成功構建結構方程模型的正確或常見步驟是什麼？我已經學習了有關結構方程建模的理論，但沒有足夠的構建結構方程模型的經驗。 我花了太多時間努力構建一個好的 SEM。 我對構建結構方程模型的步驟有一些疑問，希望有人能給我答案並拯救我。 我正在使用 JMP pro 16。
Q1。 我自己建立結構方程模型的步驟有什麼問題嗎？我錯過了什麼步驟嗎？
我的步驟：
1.我正在使用最大似然估計，因此檢查模型中可能是內生變量的每個變量的分佈，並轉換其中任何非正態分佈的變量；
2.重新調整一些方差很大或很小的變量，以避免潛在的估計問題；
3. 我有 50 多個與自然系統（例如水、棲息地、空氣）的幾個方面（大約 3 - 5 個）相關的變量。 我想使用其中的一些來構建 3 到 5 個潛在變量，它們代表自然系統的不同方面。 然後我想在最終的結構方程模型中使用一些代表人類發展的觀察變量作為外生變量，看看人類發展如何影響自然系統的幾個方面，然後影響動物群體。 下圖是概念模型。
4.對50個變量進行相關性分析，根據結果和現有理論，我將相關性> 0.3並且理論上屬於同一方面的變量分組（一些變量在幾個組中）。 所以我得到了幾組變量。
5. 對每組進行因子分析。 在每組中，我選擇了 2-3 個在同一因子中具有高且相似負載的變量作為潛在變量的指標（這一步往往是主觀的）；
6. 對選定的變量進行驗證性因子分析（見下圖）。 如果通過（基於擬合指數、指標信度、複合信度、構建最大真實性、構建有效性矩陣），則使用這些潛在變量與觀察到的變量（人類發育、動物組）建立結構方程模型。 如果不通過，改變變量組合直到通過。
7. 建立結構方程模型並檢查擬合指數。
Q2：成功構建結構方程模型的正確或常用步驟是什麼？
我看過一些答案或視頻提到在 CFA 之前進行聚類分析、PCA 和因子分析，但我不確定。 也有人可以向我推薦任何文章/書籍/視頻，提供逐步說明來構建 SEM 嗎？ 謝謝。
分析蘋果系統視窗回复：成功構建結構方程模型的正確或常見步驟是什麼？你好，
很遺憾您還沒有收到回复。 原因之一是 SEM 對 JMP 用戶社區來說相對較新。
我認為如果您可以在帖子中發布一個問題，這也可能會有所幫助。 簡短而具體的請求的討論帖子往往會得到最好的回應。 在大多數情況下，發布最簡單的示例數據來說明您正在嘗試做的事情也是一件好事。
我對 SEM 有一點了解（它是我的 Stats MSc 中的模塊之一）。 據我所知，我認為很難給出建立結構方程模型的“正確方法”的處方。 我沒有足夠的知識來評論你提出的方法。 我會說 50 個變量比我在 SEM 示例中看到的要多得多，所以這可能很困難。
在資源方面，您應該尋找 Laura Castro-Schilo 的任何東西（ @LauraCS ）。 例如， JMP(R) Pro 15 中的結構方程模型簡介 (2019-US-45MP-273)
還有，我的同事， @jordanwalters , 每月都會在JMPer 電纜. Jordan 可能會對他在學習 SEM 時發現有用的資源提出一些建議。
抱歉，我無法真正回答您的問題。 但我希望這會有所幫助。
菲爾
回复：成功構建結構方程模型的正確或常見步驟是什麼？嗨lujc07，
SEM 資源：
我強烈建議尋找一些 Laura (@LauraCS) 的資源和帖子，作為在 JMP 中使用 SEM 的良好開端。
值得一看的是： https://community.jmp.com/t5/Discovery-Summit-Americas-2020/ABCs-of-Structural-Equations-Models-2020-US-45MP-590/ta-p/281529
