Methodological Myths in Management Research: Essays on Partial Least Squares and Formative Measurement

Thumbnail Image

Files

isbn9789526057330.pdf (1.53 MB)

URL

Journal Title

Journal ISSN

Volume Title

School of Science | Doctoral thesis (article-based) | Defence date: 2014-06-27
Checking the digitized thesis and permission for publishing
Instructions for the author
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2014

Department

Tuotantotalouden laitos
Department of Industrial Engineering and Management

Major/Subject

Mcode

Degree programme

Language

en

Pages

53 + app. 266

Series

Aalto University publication series DOCTORAL DISSERTATIONS, 88/2014

Abstract

Research in social sciences is a human endeavor and hence is subject to human error. In management and organizational research one form of these errors are unsubstantiated beliefs about statistical methods that lead to questionable analysis practices. In this dissertation, I address several of these statistical and methodological myths and urban legends related to partial least squares (PLS) estimation and formative measurement in the context of structural equation modeling. This dissertation consists of five papers in which I analyze the use of these methods in management and organizational research and show that many of the beliefs that the current literature conveys do not hold when subjected to either formal analysis or Monte Carlo simulation. With respect to formative measurement, the dissertation challenges the long-held belief that all formative indicators are required for valid construct measurement. More generally, I argue that formative measurement is not an equally attractive alternative to more traditional reflective measurement and that PLS estimation is not a viable alternative for estimating these models. With respect to PLS estimation, I show that the apparent advantage of the method is a fallacy created by ignoring the effect of chance correlations. Furthermore, I show that the way in which PLS capitalizes on chance results in non-normal distributions of parameter estimates, which precludes null hypothesis significance testing.

Yhteiskuntatieteellinen tutkimus on ihmisten tekemää ja siksi altis inhimillisille virheille. Eräs näiden virheiden muoto johtamisessa ja organisaatiotutkimuksessa on perusteettomat uskomukset tilastollisista menetelmistä, mitkä johtavat kyseenalaisiin analyysitapoihin. Käsittelen väitöskirjassa useita tällaisia tilastollisia ja menetelmällisiä myyttejä ja urbaaneja legendoja liittyen osittaisneliösummaestimaattoriin (PLS) ja määrittävään mittaamiseen rakenneyhtälömallinnuksen kontekstissa. Väitöskirja koostuu viidestä tutkimusraportista, joissa analysoin näiden menetelmien käyttöä johtamisessa ja organisaatiotutkimuksessa ja osoitan formaalilla analyysillä ja Monte Carlo simulaatioilla että monet nykykirjallisuudessa esiintyvät uskomukset eivät pidä paikkaansa. Määrittävän mittaamisen osalta väitöskirja haastaa pitkään vallalla olleen uskomuksen että määrittävästi mitattua konstruktia pitäisi aina mallintaa kaikilla sen mittareilla. Yleisemmällä tasolla väitän ettei määrittävä mittaaminen ole houkutteleva vaihtoehto perinteiselle heijastavalle mittaamiselle ja myös ettei PLS estimaattori ole käyttökelpoinen menetelmä näiden mallien estimoinnille. PLS estimaattorin osalta näytän että menetelmän näennäinen etu on harhaluulo, johon on päädytty sivuttamalla satunnaiskorrelaatioiden vaikutus. Lisäksi osoitan että tapa, jolla PLS hyväksikäyttää satunnaiskorrelaatioita johtaa ei-normaalijakautuneisiin parametriestimaatteihin ja estää nollahypoteesin tilastollisen merkitsevyyden testaamisen.

Description

Supervising professor

Maula, Markku, Prof., Aalto University, Department of Industrial Engineering and Management, Finland

Keywords

statistical and methodological myths and urban legends, partial least squares, formative measurement, structural equation modelling, tilastolliset ja menetelmälliset myytit ja urbaanit legendat, osittaisneliösummaestimattori, määrittävät mittaaminen, rakenneyhtälömallinnus

Other note

Parts

  • [Publication 1]: Rönkkö, M., & Evermann, J. (2013). A Critical Examination of Common Beliefs About Partial Least Squares Path Modeling. Organizational Research Methods, 16(3), 425–448. doi:10.1177/1094428112474693
  • [Publication 2]: Rönkkö, M. (2014). The Effects of Chance Correlations on Partial Least Squares Path Modeling. Organizational Research Methods, 17(2), 164–181. doi:10.1177/1094428114525667.
  • [Publication 3]: Rönkkö, M., Evermann, J., & Aguirre-Urreta, M. I. (2014). Formative Measurement – Is Partial Least Squares the Answer? 32 pages.
  • [Publication 4]: Rönkkö, M., & Aguirre-Urreta, M. I. (2014). Formative Measurement when Indicators Contain Error: Analysis of Ten Alternative Approaches. 37 pages. Abridged version forthcoming in Academy of Management Proceedings, Sage Publications/RM Division Best Student Paper Award winner.
  • [Publication 5]: Aguirre-Urreta, M. I., Marakas, G. M., & Rönkkö, M. (2014). Differential Effects of Omitting Formative Indicators: A Comparison of Techniques. 45 pages.

Citation

Permanent link to this item

https://urn.fi/URN:ISBN:978-952-60-5733-0

Collections

[diss] Perustieteiden korkeakoulu / SCI