El modelado de ecuaciones estructurales es una técnica multivariada 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 JMP SEM en JMP Pro 16 incluyen:
- Posibilidad de personalizar 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.
- Atajos para construir modelos de uso común
Utilice el vídeo 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 del 22 de abril de 2021
q : ¿Incluye una ecuación de predicción con todas las estimaciones para un modelo determinado?
A: Sí, toda la información para crear las ecuaciones de predicción está disponible en el resultado, pero se presenta en una tabla en lugar de en un formato de ecuación de predicción.
P: ¿JMP también proporciona índices de modificación?
A: Sí, encontrará índices de modificación en la opción de menú del triángulo rojo.
P: ¿Se utilizan conjuntos de capacitación, verificación y prueba para construir y evaluar los modelos?
A: No, este es un análisis confirmatorio, no predictivo.
P: ¿Puedes analizar los residuos?
A: Sí, los residuos se pueden modelar explícitamente.
P: ¿Hay alguna manera de obtener un orden de clasificación de importancia variable?
A: Hay estimaciones de parámetros estandarizados que se puede utilizar como tamaño del efecto. Estos se pueden clasificar en el resultado.
P: ¿Puede la plataforma JMP Pro SEM ayudar con el análisis causal, como ocurre con SAS Proc Causalgraph (en particular, el concepto de BackDoor Criterion?
A: La plataforma es comparable a PROC CALIS en lugar de PROC CAUSALGRAPH.
P: En el diagrama del ejemplo web, ¿cuál es la diferencia entre Privacidad latente (forma de círculo) y Privacidad variable de respuesta (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).
P: ¿Están disponibles los efectos indirectos?
A: Los efectos totales e indirectos con valores significativos estarán disponibles en 16.1, debido a su lanzamiento en el 3T.
Recursos
