Was sind die richtigen oder üblichen Schritte, um erfolgreich ein Strukturgleichungsmodell zu erstellen?Ich habe Theorien zur Strukturgleichungsmodellierung gelernt, aber nicht genug Erfahrung mit dem Aufbau eines Strukturgleichungsmodells. Ich habe zu viel Zeit damit verbracht, mit dem Aufbau eines guten SEM zu kämpfen. Ich habe einige Fragen zu den Schritten zum Erstellen eines Strukturgleichungsmodells und hoffe, dass mir jemand die Antwort geben und mich retten würde. Ich verwende JMP Pro 16.
Q1. Gibt es ein Problem mit meinen eigenen Schritten zum Erstellen eines Strukturgleichungsmodells und gibt es einen Schritt, den ich übersehen habe?
Meine Schritte:
1. Ich verwende eine Maximum-Likelihood-Schätzung, also überprüfe die Verteilung jeder Variablen, die eine endogene Variable im Modell sein kann, und transformiere jede von ihnen, die keine normale Verteilung ist;
2. einige Variablen mit sehr großer oder kleiner Varianz neu skalieren, um potenzielle Schätzprobleme zu vermeiden;
3. Ich habe mehr als 50 Variablen, die sich auf verschiedene Aspekte (ca. 3 - 5) eines natürlichen Systems beziehen (z. B. Wasser, Lebensraum, Luft). Ich möchte einige davon verwenden, um 3 bis 5 latente Variablen zu bilden, die verschiedene Aspekte des natürlichen Systems darstellen. Dann möchte ich einige beobachtete Variablen, die die menschliche Entwicklung darstellen, als exogene Variablen im endgültigen Strukturgleichungsmodell verwenden, um zu sehen, wie die menschliche Entwicklung mehrere Aspekte eines natürlichen Systems und dann eine Tiergruppe beeinflusst. Das folgende Diagramm ist das konzeptionelle Modell.
4. Führen Sie eine Korrelationsanalyse für die 50 Variablen durch, basierend auf dem Ergebnis und bestehenden Theorien, gruppierte ich Variablen mit Korrelationen > 0,3 und fiel theoretisch in denselben Aspekt (einige Variablen befanden sich in mehreren Gruppen). Also habe ich mehrere Gruppen von Variablen.
5. Führen Sie eine Faktorenanalyse für jede Gruppe durch. In jeder Gruppe habe ich 2-3 Variablen ausgewählt, die hohe und ähnliche Ladungen in demselben Faktor als Indikatoren für eine latente Variable haben (dieser Schritt ist tendenziell subjektiv);
6. Führen Sie eine konfirmatorische Faktorenanalyse mit ausgewählten Variablen durch (siehe Diagramm unten). Wenn bestanden (basierend auf Anpassungsindizes, Indikatorzuverlässigkeit, zusammengesetzte Zuverlässigkeit, maximale Zuverlässigkeit konstruieren, Gültigkeitsmatrix konstruieren), verwenden Sie diese latenten Variablen, um ein Strukturgleichungsmodell mit beobachteten Variablen (menschliche Entwicklung, Tiergruppe) zu erstellen. Wenn nicht bestanden, ändern Sie die Kombination der Variablen bis zum Bestehen.
7. Aufbau eines Strukturgleichungsmodells und Überprüfung der Fit-Indizes.
F2: Was sind die richtigen oder üblichen Schritte, um erfolgreich ein Strukturgleichungsmodell zu erstellen?
Ich habe einige Antworten oder Videos gesehen, in denen die Durchführung von Clusteranalysen, PCA und Faktoranalysen vor CFA erwähnt wurde, aber ich bin mir nicht sicher. Kann mir auch jemand Artikel/Bücher/Videos empfehlen, die Schritt-für-Schritt-Anleitungen zum Erstellen eines SEM enthalten? Danke.
AnalytikMac OSFensterBetreff: Was sind die richtigen oder üblichen Schritte, um erfolgreich ein Strukturgleichungsmodell zu erstellen?Hallo,
Es tut mir leid zu sehen, dass Sie noch keine Antwort erhalten haben. Ein Grund dafür ist, dass SEM in der Gemeinschaft der JMP-Anwender relativ neu ist.
