Livello: principiante
Laura Castro-Schilo, sviluppatore statistico della ricerca JMP, SAS
Astratto:
Structural Equations Models (SEM) è una nuova piattaforma in JMP Pro 15 che offre numerosi strumenti di modellazione. Analisi fattoriale confermativa, analisi del percorso, modelli di errore di misura e modelli di curve di crescita latenti sono solo alcune delle possibilità. In questa presentazione, forniamo un'introduzione generale a SEM descrivendo di cosa si tratta, le caratteristiche uniche che offre agli analisti e ai ricercatori, come viene implementato in JMP Pro 15 e come viene applicato in una varietà di campi, tra cui mercato e consumatore ricerca, ingegneria, educazione, salute e altri. Usiamo un esempio empirico - a cui tutti possono fare riferimento - per mostrare come viene utilizzata la piattaforma SEM per esplorare le relazioni tra variabili e testare teorie concorrenti.
Sommario:
Il video seguente mostra come adattare i modelli coerenti con ciascuna delle "Teorie delle emozioni" nella presentazione. Insieme alle diapositive allegate, gli utenti possono essere guidati su come utilizzare la piattaforma SEM. Ecco i punti da asporto:
- Abbiamo 3 teorie a priori su come le nostre variabili si relazionano l'una con l'altra
- Adattiamo modelli in SEM che mappano su ciascuna delle teorie
- Cerchiamo il modello più appropriato per:
- Esame della vestibilità del modello individuale. In questo esempio abbiamo usato il chi-quadrato, una misura di disadattato: vogliamo che sia piccolo rispetto ai gradi di libertà (df) e non significativo, ma il CFI e RMSEA può essere utilizzato anche e sono migliori con campioni di grandi dimensioni. Abbiamo anche usato la mappa di calore dei residui normalizzati; vogliamo quei residui entro +/- 2 unità.
- Confronto tra adattamento tra modelli. Il Pesi AICc aiutaci con questo compito. Quando i modelli sono nidificati (ovvero, uno è interamente contenuto nell'altro - nel nostro esempio, il modello per la teoria n. 1 è nidificato all'interno di quello per la teoria n. 2), possiamo prendere la differenza tra i chi-quadrati e il df per ottenere un delta-chi-quadrato e delta-df che possono essere testati per rilevanza con una distribuzione del chi-quadrato.
<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"}); (visualizza in I miei video)
