Como alguien nuevo en el modelado de ecuaciones estructurales (SEM) de SAS JMP, estoy buscando consejos sobre cómo abordar adecuadamente las variables de confusión en mis análisis SEM. No pude encontrar pautas apropiadas sobre cómo controlar estas variables de confusión en la literatura actual.
Agradecería cualquier sugerencia que pueda garantizar que las variables de confusión se tengan en cuenta correctamente. ¡Gracias de antemano!
Hola @Hcrooo ,
Quizás la forma más fácil de pensar en abordar adecuadamente las variables de confusión en SEM es usar un ejemplo de regresión lineal. Supongamos que estamos interesados en examinar el efecto del índice de masa corporal (IMC) sobre la presión arterial (PA). Usando la tabla de datos de muestra "Diabetes.jmp", puedo ajustar una regresión lineal simple en SEM y los resultados se verían así:
lo que sugiere que un aumento de una unidad en el IMC da como resultado un aumento de 1,24 unidades en la PA. Sin embargo, nos preocupa la edad como factor de confusión, por lo que queremos agregarlo al modelo para ajustar correctamente su efecto. Esto lo haríamos agregando la edad como predictor de la PA y también agregando su covarianza con el IMC. Los resultados se verían así,
Podemos ver que todos los efectos son estadísticamente significativos y que el efecto del IMC sobre la PA ahora es menor (1,08) porque estamos controlando por edad. Su aplicación SEM puede ser más compleja que este ejemplo, pero la idea general es que el factor de confusión debe agregarse como predictor en las ecuaciones en las que desea ajustarlo, y también deben especificarse las asociaciones del factor de confusión con otras variables en el modelo. (en este caso sumamos la covarianza con el IMC).
HH,
~Laura
