Willkommen zu meinem ersten Beitrag über die Modellierung von Strukturgleichungen und die entsprechende Plattform in JMP Pro . Ich plane, dies zu einer monatlichen Serie mit Beiträgen zu machen, in denen die Prinzipien der Strukturgleichungsmodellierung erklärt werden und wie diese Prinzipien in JMP Pro implementiert werden. In diesem ersten Beitrag werde ich die Strukturgleichungsmodellierung vorstellen und dann kurz erläutern, wo sie in der Vergangenheit eingesetzt wurde und wo sie in Zukunft eingesetzt werden könnte.
Was ist SEM?
Die Strukturgleichungsmodellierung (SEM) ist eine seit langem etablierte Methode zur multivariaten Systemmodellierung, die in den Verhaltens- und Sozialwissenschaften stark angenommen wurde. Der Grund für seine Popularität in diesen Bereichen liegt hauptsächlich in seiner einfachen visuellen Darstellung komplexer multivariater Systeme. SEMs sind ideal, um komplexe Zusammenhänge zwischen Variablen zu verstehen, damit diese komplexen Zusammenhänge auch Personen erklärt werden können, die wenig Erfahrung im Bereich der Modellierung oder in Gleichungssystemen haben. Darüber hinaus ermöglicht SEM die quantitative Bestimmung der indirekten Wirkung von Variablen sowie die Modellierung jeder Variablen sowohl als Input als auch als Output. Dadurch kann das SEM Zusammenhänge aufgreifen, die ansonsten bei der Verwendung traditioneller Modellierungsmethoden übersehen oder verfälscht werden könnten.
Motivation
Als neuer Absolvent des Chemieingenieurwesens habe ich diese einzigartigen Eigenschaften des SEM zur Kenntnis genommen und bin daran interessiert, seine Anwendungen im Bereich der Naturwissenschaften und der Technik zu untersuchen, was eine Voraussetzung ist, die noch untersucht werden muss. Folglich habe ich begonnen, mich mit SEM zu befassen und wie man diese Modelle innerhalb der kürzlich hinzugefügten JMP SEM-Plattform erstellt, bewertet und modifiziert. Diese Plattform wurde in JMP Pro 15 hinzugefügt und war Gegenstand vieler Blogbeiträge. Mit der Einführung von JMP Pro 16 und damit dem Hinzufügen vieler neuer Funktionen innerhalb des SEM-Moduls schien es ein guter Zeitpunkt zu sein, eine Tutorial-Reihe zusammenzustellen, um meinen Weg zum Erlernen von SEM und zur Anwendung von SEM mit JMP Pro 16 zu behandeln.
Ich habe vor, diese laufende JMPer Cable-Serie zu aktualisieren, wenn ich mehr über das Thema und das Modul erfahre, während es entwickelt wird; Diese Serie dient auch als Tutorial-Serie für die ersten Schritte für das JMP Pro 16 SEM-Modul. In dieser Reihe hoffe ich, häufige Stolpersteine aufzuzeigen und schwierige Themen anzusprechen, die ich in letzter Zeit angegangen bin. In dieser Serie werde ich verschiedene SEM-Konzepte anhand von kurzen Videodemonstrationen zeigen, indem ich leicht verständliche Datensätze anwende.
Wann kann REM verwendet werden?
Sie werden sich vielleicht fragen, warum SEM in den Ingenieurwissenschaften wenig Akzeptanz gefunden hat, während es stark in den Verhaltens- und Sozialwissenschaften eingesetzt wird. Es gibt zwei Hauptgründe. Erstens besteht eine erhebliche Eintrittsbarriere für den Einsatz von SEM in jedem Kontext, da ein umfassendes Verständnis der verschiedenen statistischen Metriken und Methoden erforderlich ist. Frühere SEM-Software war in der Regel ziemlich schwer zu verstehen und hatte nicht viele umfassende Tutorials. Die JMP SEM-Plattform überwindet die mit anderen SEM-Softwarepaketen verbundenen Nachteile durch eine integrierte visuelle Analyseplattform neben den statistischen Ausgaben, die einen einfachen Vergleich zwischen Modellen ermöglicht.
