很好的反驳。关于PLS的2013年共同信念和现实。Rönkkö等人的主要关注点。在某些情况下，PLS在表现出潜在潜能的情况下表现不佳。实际上，PLS旨在处理多种潜在因素，这种情况在现实世界中更为常见。

多么值得信赖？对于光谱学来说，它是一种出色的工具，但确实有其局限性。它确实存在过度拟合的风险，因为它可以建立复杂的模型来捕获来自多个潜在因素的贡献。因此，必须谨慎使用它，并且必须进行适当的外部验证，但这些警告适用于所有模型构建工具。我主要在现实世界的数据集上工作了20年，而我还没有遇到任何实验数据集，该数据集只有一个共同因素支持因变量（既不基于数据也不基于科学理论）。