Die Strukturgleichungsmodellierung ist eine multivariate Technik zur Analyse struktureller Beziehungen und zum Testen von Beziehungstheorien zwischen beobachteten (manifesten) oder nicht beobachteten (latenten) Variablen.SEM kombiniert Faktoranalyse und multiple Regressionsanalyse.
Neu JMP SEM-Funktionen In JMP Pro 16 sind:
- Möglichkeit zum Anpassen von Pfaddiagrammen mithilfe von Rechtsklickmenüs
- Verfügbarer Vorhersageprofiler für die Interaktion mit einem Modell
- Die SEM-Plattform akzeptiert jetzt zusammengefasste Daten, z. B. eine Korrelationsmatrix
- Möglichkeit, verschiedene Modelle zu erstellen und mithilfe einer Modellvergleichstabelle zu vergleichen
- Verknüpfungen zum Erstellen häufig verwendeter Modelle
Verwenden Sie das angehängte Video und Journal mit Dateien und JMP-Skripten, um die Pfadanalyse, Bestätigungsfaktoranalyse und Regression mit latenten Variablen zu untersuchen.
Fragen und Antworten aus dem Live-Webinar von Jian Cao vom 22. April 2021
Q. : Enthält es eine Vorhersagegleichung mit allen Schätzungen für ein bestimmtes Modell?
EIN: Ja, alle Informationen zum Erstellen der Vorhersagegleichungen sind in der Ausgabe verfügbar, werden jedoch in einer Tabelle und nicht in einem Vorhersagegleichungsformat dargestellt.
F: Stellt JMP auch Änderungsindizes bereit?
EIN: Ja, Sie finden Änderungsindizes unter der Menüoption des roten Dreiecks.
F: Werden Schulungs-, Verifizierungs- und Testsätze zum Erstellen und Bewerten der Modelle verwendet?
EIN: Nein, dies ist eine bestätigende Analyse, keine Vorhersage.
F: Können Sie die Residuen analysieren?
EIN: Ja, Residuen können explizit modelliert werden.
F: Gibt es eine Möglichkeit, eine Rangfolge von variabler Bedeutung zu erhalten?
EIN: Es gibt standardisierte Parameterschätzungen das kann als Effektgröße verwendet werden. Diese können in der Ausgabe eingestuft werden.
F: Kann die JMP Pro SEM-Plattform bei der Ursachenanalyse wie bei SAS Proc Causalgraph (insbesondere beim Konzept des BackDoor-Kriteriums) helfen?
EIN: Die Plattform ist eher mit PROC CALIS als mit PROC CAUSALGRAPH vergleichbar.
F: Was ist im Diagramm für das Webbeispiel der Unterschied zwischen latenter Privatsphäre (Kreisform) und Antwortvariable Datenschutz (rechteckige Form)?
EIN: Die Quadrate sind die Variablen, die wir in der Datentabelle haben.Sie sind die Antworten auf mehrere Fragen zum wahrgenommenen Datenschutz einer Website. Der Kreis ist eine nicht beobachtete latente Variable, die wir modellieren, indem wir die Informationen aus den beobachteten Variablen (den Quadraten, auf die er zeigt) nutzen.
F: Sind indirekte Effekte verfügbar?
EIN: Gesamt- und indirekte Effekte mit Signifikanzwerten werden aufgrund des freigegebenen 3Q in 16.1 verfügbar sein.
Ressourcen
