Livello: Principiante
Laura Castro-Schilo, Sviluppatore statistico di ricerca JMP, SAS
Structural Equation Models (SEM) è una nuova piattaforma in JMP Pro 15 che offre numerosi strumenti di modellazione. Analisi fattoriale di conferma, analisi del percorso, modelli di errore di misurazione e modelli di curve di crescita latenti sono solo alcune delle possibilità.
In questa presentazione, forniamo un'introduzione generale al SEM descrivendo di cosa si tratta, le caratteristiche uniche che offre ad analisti e ricercatori, come viene implementato in JMP Pro 15 e come viene applicato in una varietà di campi, tra cui mercato e ricerca sui consumatori, ingegneria, istruzione, salute e altri. Useremo un esempio empirico - a cui tutti possono relazionarsi - per mostrare come la piattaforma SEM viene utilizzata per esplorare le relazioni tra variabili e testare teorie concorrenti.
@DavidLeber ,
Non avevo un diario per la presentazione, ma ho appena catturato un breve video sul mio computer, in cui ho inserito modelli coerenti con ciascuna delle "Teorie delle emozioni" nella presentazione. Allego il video a questa risposta. Insieme alle diapositive, spero sia più facile capire come utilizzare la piattaforma SEM. Ecco i punti da asporto:
- Abbiamo 3 teorie a priori su come le nostre variabili si relazionano tra loro
- Adattiamo modelli in SEM che mappano su ciascuna delle teorie
- Cerchiamo il modello più appropriato:
- Esaminando la vestibilità del modello individuale. In questo esempio abbiamo usato il chi quadrato, una misura di misfit --vogliamo che sia piccolo rispetto ai gradi di libertà (df) e non significativo, ma il CFI e RMSEA possono essere utilizzati anche e sono migliori con campioni di grandi dimensioni. Abbiamo anche utilizzato la mappa di calore residua normalizzata; vogliamo quei residui entro +/- 2 unità.
- Confronto della vestibilità tra i modelli. Il pesi AICc aiutaci in questo compito. Quando i modelli sono nidificati (cioè uno è interamente contenuto nell'altro --nel nostro esempio, il modello per la Teoria #1 è nidificato all'interno di quello per la Teoria #2), possiamo prendere la differenza tra il chi quadrato e il df per ottenere un delta-chi-quadrato e delta-df che possono essere testati per la significatività con una distribuzione chi-quadrato.
Spero che questo aiuti!
~Laura
Sarebbe fantastico ottenere il JRN per questa presentazione: il PDF è informativo, ma ho difficoltà a capire i risultati senza vedere il processo effettivo.
