Strukturgleichungsmodellierung ist eine multivariate Technik zur Analyse struktureller Beziehungen und zum Testen von Beziehungstheorien zwischen beobachteten (manifesten) oder unbeobachteten (latenten) Variablen.SEM kombiniert Faktorenanalyse und multiple Regressionsanalyse.
Neu JMP SEM-Funktionen in JMP Pro 16 umfassen:
- Möglichkeit, Pfaddiagramme mithilfe von Rechtsklick-Menüs anzupassen
- Verfügbarer Vorhersageprofiler für die Interaktion mit einem Modell
- Die SEM-Plattform akzeptiert jetzt zusammengefasste Daten, beispielsweise eine Korrelationsmatrix
- Möglichkeit, verschiedene Modelle zu erstellen und diese mithilfe einer Modellvergleichstabelle zu vergleichen
- Verknüpfungen zum Erstellen häufig verwendeter Modelle
Verwenden Sie das beigefügte Video und das Tagebuch mit Dateien und JMP-Skripten, um Pfadanalyse, Bestätigungsfaktoranalyse und Regression mit latenten Variablen zu erkunden.
Fragen und Antworten aus Jian Caos Live-Webinar vom 22. April 2021
Q : Enthält es eine Vorhersagegleichung mit allen Schätzungen für ein bestimmtes Modell?
A: Ja, alle Informationen zum Erstellen der Vorhersagegleichungen sind in der Ausgabe verfügbar, sie werden jedoch in einer Tabelle und nicht in einem Vorhersagegleichungsformat dargestellt.
Q: Bietet JMP auch Änderungsindizes?
A: Ja, Änderungsindizes finden Sie unter der Menüoption „Rotes Dreieck“.
Q: Werden Trainings-, Verifizierungs- und Testsätze zum Aufbau und zur Bewertung der Modelle verwendet?
A: Nein, das ist eine bestätigende Analyse, keine Vorhersage.
Q: Können Sie die Residuen analysieren?
A: Ja, Residuen können explizit modelliert werden.
Q: Gibt es eine Möglichkeit, eine Rangfolge variabler Wichtigkeit zu erhalten?
A: Es gibt standardisierte Parameterschätzungen das kann als Effektgröße verwendet werden. Diese können in der Ausgabe gereiht werden.
Q: Kann die JMP Pro SEM-Plattform bei der Kausalanalyse helfen, wie bei SAS Proc Causalgraph (insbesondere beim Konzept des BackDoor Criterion)?
A: Die Plattform ist eher mit PROC CALIS als mit PROC CAUSALGRAPH vergleichbar.
Q: Was ist im Diagramm für das Webbeispiel der Unterschied zwischen „Privacy Latent“ (Kreisform) und „Privacy Response Variable“ (Rechteckform)?
A: 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 unbeobachtete latente Variable, die wir modellieren, indem wir die Informationen der beobachteten Variablen (der Quadrate, auf die er zeigt) nutzen.
Q: Gibt es indirekte Effekte?
A: Gesamt- und indirekte Effekte mit Signifikanzwerten werden aufgrund der Veröffentlichung im dritten Quartal in 16.1 verfügbar sein.
Ressourcen
