Level: Anfänger
Laura Castro-Schilo, JMP-Forschungsstatistikerin, SAS
Abstrakt:
Structural Equations Models (SEM) ist eine neue Plattform in JMP Pro 15, die zahlreiche Modellierungswerkzeuge bietet. Bestätigungsfaktoranalyse, Pfadanalyse, Messfehlermodelle und Modelle für latente Wachstumskurven sind nur einige der Möglichkeiten. In dieser Präsentation geben wir eine allgemeine Einführung in SEM, indem wir beschreiben, was es ist, welche einzigartigen Funktionen es Analysten und Forschern bietet, wie es in JMP Pro 15 implementiert ist und wie es in einer Vielzahl von Bereichen, einschließlich Markt und Verbraucher, angewendet wird Forschung, Ingenieurwesen, Bildung, Gesundheit und andere. Wir verwenden ein empirisches Beispiel, auf das sich jeder beziehen kann, um zu zeigen, wie die SEM-Plattform verwendet wird, um Beziehungen zwischen Variablen zu untersuchen und konkurrierende Theorien zu testen.
Zusammenfassung:
Das folgende Video zeigt, wie Modelle angepasst werden, die mit den einzelnen "Emotion Theories" in der Präsentation übereinstimmen. Zusammen mit den angehängten Folien können Benutzer zur Verwendung der SEM-Plattform geführt werden. Hier sind die Punkte zum Mitnehmen:
- Wir haben 3 A-priori-Theorien darüber, wie unsere Variablen zueinander in Beziehung stehen
- Wir passen Modelle in SEM an, die auf jede der Theorien abgebildet werden
- Wir suchen das am besten geeignete Modell von:
- Untersuchung der individuellen Modellanpassung. In diesem Beispiel haben wir das Chi-Quadrat verwendet, ein Maß für die Fehlanpassung - wir möchten, dass es in Bezug auf die Freiheitsgrade (df) klein und nicht signifikant ist, aber das CFI und RMSEA kann auch verwendet werden und ist besser bei großen Stichproben. Wir haben auch die normalisierte Residuen-Heatmap verwendet. Wir wollen diese Residuen innerhalb von +/- 2 Einheiten.
- Modellübergreifende Passform. Das AICc-Gewichte Helfen Sie uns bei dieser Aufgabe. Wenn die Modelle verschachtelt sind (dh eines ist vollständig im anderen enthalten - in unserem Beispiel ist das Modell für Theorie Nr. 1 in dem für Theorie Nr. 2 verschachtelt), können wir den Unterschied zwischen den Chi-Quadraten und dem df nehmen um ein Delta-Chi-Quadrat und ein Delta-df zu erhalten, die mit einer Chi-Quadrat-Verteilung auf Signifikanz getestet werden können.
<script>LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-l1Zng3ajE6RHdjL_FgwrRV5vjMrBY0Xrw1600h825r759', 'l1Zng3ajE6RHdjL_FgwrRV5vjMrBY0Xr', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"1600px","height":"825px"}); (Ansicht in Meine Videos)
