Willkommen zu meinem ersten Beitrag über Strukturgleichungsmodellierung und die dazugehörige Plattform in JMP Pro . Ich plane, daraus eine monatliche Reihe mit Beiträgen zu machen, in denen ich die Prinzipien der Strukturgleichungsmodellierung sowie deren Implementierung in JMP Pro erkläre. In diesem ersten Beitrag stelle ich die Strukturgleichungsmodellierung vor und erkläre anschließend kurz, wo sie bisher eingesetzt wurde und wo sie zukünftig eingesetzt werden könnte.
Was ist SEM?
Die Strukturgleichungsmodellierung (SEM) ist eine seit langem etablierte Methode zur multivariaten Systemmodellierung, die insbesondere in den Verhaltens- und Sozialwissenschaften Anwendung findet. Ihre Beliebtheit in diesen Bereichen liegt vor allem in der einfachen visuellen Darstellung komplexer multivariater Systeme. SEMs eignen sich ideal zum Verständnis komplexer Beziehungen zwischen Variablen und ermöglichen es, diese auch Personen mit wenig Erfahrung im Bereich der Modellierung oder mit Gleichungssystemen zu erklären. Darüber hinaus ermöglicht SEM die quantitative Bestimmung des indirekten Effekts von Variablen und die Modellierung beliebiger Variablen sowohl als Input als auch als Output. Dadurch kann SEM Beziehungen aufdecken, die bei herkömmlichen Modellierungsmethoden möglicherweise übersehen oder verfälscht werden.
Motivation
Als frischgebackener Absolvent des Chemieingenieurwesens habe ich diese einzigartigen Eigenschaften der Rasterelektronenmikroskopie (SEM) erkannt und bin an deren Anwendung in Wissenschaft und Technik interessiert – eine noch zu untersuchende Voraussetzung. Daher habe ich begonnen, mich mit SEM und der Erstellung, Bewertung und Anpassung dieser Modelle innerhalb der kürzlich hinzugefügten JMP-SEM-Plattform zu befassen. Diese Plattform wurde in JMP Pro 15 hinzugefügt und war Gegenstand zahlreicher Blogbeiträge. Mit der Veröffentlichung von JMP Pro 16 und den damit verbundenen zahlreichen neuen Funktionen im SEM-Modul erschien es mir an der Zeit, eine Tutorial-Reihe zusammenzustellen, die meine Erfahrungen mit SEM und seiner Anwendung mit JMP Pro 16 dokumentiert.
Ich plane, diese laufende JMPer Cable-Reihe zu aktualisieren, sobald ich mehr über das Thema und das Modul erfahre. Diese Reihe dient auch als Einführungs-Tutorial für das JMP Pro 16 SEM-Modul. In dieser Reihe möchte ich auf häufige Stolpersteine hinweisen und schwierige Themen ansprechen, mit denen ich mich kürzlich befasst habe. In dieser Reihe werde ich verschiedene SEM-Konzepte anhand kurzer Videodemonstrationen und leicht verständlicher Datensätze vorstellen.
Wann kann SEM eingesetzt werden?
Sie fragen sich vielleicht, warum SEM im Ingenieurwesen kaum Anwendung findet, während es in den Verhaltens- und Sozialwissenschaften stark verbreitet ist. Dafür gibt es zwei Hauptgründe. Erstens ist der Einsatz von SEM in jedem Kontext mit erheblichen Hürden verbunden, da ein umfassendes Verständnis verschiedener statistischer Kennzahlen und Methoden erforderlich ist. Frühere SEM-Software war in der Regel schwer verständlich und verfügte nicht über viele umfassende Tutorials. Die JMP SEM-Plattform überwindet diese Nachteile anderer SEM-Softwarepakete, indem sie neben den statistischen Ausgaben auch eine integrierte visuelle Analyseplattform bietet, die einen einfachen Vergleich zwischen Modellen ermöglicht.
