Mô hình cấu trúc tuyến tính - SEM (Structural Equation Modeling) đã được phát triển từ lâu và ngày càng đóng vai trò quan trọng trong lĩnh vực học thuật và thực hành quản trị của doanh nghiệp. Có hai cách tiếp cận phổ biến để ước lượng mô hình cấu trúc tuyến tính là CB - SEM (Covariance-based SEM) và PLS - SEM (Partial least quares SEM). Trước 2014, CB - SEM nổi bật hơn PLS - SEM ở khía cạnh kiểm định lý thuyết (theory testing), khẳng định lý thuyết (theory confirmation), hay so sánh các lý thuyết có thể thay thế nhau (comparison of alternative theories). Ngược lại, PLS - SEM sẽ là lựa chọn tốt hơn đối với những phân tích thiếu vắng sự hỗ trợ từ lý thuyết, những phân tích mang tính khám phá mối liên hệ giữa các biến số, những phân tích tập trung vào dự đoán biến đích (key target variables), các phân tích tìm kiếm biến tác động chính (key driver variables). Gần đây, Bentler và Huang (2014),  Dijkstra (2014), và Dijkstra và Henseler (2015) đã phát triển một phương pháp được gọi là ước lượng vững PLS - SEM (consistent PLS-SEM estimation). Phương pháp này cho ra các kết quả ước lượng tương tự như CB - SEM (đặc biệt khi CB - SEM sử dụng ước lượng Maximum Likelihood). Như vậy, PLS - SEM được phát triển dành cho hai mục đích (i) khám phá và dự đoán khái niệm và (ii) kiểm định và khẳng định mối liên hệ giữa các khái niệm dựa trên lý thuyết (thay thế cho CB - SEM). Hai mục đích đó hoàn toàn phù hợp với các nghiên cứu học thuật ở đa dạng các lĩnh vực khác nhau (tài chính, giáo dục, quản trị, kinh doanh, kế toán, xã hội học, tâm lý, …). Nhìn chung, gần đây, PLSSEM được ưa chuộng và trở thành một trong những phương pháp chính trong lĩnh vực nghiên cứu về quản trị kinh doanh.
Bên cạnh đó, PLS - SEM cũng rất phù hợp với doanh nghiệp ở nhiều khía cạnh. “Hãy để dữ liệu lên tiếng” (let the data talk) chính là một khía cạnh ưu tiên của doanh nghiệp khi phân tích. Doanh nghiệp có thể không quá bận tâm vào khảo sát lý thuyết (thứ gây phí tổn thời gian hoặc không phải là thế mạnh của doanh nghiệp). Họ cũng không quan tâm tới hình dáng phân phối của dữ liệu (PLS - SEM không yêu cầu dữ liệu có phân phối chuẩn nhưng CB - SEM thì ngược lại) hay các giới hạn về số lượng dữ liệu. Họ cũng cần sự linh hoạt trong đo lường khái niệm (có thể sử dụng mô hình đo lường kết quả, mô hình đo lường cấu tạo, mô hình đo lường đơn chỉ báo). Họ có thể linh hoạt vận dụng PLS - SEM trong các phân tích khám phá mối liên hệ, giải thích mối liên hệ, hoặc dự đoán.