Bienvenue dans mon premier article sur la modélisation des équations structurelles et sa plate-forme correspondante dans JMP Pro . Je prévois d'en faire une série mensuelle avec des articles expliquant les principes de la modélisation par équation structurelle, ainsi que la façon de mettre en œuvre ces principes dans JMP Pro. Pour ce premier article, je présenterai la modélisation par équation structurelle, puis j'expliquerai brièvement où elle a été utilisée dans le passé, ainsi que où elle pourrait être utilisée à l'avenir.
Qu'est-ce que SEM ?
La modélisation par équation structurelle (SEM) est une méthode établie de longue date pour la modélisation de systèmes multivariés qui a été largement adoptée dans les sciences comportementales et sociales. La raison de sa popularité dans ces domaines est en grande partie due à sa représentation visuelle simple de systèmes multivariés complexes. Les SEM sont idéales pour comprendre les relations complexes entre variables, permettant d'expliquer ces relations complexes à ceux qui ont peu d'expérience dans le domaine de la modélisation ou des systèmes d'équations. Non seulement cela, mais SEM permet de déterminer quantitativement l'effet indirect des variables, ainsi que de modéliser n'importe quelle variable à la fois comme entrée et comme sortie. En conséquence, SEM peut détecter des relations qui pourraient autrement être manquées ou confondues lors de l'utilisation de méthodes de modélisation traditionnelles.
Motivation
En tant que récent diplômé en génie chimique, j'ai pris note de ces propriétés uniques en SEM et je suis intéressé à explorer ses applications dans le domaine de la science et de l'ingénierie, ce qui est une prémisse qui n'a pas encore été examinée. Par conséquent, j'ai commencé à en apprendre davantage sur SEM et sur la façon de construire, d'évaluer et de modifier ces modèles au sein de la plate-forme JMP SEM récemment ajoutée. Cette plateforme a été ajoutée dans JMP Pro 15 et a fait l'objet de nombreux articles de blog. Avec l'arrivée de JMP Pro 16, et donc l'ajout de nombreuses nouvelles fonctionnalités dans le module SEM, il m'a semblé que le moment était venu de compiler une série de didacticiels pour couvrir mon parcours d'apprentissage de SEM et d'application de SEM à l'aide de JMP Pro 16.
Je prévois de mettre à jour cette série JMPer Cable en cours d'exécution au fur et à mesure que j'en apprends davantage sur le sujet et le module au fur et à mesure de son développement ; cette série servira également de série de didacticiels de « mise en route » pour le module JMP Pro 16 SEM. Dans cette série, j'espère souligner les obstacles communs et aborder des sujets difficiles que j'ai abordés récemment. Tout au long de cette série, je montrerai divers concepts SEM à l'aide de courtes démonstrations vidéo en appliquant des ensembles de données faciles à comprendre.
Quand peut-on utiliser le SEM ?
Vous vous demandez peut-être pourquoi le SEM a été peu adopté en ingénierie alors qu'il est fortement employé dans les sciences comportementales et sociales. Il y a deux principales raisons. Premièrement, il existe un obstacle important à l'entrée dans l'utilisation de SEM dans n'importe quel contexte, car une compréhension approfondie des différentes métriques et méthodes statistiques est requise. Les logiciels SEM précédents étaient généralement assez difficiles à comprendre et n'étaient pas associés à de nombreux didacticiels complets. La plate-forme JMP SEM surmonte les inconvénients associés aux autres progiciels SEM en ayant une plate-forme d'analyse visuelle intégrée aux côtés des sorties statistiques, permettant une comparaison facile entre les modèles.
De plus, les utilisateurs de SEM doivent avoir une connaissance approfondie de diverses règles pour identifier avec succès le modèle et éviter les erreurs lors de la détermination d'une solution. JMP est livré avec une fenêtre d'état qui signale automatiquement toutes les erreurs ou violations de règles qui pourraient entraver l'identification du modèle, accompagnée d'une explication pratique de la raison pour laquelle l'erreur s'est produite et de la manière dont la corriger potentiellement l'erreur. Je couvrirai cet onglet d'erreur dans un article ultérieur, mais sachez simplement à ce stade que cela m'a fait gagner d'innombrables heures de débogage et a réduit ma frustration avec les modèles qui ne convergent pas.
Deuxièmement, SEM est généralement utilisé dans des situations où il existe une structure hypothétique pour le modèle sous-jacent, résultant en des modèles qui ont été créés sur la base de la connaissance du système par l'utilisateur et des relations entre les variables. Ensuite, les données qui ont été collectées sont introduites pour soutenir ou réfuter l'hypothèse décrite par le modèle. En ingénierie, cependant, la construction de modèles suit généralement une approche axée sur les données où les données collectées à partir d'expériences ou de systèmes sont étudiées pour ensuite tirer des hypothèses et des conclusions. C'est pourquoi d'autres méthodes basées sur les données, telles que l'apprentissage automatique, sont plus généralement utilisées en ingénierie et mettent en évidence un problème évident avec l'application du SEM dans ce domaine. Je propose qu'il existe plusieurs manières d'appliquer le SEM, mais vous devrez attendre les prochains articles de cette série pour en savoir plus.
Problèmes typiques avec SEM
Un inconvénient de l'utilisation de SEM est qu'elle nécessite une grande taille d'échantillon pour faire des inférences raisonnables et précises. L'unité d'observation typique dans le contexte de l'ingénierie serait le système singulier étudié. Lors de l'application de SEM à des situations d'ingénierie, de nombreuses entreprises auraient besoin de partager leurs données sur des systèmes similaires pour que le modèle SEM soit validé, ce qui n'arrive pas souvent. Cependant, certaines applications SEM avancées pourraient être utilisées pour contourner ce problème en utilisant des données de processus dépendantes du temps.
Méthodologie SEM
Étant donné que le processus typique d'ajustement des SEM peut être considéré comme une méthode en quatre étapes, je suivrai cette méthode de manière approximative tout au long de cette série JMPer Cable pour expliquer comment chacun des concepts se rapporte à cette méthodologie typique. Les quatre étapes sont les suivantes :
Merci d'avoir lu, et j'espère que cela a suscité votre intérêt pour les applications de SEM en ingénierie ainsi que pour les puissantes capacités de SEM et de la plate-forme SEM dans JMP Pro. J'ai hâte de vous entendre dans les commentaires.
Super premier post, @jordanwalters ! J'attends déjà le prochain avec impatience.
Merci @jordanwalters .J'attends avec impatience votre discussion sur la modification du modèle. Un de mes intérêts est la conception efficace des expériences étant donné un processus qui a un SEM validé. Je ne sais pas si votre prochaine présentation aborde cela, mais j'attends avec impatience cette discussion.
Merci de votre intérêt @gzmorgan0 , c'est un sujet intéressant et je suis sûr que l'un de mes articles approfondira cette idée.
Super article Jordan, hâte de lire la suite 
Super premier post Jordan. Je suis intéressé à appliquer SEM sur des problèmes commerciaux et financiers. Je continuerai à lire vos prochains messages.
AngularJs est un framework open source développé et maintenu par les développeurs de Google. C'est l'un des cadres très efficaces qui sont très faciles à utiliser dans la création de modèles de sites et la liaison informationnelle bidirectionnelle. Si vous êtes intéressé par le développement d'applications Web, rejoignez Institut de formation Angularjs à Bangalore à Académie FITA où ils offrent la meilleure formation avec certification.
Formation Angularjs à Bangalore
Formation angulaire à Bangalore
Cours angulaire à Bangalore