此外，還有許多優秀的 SEM 文本，我認為 Rex Kline 的“結構方程建模的原理和實踐”是一個很好的起點，它具有應用傾向。 您將看到的其他作者還有 Ken Bollen、Schumacker & Lomax、Rick Hoyal 等；他們所有的文本也是很好的資源，有些會比其他的更具技術性。 大多數文本可能會使用來自教育和社會科學的例子，但這些方法通常適用。 該技術簡單地廣泛用於這些領域。
回覆： Q2：我認為通常認為 SEM 最適合遵循探索性因素分析 (EFA / FA)，而不是您列出的其他一些降維技術（PCA、聚類等）。 但是，如果您正在閱讀文獻，您可能會看到之前使用過其他文獻，例如 PCA。 考慮它的有用順序可能是相關矩陣 -> EFA -> CFA -> SEM。
回覆： Q1：步驟 1-6 是進入 SEM 的一組很好的通用步驟。 事實上，我認為有時人們會忘記這些重要的早期步驟，而只是試圖立即建立一個模型，這可能會導致頭痛。 我有幾個建議：
第 5 步：
對每組進行因子分析。 在每組中，我選擇了 2-3 個在同一因子中具有高負載且相似負載的變量作為潛在變量的指標（此步驟往往是主觀的）。
在您的 FA 步驟中，我會考慮在 FA 中包含與您的潛在變量“水、空氣和棲息地”相關的所有變量（v1-v9 等）（您可能這樣做了，但我不太確定）。 原因是，它將幫助您識別可能與這些其他因素交叉負載的那些變量，並幫助您決定是否要包含它們。 一個項目在一個小子集中單獨存在時可能看起來很棒，但當它包含在其他變量中時，它可能不是您想要保留的。它還可以幫助您了解這些因素是否如您預期的那樣分離。
此外，至少使用 3 個變量作為潛在變量（良好的經驗法則），如果你有更多，那是合適的，並且可以很好地加載到一個因子（例如 4 或 5）上，也不需要帶上這些變量如果他們很好地測量了構造，就把它們扔掉。 如果您處於擁有足夠數據的位置，請注意，如果您可以對部分數據（測試集）進行 EFA，然後對另一組數據（有效性集）進行 CFA 跟進，這是理想的。 EFA 的因子結構將由數據驅動，並在新數據集上與 CFA 一起跟進將幫助您確定項目參數和因子是否複製良好。
第 6 步：
- 6. 對選定的變量進行驗證性因子分析（見下圖）。 如果通過（基於擬合指數、指標信度、複合信度、構建最大真實性、構建有效性矩陣），則使用這些潛在變量與觀察變量（人類發育、動物群）建立結構方程模型。 如果不通過，改變變量組合直到通過。
在您確定了潛在變量的變量（使用您在帖子中記錄的所有信息）和要使用的觀察變量之後，請考慮您要測試的不同 SEM。 SEM 的目標是使用理論或更一般地您對某個領域的了解來測試多競爭模型。 競爭模型是參數化不同的模型。 舉個簡單的例子，如果您刪除了“Human Development 2”和“Habitat”之間的路徑，這將產生一個新的、稍微簡單的模型，您可以測試它（嵌套模型）。 該模型相差 1 個參數，並會產生一組新的擬合指數和結果。 如果該模型實際上與包含該路徑的模型一樣適合，我們可能會得出結論，有統計證據表明它是一種更簡約的模型，它既適合也更複雜的模型。 你可以擴展這個想法並運行多個模型，直到你確定你的模型表現出良好的擬合併且對你的理論是合理的。 在修改您的模型以嘗試其他模型時，我建議您有意識地更改路徑，並測試對您和您感興趣的理論有意義的東西。
在 SEM 中，您通常會相互測試模型（通過更改路徑），以查看它們相對於模型的複雜程度如何重新創建數據的均值和協方差結構。 這種方法與回歸之類的方法略有不同，您可能有興趣找到最能預測結果或最大化 R 平方的變量子集。
我希望這有幫助。 我提供的資源將比我在此處提供的資源更深入。
