Modelado de ecuaciones estructurales@LauraCS
Laura, tengo una pregunta (espero) sencilla.
Tengo dos variables (x e y) que predicen una variable de resultado Z
El problema es que creo que y depende de x.
Me gustaría configurar un análisis de ruta que me muestre si y tiene una contribución independiente a Z o si solo sirve como un proxy para x. Cuando lo hago como creo que debería, no obtengo la respuesta que me gustaría.;)
Muchas gracias por tu orientación.
Tim Roberts, profesor de radiología del CHOP
Modelado estadístico avanzadoExploración y visualización de datosRe: Modelado de ecuaciones estructuralesTotalmente de acuerdo Tim. No me di cuenta de que te faltaban datos... ¡eso definitivamente explica las pequeñas diferencias!
Re: Modelado de ecuaciones estructurales@LauraCS Gracias, pero empíricamente no creo que deba cambiar los coeficientes de FA-->M50 o GABA-->M50. La razón por la que vemos una ligera diferencia entre un modelo de regresión múltiple y un modelo mediado es muy probable que se deba a una pequeña cantidad de datos faltantes que pueden no (?) limitar el modelo de regresión múltiple, pero limitarían (?) el modelo mediado o el modelo múltiple. modelo de regresión con covarianza de flecha curva. ¿Suena eso posible?
Re: Modelado de ecuaciones estructuralesMe alegro de que sea útil, @robertstpl !El modelo de mediación implica que la edad tiene un efecto sobre GABA y FA y que (quizás) está planteando la hipótesis de que la edad tiene efectos indirectos sobre M50 que pasan por GABA y FA. El menú del triángulo rojo tiene una opción para Efectos indirectos para que pueda ver cuáles son, si son de su interés. Por lo tanto, si hay efectos indirectos significativos, el modelo de mediación le permite hacer afirmaciones como "La edad afecta a M50 a través de GABA/FA más allá de su efecto directo sobre M50". El modelo de regresión múltiple no hace hipótesis explícitas sobre cómo se asocian Edad, GABA y FA; al agregar las covarianzas, simplemente asumimos que podrían estar relacionadas, pero es probable que sus asociaciones no sean el interés clave en ese modelo.
HH,
~Laura
Re: Modelado de ecuaciones estructuralesGracias @LauraCS esto es muy útil. ¿Cuáles son las consecuencias de utilizar el modelo de mediación (líneas rectas) frente al modelo de regresión múltiple con covarianza (líneas curvas)?
Re: Modelado de ecuaciones estructuralesGracias por compartir las capturas de pantalla. Me pregunto si hay algo en los datos que hace que la estimación resulte en estas pequeñas diferencias, especialmente dadas las grandes diferencias en las varianzas. Si desea compartir sus datos (a través de soporte técnico o DM), podría brindarle más detalles. Sin embargo, lo que esperaría ver son las mismas estimaciones. El script adjunto usa una tabla de datos de muestra simulada para ajustarse a los mismos dos modelos y los resultados son los esperados:
Como nota al margen, podría considerar agregar covarianzas en estos modelos, a menos que realmente espere que sean cero. Específicamente, en el modelo de trayectoria podría ser necesaria la covarianza residual entre GABA y FA, y en el modelo de regresión, se acostumbraría incluir las covarianzas entre edad, GABA y FA.
Mejor,
~Laura
Re: Modelado de ecuaciones estructurales@LauraCS Dos capturas de pantalla de los modelos adjuntos
Re: Modelado de ecuaciones estructuraleslo siento, "x e y están conectados a Z, pero no entre sí"
Re: Modelado de ecuaciones estructuralesPIENSO que se reduce a la diferencia entre SEM (cuando el modelo es un triángulo) frente a la regresión múltiple (que creo que este camino se reduce cuando x e y también están conectados, pero no entre sí). ¿Es esa una interpretación razonable? muchas gracias por cierto
Re: Modelado de ecuaciones estructuralesEsperaría las mismas estimaciones de regresión no estandarizadas pero diferentes estimaciones estandarizadas. Esto se debe a que las estimaciones estandarizadas dependen de la varianza implícita del modelo de las variables, que difiere entre estos dos modelos. Si sus estimaciones no estandarizadas son diferentes, necesitaría ver el modelo exacto. No dude en enviarme un mensaje privado si desea compartir su modelo/datos o también puede enviarlo a support@jmp.com
Mejor,
~Laura
Re: Modelado de ecuaciones estructuralesGracias. Afortunadamente para nosotros, eso era más o menos lo que estábamos haciendo de todos modos. Lamentablemente para nosotros, nos da una respuesta que no nos gusta. Pero al menos estamos seguros de que lo hicimos bien.
Curiosamente, cuando rompemos la conexión entre X e Y, es decir, cuando X e Y van independientemente a Z, obtenemos CASI los mismos pesos y valores p, pero no exactamente. ¿Alguna idea de por qué no exactamente?
Gracias - Tim
Re: Modelado de ecuaciones estructuralesHola Tim,
¡Gracias por su pregunta! ¿Cómo estás configurando tu modelo? Según su descripción, sugeriría ajustar un modelo como este:
donde Liderazgo = X, Conflicto = Y y Satisfacción = Z.
Parece que el coeficiente clave en el que desea enfocarse es el de Y --> Z. Si esa estimación es estadística y prácticamente significativa, entonces sabrá que Y tiene una contribución independiente a Z por encima y más allá de lo que tiene X. En el menú del triángulo rojo, también encontrará las estimaciones estandarizadas que a menudo se usan como tamaños del efecto para cuantificar qué tan grande es el efecto.
HH,
~Laura
