Bienvenue dans mon premier article sur la modélisation par équations structurelles et sa plateforme dans JMP Pro . Je prévois de publier une série mensuelle d'articles expliquant les principes de la modélisation par équations structurelles et leur mise en œuvre dans JMP Pro. Dans ce premier article, je présenterai la modélisation par équations structurelles, puis j'expliquerai brièvement ses applications passées et futures.
Qu'est-ce que le SEM ?
La modélisation par équations structurelles (MES) est une méthode établie de longue date pour la modélisation des systèmes multivariés, largement adoptée en sciences comportementales et sociales. Sa popularité dans ces domaines s'explique en grande partie par sa représentation visuelle simple de systèmes multivariés complexes. Les MES sont idéales pour comprendre les relations complexes entre variables, permettant ainsi d'expliquer ces relations complexes à ceux qui ont peu d'expérience en modélisation ou en systèmes d'équations. De plus, la MES permet de déterminer quantitativement l'effet indirect des variables et de modéliser n'importe quelle variable à la fois comme entrée et comme sortie. Par conséquent, la MES permet de détecter des relations qui pourraient autrement passer inaperçues ou être confondues avec les méthodes de modélisation traditionnelles.
Motivation
Récemment diplômé en génie chimique, j'ai remarqué ces propriétés uniques du MEB et je souhaite explorer ses applications dans le domaine des sciences et de l'ingénierie, un domaine encore inexploré. J'ai donc commencé à me familiariser avec le MEB et à apprendre à construire, évaluer et modifier ces modèles grâce à la plateforme JMP MEB récemment ajoutée à JMP Pro 15 et qui a fait l'objet de nombreux articles de blog. Avec l'arrivée de JMP Pro 16, et donc l'ajout de nombreuses nouvelles fonctionnalités au module MEB, il m'a semblé opportun de compiler une série de tutoriels pour retracer mon parcours d'apprentissage du MEB et de son application avec JMP Pro 16.
Je prévois de mettre à jour cette série d'articles sur JMPer Cable au fur et à mesure de mon développement et de mes connaissances sur le sujet. Cette série servira également de tutoriel de démarrage pour le module SEM de JMP Pro 16. J'espère y souligner les obstacles courants et aborder les sujets complexes que j'ai abordés récemment. Tout au long de cette série, je présenterai différents concepts SEM à l'aide de courtes démonstrations vidéo et en utilisant des jeux de données faciles à comprendre.
Quand peut-on utiliser le SEM ?
Vous vous demandez peut-être pourquoi la SEM a été peu adoptée en ingénierie alors qu'elle est largement utilisée en sciences comportementales et sociales. Deux raisons principales expliquent ce phénomène. Premièrement, l'utilisation de la SEM, quel que soit le contexte, est fortement freinée par une compréhension approfondie des différentes mesures et méthodes statistiques. Les logiciels SEM précédents étaient généralement difficiles à comprendre et ne proposaient que peu de tutoriels complets. La plateforme SEM de JMP surmonte les inconvénients des autres logiciels SEM en intégrant une plateforme d'analyse visuelle aux résultats statistiques, facilitant ainsi la comparaison entre les modèles.
De plus, les utilisateurs de SEM doivent posséder une connaissance approfondie de diverses règles pour identifier correctement le modèle et éviter les erreurs lors de la détermination d'une solution. JMP dispose d'une fenêtre d'état qui signale automatiquement toute erreur ou violation de règle susceptible d'entraver l'identification du modèle, accompagnée d'une explication pratique de la cause de l'erreur et de la solution potentielle. Je traiterai de cet onglet d'erreur dans un prochain article, mais sachez dès maintenant que cela m'a permis d'économiser d'innombrables heures de débogage et de réduire ma frustration face aux modèles non convergents.
Deuxièmement, la SEM est généralement utilisée dans les situations où une structure hypothétique est posée pour le modèle sous-jacent, ce qui donne lieu à des modèles créés à partir de la connaissance du système par l'utilisateur et des relations entre les variables. Les données collectées sont ensuite utilisées pour confirmer ou infirmer l'hypothèse décrite par le modèle. En ingénierie, en revanche, la construction de modèles suit généralement une approche basée sur les données : les données issues d'expériences ou de systèmes sont étudiées pour ensuite formuler des hypothèses et des conclusions. C'est pourquoi d'autres méthodes basées sur les données, comme l'apprentissage automatique, sont plus couramment utilisées en ingénierie, ce qui met en évidence un problème évident lié à l'application de la SEM dans ce domaine. Je propose que la SEM puisse encore être appliquée de plusieurs manières, mais vous devrez attendre les prochains articles de cette série pour en savoir plus.
Problèmes typiques avec SEM
L'un des inconvénients de l'utilisation du SEM est qu'il nécessite un échantillon de grande taille pour réaliser des inférences raisonnables et précises. En ingénierie, l'unité d'observation typique est le système étudié. Lors de l'application du SEM à des situations d'ingénierie, de nombreuses entreprises doivent partager leurs données sur des systèmes similaires pour valider le modèle SEM, ce qui est rare. Cependant, certaines applications SEM avancées permettent de contourner ce problème en utilisant des données de processus temporelles.
Méthodologie SEM
Le processus typique d'ajustement des SEM pouvant être considéré comme une méthode en quatre étapes, je suivrai cette méthode de manière assez générale tout au long de cette série d'articles sur JMPer Cable afin d'expliquer le lien entre chaque concept et cette méthodologie classique. Les quatre étapes sont les suivantes :
Merci de votre lecture et j'espère que cet article a éveillé votre intérêt pour les applications de la SEM en ingénierie, ainsi que pour les puissantes fonctionnalités de la SEM et de la plateforme SEM de JMP Pro. J'attends vos commentaires avec impatience.
Excellent premier post Jordan. Je suis intéressé à appliquer le SEM à des problèmes commerciaux et financiers. Je continuerai à lire vos prochains messages.
Super article Jordan, j'ai hâte de lire le suivant 
Merci de votre intérêt @gzmorgan0 , c'est un sujet intéressant et je suis sûr qu'un de mes prochains articles approfondira cette idée.
Merci @jordanwalters .J'attends avec impatience votre discussion sur la modification du modèle. Un de mes intérêts est la conception efficace d’expériences étant donné un processus doté d’un SEM validé. Je ne sais pas si votre prochaine présentation aborde ce sujet, mais j'attends avec impatience cette discussion.
Vraiment envie d’en savoir plus sur SEM ! Bien fait @jordanwalters
Super premier post, @jordanwalters ! J'attends déjà avec impatience le prochain.