Darüber hinaus müssen Benutzer von SEM über umfassende Kenntnisse verschiedener Regeln verfügen, um das Modell erfolgreich zu identifizieren und Fehler bei der Bestimmung einer Lösung zu vermeiden. JMP wird mit einem Statusfenster geliefert, das automatisch alle Fehler oder Regelverletzungen anzeigt, die die Modellidentifikation behindern könnten, zusammen mit einer praktischen Erklärung, warum der Fehler aufgetreten ist und wie der Fehler möglicherweise behoben werden kann. Ich werde diese Fehlerregisterkarte in einem späteren Beitrag behandeln, aber zu diesem Zeitpunkt wissen Sie nur, dass mir dies unzählige Stunden beim Debuggen erspart und meine Frustration mit Modellen verringert hat, die nicht konvergieren.
Zweitens wird SEM typischerweise in Situationen eingesetzt, in denen es eine hypothetische Struktur für das zugrunde liegende Modell gibt, was zu Modellen führt, die basierend auf Benutzerkenntnissen des Systems und der Beziehungen zwischen den Variablen erstellt wurden. Dann werden die gesammelten Daten eingeführt, um die durch das Modell beschriebene Hypothese entweder zu unterstützen oder zu widerlegen. Im Ingenieurwesen hingegen folgt die Modellkonstruktion meist einem datengetriebenen Ansatz, bei dem die aus Experimenten oder Systemen gesammelten Daten untersucht werden, um dann Hypothesen und Schlussfolgerungen zu ziehen. Aus diesem Grund werden andere datengesteuerte Methoden, wie z. B. maschinelles Lernen, häufiger im Ingenieurwesen eingesetzt und heben ein offensichtliches Problem bei der Anwendung von SEM in diesem Bereich hervor. Ich schlage vor, dass es mehrere Möglichkeiten gibt, wie SEM weiterhin angewendet werden kann, aber Sie müssen auf spätere Beiträge in dieser Serie warten, um mehr zu erfahren.
Typische Probleme mit SEM
Ein Nachteil der Verwendung von SEM besteht darin, dass eine große Stichprobengröße erforderlich ist, um vernünftige und genaue Schlussfolgerungen zu ziehen. Die typische Beobachtungseinheit im Kontext der Ingenieurwissenschaften wäre das zu untersuchende singuläre System. Bei der Anwendung von SEM auf Engineering-Situationen müssten viele Unternehmen ihre Daten auf ähnlichen Systemen teilen, damit das SEM-Modell validiert werden kann, was nicht oft vorkommt. Es gibt jedoch einige fortschrittliche SEM-Anwendungen, die verwendet werden könnten, um dieses Problem durch die Verwendung zeitabhängiger Prozessdaten zu umgehen.
REM-Methodik
Da man sich den typischen Prozess der Anpassung von SEMs als vierstufige Methode vorstellen kann, werde ich diese Methode in dieser JMPer Cable-Serie lose verfolgen, um zu erklären, wie sich jedes der Konzepte auf diese typische Methodik bezieht. Die vier Stufen sind wie folgt:
Vielen Dank fürs Lesen. Ich hoffe, dies hat Ihr Interesse an den Anwendungen von SEM im Engineering sowie den leistungsstarken Funktionen von SEM und der SEM-Plattform in JMP Pro geweckt. Ich freue mich, von Ihnen in Kommentaren zu hören.
Danke schön @jordanwalters .Ich freue mich auf Ihre Diskussion zur Modellmodifikation. Ein Interesse von mir ist die effiziente Gestaltung von Experimenten bei einem Verfahren, das über ein validiertes REM verfügt. Ich bin mir nicht sicher, ob Ihre bevorstehende Präsentation dies anspricht, aber ich freue mich auf diese Diskussion.
Danke für Ihr Interesse @gzmorgan0 , das ist ein interessantes Thema und ich bin sicher, einer meiner Posts auf der ganzen Linie wird sich mit dieser Idee befassen.
Toller Beitrag Jordan, freue mich schon auf den nächsten 
Toller erster Post Jordan. Ich interessiere mich für die Anwendung von SEM auf Geschäfts- und Finanzprobleme. Werde deine kommenden Beiträge weiter lesen.
AngularJs ist ein Open-Source-Framework, das von Google-Entwicklern entwickelt und gepflegt wird. Dies ist eines der sehr effektiven Frameworks, die beim Site-Templating und der bidirektionalen Informationsbindung sehr einfach zu verwenden sind. Wenn Sie an der Entwicklung webbasierter Anwendungen interessiert sind, dann treten Sie bei Angularjs-Schulungsinstitut in Bangalore bei FITA Akademie wo sie die beste Ausbildung mit Zertifizierung anbieten.
Angularjs-Training in Bangalore
Angular-Training in Bangalore
Winkelkurs in Bangalore
