Bienvenidos a mi primera publicación sobre el modelado de ecuaciones estructurales y su plataforma correspondiente en JMP Pro . Planeo que esta sea una serie mensual con publicaciones que expliquen los principios del modelado de ecuaciones estructurales y cómo implementarlos en JMP Pro. En esta primera publicación, presentaré el modelado de ecuaciones estructurales y luego explicaré brevemente dónde se ha utilizado en el pasado y dónde podría usarse en el futuro.
¿Qué es SEM?
El modelado de ecuaciones estructurales (SEM) es un método de larga data para el modelado de sistemas multivariados que ha experimentado una adopción significativa en las ciencias sociales y del comportamiento. Su popularidad en estos campos se debe, en gran medida, a su sencilla representación visual de sistemas multivariados complejos. Los SEM son ideales para comprender relaciones complejas entre variables, lo que permite explicarlas a quienes tienen poca experiencia en el campo del modelado o en sistemas de ecuaciones. Además, el SEM permite determinar cuantitativamente el efecto indirecto de las variables, así como modelar cualquier variable como entrada y como salida. Como resultado, el SEM puede detectar relaciones que, de otro modo, podrían pasarse por alto o confundirse al utilizar métodos de modelado tradicionales.
Motivación
Como recién graduado en ingeniería química, he observado estas propiedades únicas del SEM y me interesa explorar sus aplicaciones en el ámbito de la ciencia y la ingeniería, una premisa aún no explorada. Por consiguiente, he comenzado a aprender sobre el SEM y cómo construir, evaluar y modificar estos modelos dentro de la plataforma JMP SEM, recientemente incorporada. Esta plataforma se añadió en JMP Pro 15 y fue objeto de numerosas entradas de blog. Con la llegada de JMP Pro 16 y, por consiguiente, la incorporación de numerosas funciones nuevas al módulo SEM, me pareció un buen momento para compilar una serie de tutoriales que repasaran mi experiencia en el aprendizaje y la aplicación del SEM con JMP Pro 16.
Planeo actualizar esta serie sobre JMPer Cable a medida que aprenda más sobre el tema y el módulo a medida que se desarrolla. Esta serie también servirá como tutorial de introducción al módulo SEM de JMP Pro 16. En esta serie, espero señalar obstáculos comunes y abordar temas complejos que he abordado recientemente. A lo largo de esta serie, mostraré varios conceptos de SEM mediante breves demostraciones en video, aplicando conjuntos de datos fáciles de entender.
¿Cuándo se puede utilizar el SEM?
Quizás se pregunte por qué el SEM ha tenido poca adopción en ingeniería, mientras que se emplea ampliamente en ciencias sociales y del comportamiento. Hay dos razones principales. En primer lugar, existe una importante barrera de entrada para su uso en cualquier contexto, ya que se requiere un conocimiento profundo de diferentes métricas y métodos estadísticos. El software SEM anterior solía ser bastante difícil de entender y no contaba con muchos tutoriales completos. La plataforma JMP SEM supera las desventajas de otros paquetes de software SEM al integrar una plataforma de análisis visual junto con los resultados estadísticos, lo que facilita la comparación entre modelos.
Además, los usuarios de SEM deben tener un conocimiento profundo de diversas reglas para identificar correctamente el modelo y evitar errores al determinar una solución. JMP incluye una ventana de estado que señala automáticamente cualquier error o infracción de reglas que pueda dificultar la identificación del modelo, junto con una explicación práctica de por qué se produjo el error y cómo solucionarlo. Abordaré esta pestaña de errores en una publicación posterior, pero quiero que sepan que, por ahora, esto me ha ahorrado incontables horas de depuración y ha reducido mi frustración con los modelos que no convergen.
En segundo lugar, el SEM se emplea típicamente en situaciones donde existe una estructura hipotética para el modelo subyacente, lo que resulta en modelos creados con base en el conocimiento del usuario sobre el sistema y las relaciones entre las variables. Posteriormente, los datos recopilados se introducen para respaldar o refutar la hipótesis descrita por el modelo. Sin embargo, en ingeniería, la construcción de modelos suele seguir un enfoque basado en datos, donde se estudian los datos recopilados de experimentos o sistemas para luego extraer hipótesis y conclusiones. Por esta razón, otros métodos basados en datos, como el aprendizaje automático, se emplean con mayor frecuencia en ingeniería y ponen de manifiesto un problema evidente al aplicar el SEM en este campo. Propongo que existen un par de maneras en que el SEM aún se puede aplicar, pero deberán esperar a publicaciones posteriores de esta serie para obtener más información.
Problemas típicos con SEM
Una desventaja del uso de SEM es que requiere un tamaño de muestra grande para realizar inferencias razonables y precisas. La unidad de observación típica en el contexto de la ingeniería sería el sistema singular en estudio. Al aplicar SEM a situaciones de ingeniería, muchas empresas necesitarían compartir sus datos en sistemas similares para validar el modelo SEM, lo cual no suele ocurrir. Sin embargo, existen algunas aplicaciones SEM avanzadas que podrían emplearse para solucionar este problema mediante el uso de datos de proceso dependientes del tiempo.
Metodología SEM
Dado que el proceso típico de ajuste de microscopios electrónicos de barrido (SEM) puede considerarse un método de cuatro etapas, lo seguiré de forma general a lo largo de esta serie sobre JMPer Cable para explicar cómo se relaciona cada concepto con esta metodología típica. Las cuatro etapas son las siguientes:
Gracias por leer. Espero que esto haya despertado su interés en las aplicaciones de SEM en ingeniería, así como en las potentes capacidades de SEM y la plataforma SEM en JMP Pro. Espero leer su opinión en los comentarios.
Gran primer post Jordania. Estoy interesado en aplicar SEM a problemas empresariales y financieros. Seguiré leyendo tus próximas publicaciones.
Gran post Jordan, deseando leer el siguiente 
Gracias por tu interés @gzmorgan0 , ese es un tema interesante y estoy seguro de que una de mis publicaciones más adelante profundizará en esta idea.
Gracias @jordanwalters .Espero con interés su discusión sobre la modificación del modelo. Uno de mis intereses es el diseño eficiente de experimentos dado un proceso que tiene un SEM validado. No estoy seguro si su próxima presentación aborda eso, pero espero con ansias esa discusión.
