구조 방정식 모델을 성공적으로 구축하기 위한 올바른 또는 일반적인 단계는 무엇입니까?구조 방정식 모델링에 대한 이론을 배웠지만 구조 방정식 모델을 구축한 경험이 충분하지 않습니다. 좋은 SEM을 구축하는 데 너무 많은 시간을 보냈습니다. 구조 방정식 모델을 구축하는 단계에 대해 몇 가지 질문이 있습니다. 누군가가 답을 주고 저를 구해주길 바랍니다. JMP 프로 16을 사용하고 있습니다.
Q1. 구조 방정식 모델을 구축하는 내 단계에 문제가 있습니까? 내가 놓친 단계가 있습니까?
내 단계:
1. 최대우도 추정을 사용하고 있으므로 모델에서 내생 변수일 수 있는 각 변수의 분포를 확인하고 정규 분포가 아닌 변수를 변환합니다.
2. 잠재적인 추정 문제를 피하기 위해 매우 크거나 작은 분산으로 일부 변수의 척도를 재조정합니다.
3. 자연계(예: 물, 서식지, 공기)의 여러 측면(약 3 - 5개)과 관련된 50개 이상의 변수가 있습니다. 나는 그들 중 일부를 사용하여 자연 시스템의 다양한 측면을 나타내는 3~5개의 잠재 변수를 만들고 싶습니다. 그런 다음 인간 발달이 자연 시스템의 여러 측면에 영향을 미치고 동물 그룹에 영향을 미치는 방식을 보기 위해 최종 구조 방정식 모델의 외생 변수로 인간 발달을 나타내는 일부 관찰된 변수를 사용하고 싶습니다. 다음 다이어그램은 개념적 모델입니다.
4. 50개 변수에 대한 상관 분석을 실행하여 결과 및 기존 이론을 기반으로 상관 관계가 > 0.3이고 이론적으로 동일한 측면에 속하는 변수를 그룹화했습니다(일부 변수는 여러 그룹에 속함). 그래서 여러 변수 그룹을 얻었습니다.
5. 각 그룹에 대한 요인 분석을 실행합니다. 각 그룹에서 잠재 변수에 대한 지표와 동일한 요소에서 높고 유사한 로딩을 갖는 2-3개의 변수를 선택했습니다(이 단계는 주관적인 경향이 있음).
6. 선택한 변수로 확증적 요인 분석을 실행합니다(아래 다이어그램 참조). 통과(적합 지수, 지표 신뢰도, 복합 신뢰도, 최대 실현 가능성 구성, 유효성 매트릭스 구성)에 통과하면 이러한 잠재 변수를 사용하여 관찰된 변수(인간 발달, 동물 그룹)로 구조 방정식 모델을 구축합니다. 통과하지 못하면 통과할 때까지 변수 조합을 변경합니다.
7. 구조 방정식 모델을 구축하고 적합 지수를 확인합니다.
Q2: 구조 방정식 모델을 성공적으로 구축하기 위한 올바른 또는 일반적인 단계는 무엇입니까?
CFA 전에 클러스터링 분석, PCA 및 요인 분석 수행에 대해 언급하는 답변이나 동영상을 본 적이 있지만 잘 모르겠습니다. 또한 SEM을 구축하기 위한 단계별 지침을 제공하는 기사/도서/비디오를 추천할 수 있는 사람이 있습니까? 감사 해요.
해석학맥 OS창Re: 구조 방정식 모델을 성공적으로 구축하기 위한 올바른 또는 일반적인 단계는 무엇입니까?안녕,
아직 회신을 받지 못하셨다니 유감입니다. 그 이유 중 하나는 SEM이 JMP 사용자 커뮤니티에 비교적 새롭기 때문입니다.
게시물에 질문 하나만 올려주시면 도움이 될 것 같습니다. 짧고 구체적인 요청이 있는 토론 게시물이 가장 좋은 반응을 얻는 경향이 있습니다. 당신이 하려는 것을 설명하기 위해 가능한 가장 간단한 예제 데이터를 게시하는 것도 대부분의 경우 좋은 일입니다.
저는 SEM에 대해 조금 알고 있습니다(이것은 제 Stats MSc의 모듈 중 하나였습니다). 제가 알기로는 구조방정식 모델을 구축하기 위한 '올바른 방법'에 대한 처방을 내리기는 어렵다고 생각합니다. 나는 당신이 제안한 접근 방식에 대해 논평할 만큼 충분히 알지 못합니다. 50개의 변수는 SEM 예제에서 본 것보다 훨씬 더 많기 때문에 어려울 수 있습니다.
리소스 측면에서 Laura Castro-Schilo( @LauraCS ). 예를 들어, JMP(R) Pro 15의 구조 방정식 모델 소개(2019-US-45MP-273)
또한 내 동료, @jordanwalters 은 매월 SEM에 대한 기사를 게시하고 있습니다. JMPer 케이블 . Jordan은 SEM에 대해 배울 때 유용하다고 생각한 리소스에 대해 몇 가지 제안을 할 수 있습니다.
질문에 답변을 드리지 못해 죄송합니다. 하지만 이것이 도움이 되기를 바랍니다.
필
Re: 구조 방정식 모델을 성공적으로 구축하기 위한 올바른 또는 일반적인 단계는 무엇입니까?안녕하세요 lujc07님,
검색엔진 마케팅을 위한 리소스:
JMP에서 SEM을 사용하기 위한 좋은 시작으로 Laura(@LauraCS) 리소스 및 게시물 중 일부를 찾는 것이 좋습니다.
