La modélisation d'équations structurelles est une technique multivariée pour analyser les relations structurelles et tester les théories des relations entre les variables observées (manifestes) ou non observées (latentes).SEM combine l'analyse factorielle et l'analyse de régression multiple.
Nouveau Capacités JMP SEM dans JMP Pro 16 incluent:
- Possibilité de personnaliser les diagrammes de chemin à l'aide de menus contextuels
- Profileur de prédiction disponible pour interagir avec un modèle
- La plate-forme SEM accepte désormais des données résumées, telles qu'une matrice de corrélation
- Capacité à construire divers modèles et à les comparer à l'aide d'un tableau de comparaison de modèles
- Raccourcis pour créer un modèle couramment utilisé
Utilisez la vidéo et le journal joints avec des fichiers et des scripts JMP pour explorer l'analyse de chemin, l'analyse des facteurs de confirmation et la régression avec des variables latentes.
Questions-réponses du webinaire en direct de Jian Cao le 22 avril 2021
Q : Inclut-il l'équation de prédiction avec toutes les estimations pour un modèle donné?
UNE: Oui, toutes les informations pour créer les équations de prédiction sont disponibles dans la sortie, mais elles sont présentées dans un tableau plutôt que dans un format d'équation de prédiction.
Q: JMP fournit-il également des indices de modification
UNE: Oui, vous trouvez des indices de modification sous l'option de menu triangle rouge.
Q: Des ensembles de formation, de vérification et de test sont-ils utilisés pour créer et évaluer les modèles?
UNE: Non, il s'agit d'une analyse confirmatoire et non prédictive.
Q: Pouvez-vous analyser les résidus?
UNE: Oui, les résidus peuvent être modélisés explicitement.
Q: Existe-t-il un moyen d'obtenir un ordre de classement d'importance variable?
UNE: Il y a estimations de paramètres standardisées qui peut être utilisé comme taille d'effet. Ceux-ci peuvent être classés dans la sortie.
Q: La plate-forme JMP Pro SEM peut-elle aider à l'analyse causale, comme avec SAS Proc Causalgraph (en particulier, le concept de BackDoor Criterion?
UNE: La plateforme est comparable à PROC CALIS plutôt qu'à PROC CAUSALGRAPH.
Q: Sur le diagramme de l'exemple Web, quelle est la différence entre la confidentialité latente (forme de cercle) et la variable de réponse de confidentialité (forme rectangulaire)?
UNE: Les carrés sont les variables que nous avons dans le tableau de données.Ce sont les réponses à plusieurs questions posées sur la perception de la confidentialité d'un site Web. Le cercle est une variable latente non observée que nous modélisons en exploitant les informations des variables observées (les carrés vers lesquels il pointe).
Q: Des effets indirects sont-ils disponibles?
UNE: Les effets totaux et indirects avec des valeurs significatives seront disponibles dans 16.1, en raison du 3Q libéré.
Ressources
