Niveau: Débutant
Laura Castro-Schilo, JMP Research Statistician Developer, SAS
Abstrait:
Structural Equations Models (SEM) est une nouvelle plate-forme dans JMP Pro 15 qui offre 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 le consommateur. recherche, ingénierie, éducation, santé et autres. Nous utilisons un exemple empirique - auquel tout le monde peut s'identifier - pour montrer comment la plateforme SEM est utilisée pour explorer les relations entre les variables et tester les théories concurrentes.
Sommaire:
La vidéo ci-dessous montre comment ajuster des modèles cohérents avec chacune des "Théories des émotions" dans la présentation. Avec les diapositives jointes, les utilisateurs peuvent être guidés sur la façon d'utiliser la plate-forme SEM. Voici les points à retenir:
- Nous avons 3 théories a priori sur la relation entre nos variables
- Nous adaptons des modèles en SEM qui correspondent à chacune des théories
- Nous recherchons le modèle le plus approprié en:
- Examiner l'ajustement du modèle individuel. Dans cet exemple, nous avons utilisé le chi carré, une mesure de inadéquation - nous voulons qu'il soit petit par rapport aux degrés de liberté (df) et non significatif, mais le CFI et RMSEA peut également être utilisé et est meilleur avec de grands échantillons. Nous avons également utilisé la carte thermique des résidus normalisés; nous voulons ces résidus dans +/- 2 unités.
- Comparer l'ajustement entre les modèles. le 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 # 1 est imbriqué dans celui de la théorie # 2), nous pouvons prendre la différence entre les chi-carrés et le df pour obtenir un delta-chi carré et delta-df dont la signification peut être testée avec une distribution de chi carré.
<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"}); (voir dans Mes vidéos)