좋은 시청 방법은 다음과 같습니다. https://community.jmp.com/t5/Discovery-Summit-Americas-2020/ABCs-of-Structural-Equations-Models-2020-US-45MP-590/ta-p/281529
또한 좋은 SEM 텍스트가 많이 있습니다. 좋은 시작은 Rex Kline의 "Principles and Practice of Structural Equation Modeling"입니다. 다른 작가로는 Ken Bollen, Schumacker & Lomax, Rick Hoyal 등이 있습니다. 그들의 모든 텍스트는 훌륭한 리소스이기도 하며 일부는 다른 것보다 더 기술적인 것입니다. 대부분의 텍스트는 교육 및 사회 과학의 예를 사용하지만 접근 방식은 일반적으로 적용됩니다. 이 기술은 단순히 해당 영역에서 널리 사용됩니다.
답장: 질문 2: 귀하가 나열한 다른 차원 축소 기술(PCA, 클러스터링 등)과 달리 SEM이 탐색적 요인 분석(EFA/FA)을 따르는 것이 일반적으로 가장 적절하다고 생각합니다. 그러나 문헌을 읽고 있다면 PCA와 같은 다른 것들이 이전에 사용되는 것을 볼 수 있습니다. 그것에 대해 생각할 때 머리 속의 유용한 순서는 상관 행렬 -> EFA -> CFA -> SEM일 수 있습니다.
답장: 질문 1: 1-6단계는 SEM으로 이동하기 위한 일반적인 단계입니다. 사실, 때때로 사람들은 이러한 중요한 초기 단계를 잊고 두통으로 이어질 수 있는 모델을 즉시 구축하려고 합니다. 내가 가지고 있는 몇 가지 제안:
5단계:
각 그룹에 대한 요인 분석을 실행합니다. 각 그룹에서 잠재 변수에 대한 지표와 동일한 요소에서 높고 유사한 로딩을 갖는 2-3개의 변수를 선택했습니다(이 단계는 주관적인 경향이 있음).
FA 단계에서 잠재 변수 "물, 공기 및 서식지"와 관련된 모든 변수(v1-v9 등)를 FA에 포함하는 것을 고려할 것입니다(이 작업을 수행했을 수도 있지만 확실하지 않음). 그 이유는 이러한 다른 요소와 교차 부하가 될 수 있는 변수를 식별하고 포함할지 여부를 결정하는 데 도움이 되기 때문입니다. 항목은 작은 하위 집합에 단독으로 있을 때는 멋지게 보일 수 있지만 다른 변수와 함께 포함되어 있으면 유지하고 싶은 항목이 아닐 수 있습니다.또한 이러한 요소가 예상대로 분리되는지 확인하는 데 도움이 됩니다.
또한 잠재적인 변수에 대해 최소 3개의 변수를 사용하고(좋은 경험 법칙), 그 이상이 있으면 적절하고 요인(예: 4 또는 5)에 잘 로드할 필요가 없는 변수도 함께 가져옵니다. 그들이 구조를 잘 측정한다면 그것들을 버리십시오. 충분한 데이터가 있는 위치에 있는 경우 데이터의 일부(테스트 세트)에 대해 EFA를 수행한 다음 다른 데이터 세트(유효성 세트)에 대해 CFA를 후속 조치할 수 있다면 이상적입니다. EFA의 요인 구조는 데이터에 의해 주도될 것이며 새로운 데이터 세트에 대한 CFA를 따라가면 항목 매개변수와 요인이 잘 복제되는지 식별하는 데 도움이 됩니다.
6단계:
- 6. 선택한 변수로 확증적 요인 분석을 실행합니다(아래 다이어그램 참조). 통과(적합 지수, 지표 신뢰도, 복합 신뢰도, 최대 실현 가능성 구성, 유효성 매트릭스 구성)에 통과하면 이러한 잠재 변수를 사용하여 관찰된 변수(인간 발달, 동물 그룹)로 구조 방정식 모델을 구축합니다. 통과하지 못하면 통과할 때까지 변수 조합을 변경합니다.
잠재 변수에 대한 변수(게시물에 기록해 둔 모든 정보 사용)와 사용하려는 관찰된 변수에 대한 변수를 결정한 후 테스트하려는 다양한 SEM에 대해 생각하십시오. SEM의 목표는 이론을 사용하거나 더 일반적으로 영역에 대한 지식을 사용하여 테스트하는 것입니다. 다수의 경쟁 모델. 경쟁 모델은 매개변수화가 다른 모델입니다. 간단한 예를 들어 "인간 개발 2"와 "서식지" 사이의 경로를 제거하면 테스트할 수 있는 약간 더 간단한 새 모델(중첩 모델)이 생성됩니다. 모델은 1개의 매개변수가 다르며 새로운 적합 지수 및 결과 세트를 생성합니다. 해당 모델이 해당 경로를 포함하는 모델과 실제로 적합하다면 더 복잡한 모델과 마찬가지로 더 간결한 모델이라는 통계적 증거가 있다는 결론을 내릴 수 있습니다. 이 아이디어를 확장하고 이론에 적합하고 타당한 모델이 결정될 때까지 여러 모델을 실행할 수 있습니다. 다른 모델을 시도하기 위해 모델을 수정할 때 경로를 의도적으로 변경하고 자신과 관심 있는 이론에 의미가 있는 것을 테스트하는 것이 좋습니다.
SEM에서는 일반적으로 모델이 얼마나 복잡한지와 관련하여 데이터의 평균 및 공분산 구조를 얼마나 잘 재생성하는지 확인하기 위해 서로에 대해 모델을 테스트합니다(경로 변경을 통해). 이 접근 방식은 결과를 가장 잘 예측하거나 R 제곱을 최대화하는 변수의 하위 집합을 찾는 데 관심이 있을 수 있는 회귀와 약간 다릅니다.
이게 도움이 되길 바란다. 내가 제공한 리소스는 여기에서 제공할 수 있는 것보다 훨씬 더 깊이가 있습니다.
