Re: 構造方程式モデルをうまく構築するための正しい手順または一般的な手順は何ですか?lujc07 さん、こんにちは。
SEM のリソース:
JMP で SEM を使用するための良いスターターとして、Laura (@LauraCS) のリソースや投稿を探すことを強くお勧めします。
見るのに良いものは次のとおりです。 https://community.jmp.com/t5/Discovery-Summit-Americas-2020/ABCs-of-Structural-Equations-Models-2020-US-45MP-590/ta-p/281529
さらに、優れた SEM テキストが数多くあります。Rex Kline による「構造方程式モデリングの原則と実践」が良い手始めだと思います。 他の著者は、Ken Bollen、Schumacker & Lomax、Rick Hoyal などです。彼らのテキストはすべて優れたリソースでもあり、一部は他のものよりも技術的です。 テキストのほとんどは、教育や社会科学の例を使用する可能性がありますが、アプローチは一般的に適用されます。 この技術は、これらの分野で広く使用されています。
Re: Q2:あなたがリストした他の次元削減手法（PCA、クラスタリングなど）とは対照的に、SEMが探索的因子分析（EFA / FA）に従うことが一般的に最も適切であると考えられると思います。 ただし、文献を読んでいる場合は、PCA などの他の文献が以前に使用されていることに気付くかもしれません。 それについて考えるための頭の中での便利な順序は、相関行列 -> EFA -> CFA -> SEM かもしれません。
Re: Q1:ステップ 1 ～ 6 は、SEM に移行するための適切な一般的な一連のステップです。 実際、これらの重要な初期段階のステップを忘れて、すぐにモデルを構築しようとする人がいると思いますが、これが頭痛の種になる可能性があります。 私が持っているいくつかの提案：
ステップ 5:
各グループの因子分析を実行します。 各グループで、潜在変数の指標と同じ要因で負荷が高く類似している 2 ～ 3 個の変数を選択しました (このステップは主観的である傾向があります)。
あなたのFAステップでは、潜在変数「水、空気、生息地」に関連付けられたすべての変数（v1-v9など）をFAに含めることを検討します（これを行った可能性がありますが、よくわかりませんでした）。 その理由は、これらの他の要因と交差する可能性のある変数を特定し、それらを含めるかどうかを決定するのに役立つからです。 小さなサブセットでそれ自体が含まれている場合、アイテムは見栄えがするかもしれませんが、他の変数に含まれている場合、保持したくないものである可能性があります。また、これらの要因が期待どおりに分離されているかどうかを確認するのにも役立ちます.
さらに、潜在変数には少なくとも 3 つの変数を使用し (大雑把に言えば)、それ以上の変数がある場合は適切であり、因子 (4 や 5 など) に適切にロードする必要はありません。彼らが構造をよく測定するならば、それらを捨ててください。 十分なデータを取得できる立場にある場合は、データの一部 (テスト セット) で EFA を実行し、別のデータ セット (妥当性セット) で CFA をフォローアップすることが理想的であることに注意してください。 EFA の因子構造はデータによって決まるため、新しいデータ セットで CFA を追跡することで、項目のパラメーターと因子が適切に再現されているかどうかを特定するのに役立ちます。
ステップ 6:
- 6. 選択した変数で確認因子分析を実行します (下の図を参照)。 合格した場合 (適合指数、指標の信頼性、複合信頼性、最大現実性の構築、妥当性行列の構築に基づく)、これらの潜在変数を使用して、観測された変数 (人間の発達、動物群) を含む構造方程式モデルを構築します。 パスしない場合は、パスするまで変数の組み合わせを変更します。
潜在変数の変数 (投稿でメモしたすべての情報を使用) と、使用する観測変数を決定したら、テストするさまざまな SEM について考えます。 SEM の目標は、理論を使用するか、より一般的には領域に関する知識を使用してテストすることです。多数競合モデル。 競合モデルとは、パラメーター化が異なるモデルです。 簡単な例として、"Human Development 2" と "Habitat" の間のパスを削除すると、テスト可能な新しい少し単純なモデル (ネストされたモデル) が生成されます。 モデルは 1 つのパラメーターが異なるため、適合インデックスと結果の新しいセットが生成されます。 そのモデルがそのパスを含むモデルと同様に実際に適合する場合、より複雑なモデルと同様に適合する、より倹約的なモデルであるという統計的証拠があると結論付けることができます。 このアイデアを拡張して、理論に適合し、適切なモデルに落ち着くまで、複数のモデルを実行できます。 モデルを変更して他のモデルを試す場合は、意図的にパスを変更し、自分と興味のある理論にとって意味のあることをテストすることをお勧めします。
SEM では、通常、(パスを変更することによって) モデルを相互にテストして、モデルの複雑さと比較して、データの平均と共分散構造がどの程度再現されているかを確認します。 このアプローチは、結果を最適に予測したり、R の二乗を最大化する変数のサブセットを見つけることに関心がある回帰のようなものとは少し異なります。
これが役立つことを願っています。 私が提供したリソースは、ここで提供できたものよりもかなり深くなります。
Re: 構造方程式モデルをうまく構築するための正しい手順または一般的な手順は何ですか?やあ、
まだお返事をいただいていないことをお詫び申し上げます。 その理由の 1 つは、JMP ユーザーのコミュニティにとって SEM が比較的新しいことです。
投稿に 1 つの質問を投稿していただけると助かる場合もあると思います。 短くて具体的なリクエストであるディスカッション投稿は、最良の反応を得る傾向があります。 あなたがやろうとしていることを説明するために、可能な限り単純なサンプルデータを投稿することも、ほとんどの場合良いことです.