Ich denke, es könnte auch helfen, wenn Sie eine einzelne Frage in Ihrem Beitrag posten könnten. Kurze Diskussionsbeiträge und spezifische Anfragen erhalten in der Regel die beste Antwort. Das Posten möglichst einfacher Beispieldaten, um zu veranschaulichen, was Sie zu tun versuchen, ist in den meisten Fällen auch eine gute Sache.
Ich weiß ein wenig über SEM (es war eines der Module in meinem Stats MSc). Soweit ich weiß, halte ich es für schwierig, ein Rezept für den "richtigen Weg" zum Erstellen eines Strukturgleichungsmodells zu geben. Ich weiß nicht genug, um den von Ihnen vorgeschlagenen Ansatz zu kommentieren. Ich würde sagen, dass 50 Variablen viel mehr sind, als ich in SEM-Beispielen gesehen habe, daher könnte dies schwierig sein.
In Bezug auf Ressourcen sollten Sie nach etwas von Laura Castro-Schilo suchen ( @LauraCS ). Zum Beispiel, Eine Einführung in Strukturgleichungsmodelle in JMP(R) Pro 15 (2019-US-45MP-273)
Auch mein Kollege, @jordanwalters , veröffentlicht jeden Monat Artikel über SEM im JMPer-Kabel . Jordan könnte einige Vorschläge für Ressourcen haben, die er beim Lernen über SEM nützlich fand.
Tut mir leid, dass ich deine Fragen nicht wirklich beantworten konnte. Aber ich hoffe, dies hilfreich.
Phil
Betreff: Was sind die richtigen oder üblichen Schritte, um erfolgreich ein Strukturgleichungsmodell zu erstellen?Hallo lujc07,
Ressourcen für SEM:
Ich empfehle dringend, einige von Lauras (@LauraCS) Ressourcen und Posts als guten Einstieg in die Verwendung von SEM in JMP zu suchen.
Gut anzuschauen ist: https://community.jmp.com/t5/Discovery-Summit-Americas-2020/ABCs-of-Structural-Equations-Models-2020-US-45MP-590/ta-p/281529
Darüber hinaus gibt es eine Reihe guter SEM-Texte, ich denke, ein guter Anfang ist "Principles and Practice of Structural Equation Modeling" von Rex Kline, es hat eine angewandte Neigung dazu. Andere Autoren, die Sie sehen werden, sind Ken Bollen, Schumacker & Lomax, Rick Hoyal und viele andere; Alle ihre Texte sind ebenfalls großartige Ressourcen und einige werden technischer sein als andere. Die meisten Texte werden wahrscheinlich Beispiele aus den Bildungs- und Sozialwissenschaften verwenden, aber die Ansätze gelten allgemein. Die Technik ist in diesen Bereichen einfach weit verbreitet.
Betreff: Q2: Ich denke, es wird im Allgemeinen als am besten geeignet angesehen, wenn SEM der Exploratory Factor Analysis (EFA / FA) folgt, im Gegensatz zu einigen der anderen von Ihnen aufgeführten Techniken zur Dimensionsreduzierung (PCA, Clustering usw.). Wenn Sie jedoch Literatur lesen, sehen Sie möglicherweise andere wie PCA, die zuvor verwendet wurden. Eine nützliche Reihenfolge in Ihrem Kopf, um darüber nachzudenken, könnte Korrelationsmatrix -> EFA -> CFA -> SEM sein.
Betreff: Q1: Die Schritte 1-6 sind gute allgemeine Schritte für den Einstieg in SEM. Tatsächlich denke ich, dass die Leute manchmal diese wichtigen früheren Schritte vergessen und einfach versuchen, sofort ein Modell zu bauen, was zu Kopfschmerzen führen kann. Ein paar Vorschläge habe ich:
Schritt 5:
Führen Sie eine Faktorenanalyse für jede Gruppe durch. In jeder Gruppe habe ich 2-3 Variablen ausgewählt, die hohe und ähnliche Ladungen in demselben Faktor als Indikatoren für eine latente Variable haben (dieser Schritt ist tendenziell subjektiv).
