SEM memiliki fleksibilitas yang lebih tinggi bagi peneliti mengkonfirmasikan teori dengan data,
dibandingkan teknik multivariate yang berkembang sebelumnya yaitu principal component
analysis, factor analysis, discriminant analysis atau multiple regression. Terdapat dua kelompok
SEM akhir-akhir ini yaitu, berbasis covariance dan berbasis variance (component)
CBSEM sangat dipengaruhi oleh jumlah sampel, karena jumlah sample kecil dapat menghasilkan
model yang jelek masih dapat menghasilkan model fit. CBSEM mengharuskan dalam
membentuk variabel latent, indikator-indikatornya bersifat refleksif. Dalam model refleksif
indikator atau manifest dipandang variabel yang dipengaruhi oleh variabel laten sesuai dengan
teori pengukuran classical test theory. Pada model indikator refleksif, indikator-indikator pada
satu konstruk (variabel laten) dipengaruhi oleh konsep yang sama. Perubahan dalam satu item
atau indikator akan berakibat pada perubahan indikator lainnya dengan arah yang sama.
Pada kenyataannya indikator dapat dibentuk dalam bentuk formatif indikator model yaitu
indikator dipandang sebagai variabel yang mempengaruhi variabel laten. Sebagai ilustrasi
indikator pendidikan, pekerjaan dan pendapatan mempengaruhi variabel laten status sosial
ekonomi. Jika salah satu indikator meningkat maka indikator yang lain tidak harus ikut
meningkat pula. Kenaikan pada suatu indikator pendapatan akan meningkatkan variabel laten.
Penggunaan model indikator formatif dalam CBSEM akan menghasilkan model yang
unidentified yang berarti terdapat covariance bernilai nol di antara beberapa indikator. Hubungan
kausalitas model struktural dibangun atas dasar teori dan CBSEM hanya ingin mengkonfirmasi
apakah model berdasarkan teori tadi tidak berbeda dengan model empirisnya.
Dengan beberapa keterbatasan yang ada maka sekarang banyak yang menggunakan SEM
berbasis component atau variance yang terkenal dengan Partial Least Square (PLS).
PLS dapat menganalisis sekaligus konstruk yang dibentuk dengan indikator refleksif dan
indikator formatif dan hal ini tidak mungkin dijalankan dalam CBSEM karena akan terjadi
unidentified model. Oleh karena PLS menggunakan analisis series ordinary least square, maka
identifikasi model bukan masalah dalam model rekursive dan juga tidak mengasumsikan bentuk
distribusi tertentu dari pengukuran variabel.
Beberapa program yang dirancang khusus untuk menyelesaikan model dengan PLS adalah
SmartPLS, PLS Graph, Visual PLS dan PLS Gui. Semua program tersebut dapat di download
secara gratis dari internet. Berikut adalah alamat-alamat penyedia software tersebut: (anda juga
bisa tanya sama Mbah Google)