私は SEM について少し知っています (これは私の Stats MSc のモジュールの 1 つでした)。 私の知る限り、構造方程式モデルを構築するための「正しい方法」について処方箋を出すのは難しいと思います。 あなたが提案したアプローチについてコメントするのに十分な知識がありません。 50 個の変数は、SEM の例で見たよりもはるかに多いので、これは難しいかもしれません。
リソースに関しては、Laura Castro-Schilo ( @LauraCS ）。 例えば、 JMP(R) Pro 15 の構造方程式モデルの紹介 (2019-US-45MP-273)
また、私の同僚は、 @ジョーダンウォルターズでは、SEMに関する記事を毎月掲載しています。 JMPer ケーブル. Jordan は、SEM について学習する際に役立つリソースについて、いくつかの提案をしているかもしれません。
申し訳ありませんが、私は本当にあなたの質問に答えることができませんでした. しかし、これが役立つことを願っています。
フィル
構造方程式モデルを正常に構築するための正しい手順または一般的な手順は何ですか?私は構造方程式モデリングに関する理論を学習しましたが、構造方程式モデルを構築する十分な経験がありません。 私は優れた SEM を構築するのに非常に多くの時間を費やしてきました。 構造方程式モデルを構築する手順についていくつか質問があるので、誰かが答えて私を救ってくれることを願っています。 JMPプロ16を使用しています。
Q1. 構造方程式モデルを構築する自分の手順に問題はありますか?また、見逃した手順はありますか?
私の手順:
1. 最尤推定を使用しているため、モデル内の内生変数である可能性がある各変数の分布を確認し、正規分布ではない変数を変換します。
2. 潜在的な推定上の問題を回避するために、分散が非常に大きいまたは小さい一部の変数を再スケーリングします。
3. 自然システム (水、生息地、空気など) のいくつかの側面 (約 3 ～ 5) に関連する 50 を超える変数があります。 それらのいくつかを使用して、自然システムのさまざまな側面を表す 3 ～ 5 つの潜在変数を構築したいと考えています。 次に、人間の発達を表すいくつかの観測変数を最終的な構造方程式モデルの外生変数として使用して、人間の発達が自然システムのいくつかの側面にどのように影響し、その後動物グループにどのような影響を与えるかを確認したいと思います。 次の図は概念モデルです。
4. 結果と既存の理論に基づいて、50 個の変数に対して相関分析を実行します。相関が 0.3 を超え、理論的には同じ側面に該当する変数をグループ化しました (一部の変数は複数のグループに含まれていました)。 したがって、変数のグループをいくつか取得しました。
5. 各グループに対して因子分析を実行します。 各グループで、潜在変数の指標として同じ因子に高い類似の負荷を持つ変数を 2 ～ 3 つ選択しました (このステップは主観的になる傾向があります)。
6. 選択した変数を使用して確認因子分析を実行します (以下の図を参照)。 合格した場合 (適合指数、指標の信頼性、複合信頼性に基づいて、最大現実性を構築し、妥当性行列を構築)、これらの潜在変数を使用して、観測変数 (人間の発達、動物グループ) を含む構造方程式モデルを構築します。 合格しない場合は、合格するまで変数の組み合わせを変更します。
7. 構造方程式モデルを構築し、適合指数を確認します。
Q2: 構造方程式モデルを正常に構築するための正しい手順または一般的な手順は何ですか?
CFA の前にクラスタリング分析、PCA、因子分析を実施することに言及した回答やビデオをいくつか見たことがありますが、よくわかりません。 また、SEM を構築するための段階的な手順を説明する記事、書籍、ビデオを誰かが私に勧めてくれませんか? ありがとう。
消費者および市場調査マックOSウィンドウズ
