Als Neuling in der SAS JMP-Strukturgleichungsmodellierung (SEM) suche ich Rat, wie ich Störvariablen in meinen SEM-Analysen richtig berücksichtigen kann. Ich konnte in der aktuellen Literatur keine geeigneten Richtlinien zur Kontrolle dieser Störvariablen finden.
Ich würde mich über Vorschläge freuen, die sicherstellen können, dass Störvariablen ordnungsgemäß berücksichtigt werden. Vielen Dank im Voraus!
Hallo @Hcrooo ,
Der vielleicht einfachste Weg, über die richtige Berücksichtigung von Störvariablen im SEM nachzudenken, ist die Verwendung eines linearen Regressionsbeispiels. Angenommen, wir möchten die Auswirkung des Body-Mass-Index (BMI) auf den Blutdruck (BP) untersuchen. Mit der Beispieldatentabelle „Diabetes.jmp“ kann ich eine einfache lineare Regression in SEM anpassen und die Ergebnisse würden so aussehen:
Dies legt nahe, dass eine Erhöhung des BMI um eine Einheit zu einer Erhöhung des Blutdrucks um 1,24 Einheiten führt. Da uns jedoch das Alter als Störfaktor Sorgen macht, möchten wir es zum Modell hinzufügen, um seine Wirkung richtig auszugleichen. Wir würden dies tun, indem wir das Alter als Prädiktor für den Blutdruck hinzufügen und auch seine Kovarianz mit dem BMI hinzufügen. Die Ergebnisse würden so aussehen:
Wir können sehen, dass alle Effekte statistisch signifikant sind und die Auswirkung des BMI auf den Blutdruck jetzt geringer ist (1,08), weil wir das Alter kontrollieren. Ihre SEM-Anwendung ist möglicherweise komplexer als dieses Beispiel, aber die allgemeine Idee ist, dass der Confounder als Prädiktor in die Gleichungen eingefügt werden sollte, in denen Sie ihn anpassen möchten, und dass auch die Assoziationen des Confounders mit anderen Variablen im Modell angegeben werden sollten (In diesem Fall haben wir die Kovarianz mit dem BMI hinzugefügt).
HTH,
~Laura
