Strukturgleichungsmodellierung@LauraCS
Laura, ich habe eine (hoffentlich) einfache Frage.
Ich habe zwei Variablen (x und y), die eine Ergebnisvariable Z vorhersagen
Das Problem ist, dass y meiner Meinung nach von x abhängt.
Ich möchte eine Pfadanalyse einrichten, die mir zeigt, ob y einen unabhängigen Beitrag zu Z hat oder nur als Proxy für x dient. Wenn ich es so mache, wie ich es für richtig halte, erhalte ich nicht die gewünschte Antwort.;)
Vielen Dank für Ihre Anleitung -
Tim Roberts, Professor für Radiologie, CHOP
Erweiterte statistische ModellierungDatenexploration und -visualisierungBetreff: Modellierung von StrukturgleichungenDa stimme ich voll und ganz zu Tim. Ich habe nicht bemerkt, dass Sie fehlende Daten hatten ... das erklärt definitiv die kleinen Unterschiede!
Betreff: Modellierung von Strukturgleichungen@LauraCS Danke, aber empirisch denke ich nicht, dass es die Koeffizienten von FA -> M50 oder GABA -> M50 ändern sollte. Der Grund, warum wir einen geringfügigen Unterschied zwischen einem multiplen Regressionsmodell und einem vermittelten Modell sehen, ist sehr wahrscheinlich auf eine kleine Menge fehlender Daten zurückzuführen, die das multiple Regressionsmodell möglicherweise nicht (?) einschränken, aber das vermittelte Modell oder das Multiple einschränken würden (?). Regressionsmodell mit gekrümmter Pfeilkovarianz. Klingt das möglich?
Betreff: Modellierung von StrukturgleichungenSchön, dass es hilfreich ist, @robertstpl !Das Vermittlungsmodell impliziert, dass das Alter einen Einfluss auf GABA und FA hat und dass Sie (vielleicht) die Hypothese aufstellen, dass das Alter indirekte Auswirkungen auf M50 hat, die durch GABA und FA gehen. Das Menü mit dem roten Dreieck enthält eine Option für indirekte Effekte, damit Sie sehen können, welche das sind, falls sie von Interesse sind. Wenn es also signifikante indirekte Auswirkungen gibt, ermöglicht Ihnen das Mediationsmodell Aussagen wie „Das Alter beeinflusst M50 durch GABA/FA über seine direkte Wirkung auf M50 hinaus.“ Das multiple Regressionsmodell stellt keine expliziten Hypothesen darüber auf, wie Alter, GABA und FA zusammenhängen; Durch Hinzufügen der Kovarianzen nehmen wir einfach an, dass sie verwandt sein könnten, aber ihre Assoziationen sind wahrscheinlich nicht das Hauptinteresse in diesem Modell.
HTH,
~ Laura
Betreff: Modellierung von StrukturgleichungenDanke @LauraCS das ist sehr hilfreich. Welche Konsequenzen hat die Verwendung des Mediationsmodells (gerade Linien) im Vergleich zum multiplen Regressionsmodell mit Kovarianz (gekrümmte Linien)?
Betreff: Modellierung von StrukturgleichungenDanke für das Teilen der Screenshots. Ich frage mich, ob es etwas an den Daten gibt, das die Schätzung zu diesen kleinen Unterschieden führt, insbesondere angesichts der großen Unterschiede in den Varianzen. Wenn Sie Ihre Daten teilen möchten (über den technischen Support oder DM), könnte ich Ihnen weitere Details geben. Was ich jedoch erwarten würde, sind die gleichen Schätzungen. Das angehängte Skript verwendet eine simulierte Beispieldatentabelle, um dieselben zwei Modelle anzupassen, und die Ergebnisse sind wie erwartet:
Als Randbemerkung sollten Sie erwägen, diesen Modellen Kovarianzen hinzuzufügen, es sei denn, Sie erwarten wirklich, dass diese Null sind. Insbesondere könnte im Pfadmodell die Residualkovarianz zwischen GABA und FA erforderlich sein, und im Regressionsmodell wären die Kovarianzen zwischen Alter, GABA und FA üblicherweise einzubeziehen.
Am besten,
~ Laura
Betreff: Modellierung von Strukturgleichungen@LauraCS Anbei zwei Screenshots der Modelle
Betreff: Modellierung von StrukturgleichungenEntschuldigung "x und y sind mit Z verbunden, aber nicht miteinander"
Betreff: Modellierung von StrukturgleichungenIch denke, es kommt auf den Unterschied zwischen SEM (wenn das Modell ein Dreieck ist) und multipler Regression an (was meiner Meinung nach diesen Pfad reduziert, wenn x und y auch verbunden sind, aber nicht miteinander)? Ist das eine vernünftige Deutung? Vielen Dank übrigens
Betreff: Modellierung von StrukturgleichungenIch würde dieselben nicht standardisierten Regressionsschätzungen erwarten, aber unterschiedliche standardisierte Schätzungen. Dies liegt daran, dass standardisierte Schätzungen von der im Modell implizierten Varianz der Variablen abhängen, die sich zwischen diesen beiden Modellen unterscheidet. Wenn Ihre nicht standardisierten Schätzungen unterschiedlich sind, muss ich mir das genaue Modell ansehen. Fühlen Sie sich frei, mir eine DM zu senden, wenn Sie Ihr Modell / Ihre Daten teilen möchten, oder Sie können es auch an senden support@jmp.com
Am besten,
~ Laura
Betreff: Modellierung von StrukturgleichungenDanke. Zum Glück für uns war das mehr oder weniger das, was wir sowieso taten. Leider gibt es uns eine Antwort, die uns nicht gefällt. Aber zumindest sind wir zuversichtlich, dass wir es richtig gemacht haben.
Interessanterweise erhalten wir FAST die gleichen Gewichtungen und p-Werte, wenn wir die Verbindung zwischen X und Y unterbrechen, dh wenn sowohl X als auch Y unabhängig voneinander zu Z gehen, aber nicht genau. Irgendeine Idee, warum nicht genau?
Danke - Tim
Betreff: Modellierung von StrukturgleichungenHallo Tim,
Danke, für ihre Frage! Wie baust du dein Modell auf? Aufgrund Ihrer Beschreibung würde ich vorschlagen, ein Modell wie dieses anzubringen:
wobei Führung = X, Konflikt = Y und Zufriedenheit = Z.
Es hört sich so an, als ob der Schlüsselkoeffizient, auf den Sie sich konzentrieren möchten, derjenige von Y -> Z ist. Wenn diese Schätzung statistisch und praktisch signifikant ist, wissen Sie, dass Y einen unabhängigen Beitrag zu Z leistet, der über den von X hinausgeht. Im Menü des roten Dreiecks finden Sie auch die standardisierten Schätzungen, die häufig als Effektgrößen verwendet werden, um zu quantifizieren, wie groß der Effekt ist.
HTH,
~ Laura
