La modellazione di equazioni strutturali è una tecnica multivariata per analizzare le relazioni strutturali e testare le teorie delle relazioni tra variabili osservate (manifeste) o non osservate (latenti).SEM combina analisi fattoriale e analisi di regressione multipla.
Nuovo Funzionalità JMP SEM in JMP Pro 16 includono:
- Possibilità di personalizzare i diagrammi dei percorsi utilizzando i menu di scelta rapida
- Profiler di previsione disponibile per l'interazione con un modello
- La piattaforma SEM ora accetta dati riepilogati, come una matrice di correlazione
- Possibilità di costruire vari modelli e confrontarli utilizzando una tabella di confronto dei modelli
- Scorciatoie per la creazione di modelli di uso comune
Utilizza il video e il diario allegati con i file e gli script JMP per esplorare l'analisi del percorso, l'analisi dei fattori di conferma e la regressione con variabili latenti.
Domande e risposte dal webinar dal vivo di Jian Cao il 22 aprile 2021
Q : Include l'equazione di previsione con tutte le stime per un dato modello?
UN: Sì, tutte le informazioni per creare le equazioni di previsione sono disponibili nell'output ma sono presentate in una tabella anziché in un formato di equazione di previsione.
Q: JMP fornisce anche indici di modifica
UN: Sì, trovi gli indici di modifica sotto l'opzione di menu del triangolo rosso.
Q: Vengono utilizzati training, verifica e set di test per costruire e valutare i modelli?
UN: No, questa è un'analisi di conferma, non predittiva.
Q: Puoi analizzare i residui?
UN: Sì, i residui possono essere modellati in modo esplicito.
Q: C'è un modo per ottenere un ordine di classificazione di importanza variabile?
UN: Ci sono stime dei parametri standardizzate che può essere utilizzato come dimensione dell'effetto. Questi possono essere classificati nell'output.
Q: La piattaforma JMP Pro SEM può aiutare con l'analisi causale, come con SAS Proc Causalgraph (in particolare, il concetto di BackDoor Criterion?
UN: La piattaforma è paragonabile a PROC CALIS piuttosto che a PROC CAUSALGRAPH.
Q: Nel diagramma per l'esempio web, qual è la differenza tra Privacy latente (forma del cerchio) e variabile di risposta della privacy (forma rettangolare)?
UN: I quadrati sono le variabili che abbiamo nella tabella dei dati.Sono le risposte a diverse domande poste sulla privacy percepita di un sito web. Il cerchio è una variabile latente non osservata che modelliamo sfruttando le informazioni dalle variabili osservate (i quadrati a cui punta).
Q: Sono disponibili effetti indiretti?
UN: Gli effetti totali e indiretti con valori di significatività saranno disponibili in 16.1, a causa del 3Q rilasciato.
Risorse