Darüber hinaus benötigen SEM-Benutzer umfassende Kenntnisse verschiedener Regeln, um das Modell erfolgreich zu identifizieren und Fehler bei der Lösungsfindung zu vermeiden. JMP verfügt über ein Statusfenster, das automatisch Fehler oder Regelverletzungen kennzeichnet, die die Modellidentifizierung behindern könnten. Es enthält eine praktische Erklärung, warum der Fehler aufgetreten ist und wie er möglicherweise behoben werden kann. Ich werde diesen Fehler-Tab in einem späteren Beitrag behandeln. Schon jetzt sei erwähnt, dass er mir unzählige Stunden bei der Fehlerbehebung erspart und meine Frustration über nicht konvergierende Modelle verringert hat.
Zweitens wird SEM typischerweise in Situationen eingesetzt, in denen eine hypothetische Struktur für das zugrunde liegende Modell vorliegt. Dies führt zu Modellen, die auf Grundlage des Benutzerwissens über das System und der Beziehungen zwischen den Variablen erstellt wurden. Anschließend werden die gesammelten Daten eingeführt, um die vom Modell beschriebene Hypothese entweder zu stützen oder zu widerlegen. In der Technik hingegen folgt die Modellkonstruktion üblicherweise einem datengesteuerten Ansatz, bei dem die aus Experimenten oder Systemen gesammelten Daten untersucht werden, um dann Hypothesen und Schlussfolgerungen zu ziehen. Aus diesem Grund werden in der Technik häufiger andere datengesteuerte Methoden wie maschinelles Lernen eingesetzt, was ein offensichtliches Problem bei der Anwendung von SEM in diesem Bereich verdeutlicht. Ich schlage vor, dass es noch einige Möglichkeiten gibt, SEM anzuwenden, aber Sie müssen auf spätere Beiträge dieser Reihe warten, um mehr zu erfahren.
Typische Probleme mit SEM
Ein Nachteil der SEM-Methode besteht darin, dass für sinnvolle und genaue Schlussfolgerungen eine große Stichprobengröße erforderlich ist. Die typische Beobachtungseinheit im technischen Kontext ist das untersuchte Einzelsystem. Bei der Anwendung von SEM in technischen Situationen müssten viele Unternehmen ihre Daten zu ähnlichen Systemen austauschen, damit das SEM-Modell validiert werden kann, was jedoch nicht oft geschieht. Es gibt jedoch einige erweiterte SEM-Anwendungen, die dieses Problem durch die Verwendung zeitabhängiger Prozessdaten umgehen können.
SEM-Methodik
Da der typische Prozess der SEM-Anpassung als vierstufige Methode betrachtet werden kann, werde ich in dieser JMPer Cable-Reihe dieser Methode grob folgen und erklären, wie die einzelnen Konzepte mit dieser typischen Methodik zusammenhängen. Die vier Phasen sind wie folgt:
Vielen Dank fürs Lesen. Ich hoffe, dies hat Ihr Interesse an den SEM-Anwendungen im Ingenieurwesen sowie an den leistungsstarken Funktionen von SEM und der SEM-Plattform in JMP Pro geweckt. Ich freue mich auf Ihre Kommentare.
Toller erster Beitrag, Jordan. Ich bin daran interessiert, SEM auf Geschäfts- und Finanzprobleme anzuwenden. Ich werde weiterhin Ihre kommenden Beiträge lesen.
Großartiger Beitrag, Jordan, ich freue mich darauf, den nächsten zu lesen 
Danke für Ihr Interesse @gzmorgan0 , das ist ein interessantes Thema und ich bin mir sicher, dass einer meiner späteren Beiträge sich mit dieser Idee befassen wird.
Danke @jordanwalters .Ich freue mich auf Ihre Diskussion zum Thema Modellmodifikation. Mein Interesse gilt der effizienten Versuchsplanung bei einem Prozess, der über ein validiertes SEM verfügt. Ich bin mir nicht sicher, ob Ihre bevorstehende Präsentation darauf eingeht, aber ich freue mich auf die Diskussion.
Ich bin wirklich gespannt darauf, mehr über SEM zu lesen! Schön gemacht @jordanwalters
Toller erster Beitrag, @jordanwalters ! Ich freue mich schon auf das nächste.
