Niveau : Débutant
Laura Castro-Schilo, JMP Research Statistician Developer, SAS
Structural Equation Models (SEM) est une nouvelle plate-forme de JMP Pro 15 qui propose de nombreux outils de modélisation. L'analyse factorielle confirmatoire, l'analyse de trajectoire, les modèles d'erreur de mesure et les modèles de courbe de croissance latente ne sont que quelques-unes des possibilités.
Dans cette présentation, nous fournissons une introduction générale au SEM en décrivant ce qu'il est, les fonctionnalités uniques qu'il offre aux analystes et aux chercheurs, comment il est implémenté dans JMP Pro 15 et comment il est appliqué dans une variété de domaines, y compris le marché et recherche sur les consommateurs, ingénierie, éducation, santé et autres. Nous utiliserons un exemple empirique - auquel tout le monde peut s'identifier - pour montrer comment la plate-forme SEM est utilisée pour explorer les relations entre les variables et tester des théories concurrentes.
@DavidLeber ,
Je n'avais pas de journal pour la présentation, mais j'ai simplement capturé une brève vidéo sur mon ordinateur, dans laquelle j'adapte des modèles cohérents avec chacune des "théories des émotions" de la présentation. Je joins la vidéo à cette réponse. Avec les diapositives, j'espère qu'il est plus facile de comprendre comment utiliser la plate-forme SEM. Voici les points à emporter :
- Nous avons 3 théories a priori sur la façon dont nos variables sont liées les unes aux autres
- Nous adaptons des modèles dans SEM qui correspondent à chacune des théories
- Nous recherchons le modèle le plus approprié en :
- Examen de l'ajustement du modèle individuel. Dans cet exemple, nous avons utilisé le chi carré, une mesure de l'inadéquation -- nous voulons qu'il soit petit par rapport aux degrés de liberté (dl) et non significatif, mais le CFI et RMSEA peuvent également être utilisés et sont meilleurs avec des échantillons de grande taille. Nous avons également utilisé la carte thermique des résidus normalisés ; nous voulons ces résidus à +/- 2 unités.
- Comparaison de l'ajustement entre les modèles. La Poids AICc aidez-nous dans cette tâche. Lorsque les modèles sont imbriqués (c'est-à-dire que l'un est entièrement contenu dans l'autre -- dans notre exemple, le modèle de la théorie n°1 est imbriqué dans celui de la théorie n°2), nous pouvons prendre la différence entre le chi carré et le df pour obtenir un delta-chi-carré et un delta-df dont la signification peut être testée avec une distribution du chi-carré.
J'espère que ça aide!
~Laura
Ce serait formidable d'obtenir le JRN pour cette présentation - le PDF est informatif, mais j'ai du mal à comprendre les résultats sans voir le processus réel.
