Benvenuti nel mio primo post sulla modellazione di equazioni strutturali e la sua piattaforma corrispondente in JMP Pro . Ho intenzione di farne una serie mensile con post che spieghino i principi della modellazione delle equazioni strutturali e come implementare questi principi all'interno di JMP Pro. Per questo primo post, introdurrò la modellazione di equazioni strutturali e poi spiegherò brevemente dove è stata utilizzata in passato e dove potrebbe essere utilizzata in futuro.
Cos'è SEM?
La modellazione di equazioni strutturali (SEM) è un metodo consolidato per la modellazione di sistemi multivariati che ha visto un'adozione significativa nelle scienze comportamentali e sociali. La ragione della sua popolarità in questi campi è in gran parte dovuta alla sua semplice rappresentazione visiva di complessi sistemi multivariati. I SEM sono ideali per comprendere relazioni complesse tra variabili, consentendo di spiegare queste relazioni complesse a coloro che hanno poca esperienza nel campo della modellazione o nei sistemi di equazioni. Non solo questo, ma SEM consente di determinare quantitativamente l'effetto indiretto delle variabili, oltre a consentire la modellazione di qualsiasi variabile sia come input che come output. Di conseguenza, SEM può raccogliere relazioni che altrimenti potrebbero essere perse o confuse quando si utilizzano metodi di modellazione tradizionali.
Motivazione
Come neolaureato in ingegneria chimica, ho preso nota di queste proprietà uniche in SEM e sono interessato a esplorarne le applicazioni nel regno della scienza e dell'ingegneria, che è una premessa che deve ancora essere esaminata. Di conseguenza, ho iniziato a conoscere SEM e come costruire, valutare e modificare questi modelli all'interno della piattaforma SEM JMP recentemente aggiunta. Questa piattaforma è stata aggiunta in JMP Pro 15 ed è stata oggetto di molti post sul blog. Con l'arrivo di JMP Pro 16, e quindi l'aggiunta di molte nuove funzionalità all'interno del modulo SEM, mi è sembrato un buon momento per compilare una serie di tutorial per coprire il mio viaggio nell'apprendimento del SEM e nell'applicazione del SEM con JMP Pro 16.
Ho intenzione di aggiornare questa serie di cavi JMPer in esecuzione man mano che imparo di più sull'argomento e sul modulo mentre viene sviluppato; questa serie servirà anche come serie di tutorial "per iniziare" per il modulo SEM JMP Pro 16. All'interno di questa serie, spero di evidenziare ostacoli comuni e affrontare argomenti difficili che ho affrontato di recente. Durante questa serie, mostrerò vari concetti SEM utilizzando brevi dimostrazioni video applicando set di dati di facile comprensione.
Quando si può utilizzare il SEM?
Potresti chiederti perché SEM ha visto poca adozione in ingegneria pur essendo ampiamente impiegato nelle scienze comportamentali e sociali. Ci sono due ragioni principali. In primo luogo, esiste una barriera significativa all'ingresso nell'impiego di SEM in qualsiasi contesto poiché è richiesta una comprensione significativa di diverse metriche e metodi statistici. Il software SEM precedente era in genere piuttosto difficile da capire e non disponeva di molti tutorial completi associati. La piattaforma JMP SEM supera gli inconvenienti associati ad altri pacchetti software SEM disponendo di una piattaforma di analisi visiva integrata insieme ai risultati statistici, consentendo un facile confronto tra i modelli.
Inoltre, gli utenti di SEM devono avere una conoscenza approfondita di varie regole per identificare correttamente il modello e prevenire errori nella determinazione di una soluzione. JMP viene fornito con una finestra di stato che segnala automaticamente eventuali errori o violazioni delle regole che potrebbero ostacolare l'identificazione del modello, insieme a una pratica spiegazione del motivo per cui si è verificato l'errore e di come correggerlo potenzialmente. Tratterò questa scheda di errore in un post successivo, ma sappi solo in questa fase che questo mi ha risparmiato innumerevoli ore di debug e ha ridotto la mia frustrazione con i modelli che non convergono.
In secondo luogo, SEM è tipicamente impiegato in situazioni in cui esiste una struttura ipotizzata per il modello sottostante, risultando in modelli che sono stati creati sulla base della conoscenza dell'utente del sistema e delle relazioni tra le variabili. Quindi i dati che sono stati raccolti vengono introdotti per supportare o smentire l'ipotesi descritta dal modello. In ingegneria, tuttavia, la costruzione del modello segue solitamente un approccio basato sui dati in cui i dati raccolti da esperimenti o sistemi vengono studiati per poi trarre ipotesi e conclusioni. Questo è il motivo per cui altri metodi basati sui dati, come l'apprendimento automatico, sono più tipicamente impiegati nell'ingegneria e evidenziano un problema ovvio con l'applicazione del SEM in questo campo. Propongo che ci sono un paio di modi in cui il SEM può ancora essere applicato, ma dovrai aspettare i post successivi di questa serie per saperne di più.
Problemi tipici con SEM
Uno svantaggio dell'utilizzo di SEM è che richiede una grande dimensione del campione per fare inferenze ragionevoli e accurate. L'unità di osservazione tipica nel contesto dell'ingegneria sarebbe il sistema singolare studiato. Quando si applica il SEM a situazioni ingegneristiche, molte aziende avrebbero bisogno di condividere i propri dati su sistemi simili per la convalida del modello SEM, cosa che non accade spesso. Tuttavia, esistono alcune applicazioni SEM avanzate che potrebbero essere utilizzate per aggirare questo problema utilizzando dati di processo dipendenti dal tempo.
Metodologia SEM
Poiché il tipico processo di adattamento dei SEM può essere considerato un metodo a quattro fasi, seguirò questo metodo in modo approssimativo in tutta questa serie di cavi JMPer per spiegare come ciascuno dei concetti si collega a questa metodologia tipica. Le quattro fasi sono le seguenti:
Grazie per la lettura e spero che questo abbia catturato il tuo interesse per le applicazioni di SEM nell'ingegneria, nonché per le potenti funzionalità di SEM e della piattaforma SEM in JMP Pro. Non vedo l'ora di sentirti nei commenti.
Ottimo primo post, @jordanwalters ! Non vedo l'ora che arrivi già il prossimo.
Davvero curioso di saperne di più su SEM! Ben fatto @jordanwalters
Grazie @jordanwalters .Non vedo l'ora della tua discussione sulla modifica del modello. Un mio interesse è la progettazione efficiente degli esperimenti dato un processo che ha un SEM convalidato. Non sono sicuro che la tua prossima presentazione affronti questo, ma non vedo l'ora che arrivi quella discussione.
Grazie per il tuo interesse @gzmorgan0 , questo è un argomento interessante e sono sicuro che uno dei miei post più avanti approfondirà questa idea.
Ottimo post Jordan, non vedo l'ora di leggere il prossimo 
Ottimo primo post Giordania. Sono interessato ad applicare SEM su problemi economici e finanziari. Continuerò a leggere i tuoi prossimi post.
AngularJs è un framework open source sviluppato e mantenuto dagli sviluppatori di Google. Questo è uno dei framework molto efficaci che sono molto facili da usare nella creazione di modelli di siti e nel binding informativo bidirezionale. Se sei interessato allo sviluppo di applicazioni basate sul Web, iscriviti Istituto di formazione Angularjs a Bangalore a Accademia FITA dove offrono la migliore formazione con certificazione.
Formazione Angularjs a Bangalore
Allenamento angolare a Bangalore
Corso angolare a Bangalore
