El modelado de ecuaciones estructurales es una técnica multivariante para analizar relaciones estructurales y probar teorías de relaciones entre variables observadas (manifiestas) o no observadas (latentes).SEM combina análisis factorial y análisis de regresión múltiple.
Nuevo Capacidades de JMP SEM en JMP Pro 16 incluyen:
- Posibilidad de personalizar los diagramas de ruta mediante menús contextuales
- Generador de perfiles de predicción disponible para interactuar con un modelo
- La plataforma SEM ahora acepta datos resumidos, como una matriz de correlación
- Capacidad para construir varios modelos y compararlos usando una tabla de comparación de modelos.
- Accesos directos para la construcción de modelos de uso común
Utilice el video adjunto y el diario con archivos y scripts JMP para explorar el análisis de ruta, el análisis factorial confirmatorio y la regresión con variables latentes.
Preguntas y respuestas del seminario web en vivo de Jian Cao el 22 de abril de 2021
Q : ¿Incluye la ecuación de predicción con todas las estimaciones para un modelo dado?
A: Sí, toda la información para crear las ecuaciones de predicción está disponible en la salida, pero se presenta en una tabla en lugar de un formato de ecuación de predicción.
Q: ¿JMP también proporciona índices de modificación?
A: Sí, encontrará índices de modificación en la opción de menú del triángulo rojo.
Q: ¿Se utilizan equipos de entrenamiento, verificación y prueba para construir y evaluar los modelos?
A: No, este es un análisis confirmatorio, no predictivo.
Q: ¿Puedes analizar los residuos?
A: Sí, los residuos se pueden modelar explícitamente.
Q: ¿Hay alguna forma de obtener un orden de clasificación de importancia variable?
A: Existen estimaciones de parámetros estandarizados que se puede utilizar como tamaño del efecto. Aquellos se pueden clasificar en la salida.
Q: ¿Puede la plataforma JMP Pro SEM ayudar con el análisis causal, como con SAS Proc Causalgraph (en particular, el concepto de criterio de puerta trasera?
A: La plataforma es comparable a PROC CALIS en lugar de PROC CAUSALGRAPH.
Q: En el diagrama del ejemplo web, ¿cuál es la diferencia entre la privacidad latente (forma de círculo) y la variable de respuesta de privacidad (forma rectangular)?
A: Los cuadrados son las variables que tenemos en la tabla de datos.Son las respuestas a varias preguntas sobre la privacidad percibida de un sitio web. El círculo es una variable latente no observada que modelamos aprovechando la información de las variables observadas (los cuadrados a los que apunta).
Q: ¿Hay efectos indirectos disponibles?
A: Los efectos totales e indirectos con valores significativos estarán disponibles en 16.1, debido al 3T publicado.
Recursos