In Ihrem FA-Schritt würde ich erwägen, alle Variablen (v1-v9 usw.), die mit Ihren latenten Variablen "Wasser, Luft und Lebensraum" verbunden sind, in den FA aufzunehmen (Sie haben dies möglicherweise getan, aber ich war mir nicht ganz sicher). Der Grund dafür ist, dass es Ihnen hilft, die Variablen zu identifizieren, die sich möglicherweise mit diesen anderen Faktoren überschneiden, und Ihnen bei der Entscheidung hilft, ob Sie sie einbeziehen möchten oder nicht. Ein Element kann gut aussehen, wenn es in einer kleinen Teilmenge für sich allein steht, aber wenn es mit den anderen Variablen enthalten ist, möchten Sie es möglicherweise nicht behalten.Es hilft Ihnen auch zu sehen, ob sich diese Faktoren wie erwartet voneinander trennen.
Verwenden Sie außerdem mindestens 3 Variablen für eine latente Variable (gute Faustregel) und wenn Sie mehr als das haben, die angemessen sind, und laden Sie sie gut auf einen Faktor (z. B. 4 oder 5). Werfen Sie sie weg, wenn sie das Konstrukt gut messen. Wenn Sie in der Lage sind, über genügend Daten zu verfügen, beachten Sie, dass es ideal ist, wenn Sie EFAs für einen Teil der Daten (einen Testsatz) durchführen und dann CFAs für einen anderen Datensatz (einen Gültigkeitssatz) nachverfolgen können. Die Faktorstruktur für die EFAs wird von den Daten bestimmt, und wenn Sie sie mit CFAs auf einem neuen Datensatz verfolgen, können Sie feststellen, ob sich die Artikelparameter und -faktoren gut replizieren lassen.
Schritt 6:
- 6. Führen Sie eine konfirmatorische Faktorenanalyse mit ausgewählten Variablen durch (siehe Diagramm unten). Wenn bestanden (basierend auf Anpassungsindizes, Indikatorzuverlässigkeit, zusammengesetzte Zuverlässigkeit, maximale Zuverlässigkeit konstruieren, Gültigkeitsmatrix konstruieren), verwenden Sie diese latenten Variablen, um ein Strukturgleichungsmodell mit beobachteten Variablen (menschliche Entwicklung, Tiergruppe) zu erstellen. Wenn nicht bestanden, ändern Sie die Kombination der Variablen bis zum Bestehen.
Nachdem Sie sich auf Ihre Variablen für Ihre latenten Variablen (unter Verwendung aller Informationen, die Sie in Ihrem Beitrag notiert haben) und die beobachteten Variablen, die Sie verwenden möchten, festgelegt haben, denken Sie über die verschiedenen SEMs nach, die Sie testen möchten. Das Ziel von SEM ist es, die Theorie oder allgemeiner Ihr Wissen auf einem Gebiet zu testen mehrere konkurrierende Modelle. Ein konkurrierendes Modell ist eines, das sich in seiner Parametrisierung unterscheidet. Ein einfaches Beispiel: Wenn Sie den Pfad zwischen „Human Development 2“ und „Habitat“ entfernen würden, würde dies zu einem neuen, etwas einfacheren Modell führen, das Sie testen könnten (ein verschachteltes Modell). Das Modell unterscheidet sich um 1 Parameter und würde zu einem neuen Satz von Anpassungsindizes und -ergebnissen führen. Wenn dieses Modell praktisch genauso gut passt wie das Modell, das diesen Pfad beinhaltete, könnten wir daraus schließen, dass es statistische Beweise dafür gibt, dass es sich um ein sparsameres Modell handelt, das genauso gut passt wie ein komplexeres. Sie können diese Idee erweitern und mehrere Modelle ausführen, bis Sie sich für ein Modell entschieden haben, das gut passt und für Ihre Theorie angemessen ist. Wenn Sie Ihr Modell ändern, um andere Modelle auszuprobieren, empfehle ich, mit Ihren Änderungen an Pfaden absichtlich umzugehen und Dinge zu testen, die für Sie und die Theorie, an der Sie interessiert sind, Sinn machen.
In SEM testen Sie normalerweise Modelle (durch Ändern der Pfade) gegeneinander, um zu sehen, wie gut sie die Mittelwerte und die Kovarianzstruktur der Daten im Verhältnis zur Komplexität des Modells nachbilden. Dieser Ansatz unterscheidet sich ein wenig von so etwas wie einer Regression, bei der Sie möglicherweise daran interessiert sind, eine Teilmenge von Variablen zu finden, die ein Ergebnis am besten vorhersagen oder R-Quadrat maximieren.
Ich hoffe das hilft. Die von mir bereitgestellten Ressourcen werden erheblich mehr Tiefe haben als das, was ich hier bereitstellen konnte.
