J'ai un ensemble de données de 768 lignes de données prises sur 32 mois à partir de parcelles avec différentes végétations au sol et génotypes de plantes. Les données climatiques (T, RH et Pluie) ont été recueillies au cours de la même période à partir d'une station météorologique à proximité. J'ai une estimation de la densité des pucerons et des données d'occurrence pour les fourmis et les prédateurs généralistes. J'aimerais utiliser l'analyse de trajectoire dans JMP pour explorer comment la variable exogène du climat affecte la présence de pucerons et de prédateurs de fourmis sur les plantes, et comment la présence de fourmis et de prédateurs affecte les densités de pucerons sur les plantes. J'ai exploré l'utilisation de la fonction de modèle d'équation structurelle de JMP 16 Pro pour créer les modèles appropriés, mais je ne sais toujours pas comment choisir les modèles appropriés par parcimonie tout en conservant un ajustement approprié. J'ai construit le modèle suivant avec 26 paramètres
T, RH et effet unidirectionnel des précipitations sur les pucerons
Fourmis et prédateur covariant avec les pucerons
T covariant avec RH
HR covariant avec les précipitations
J'obtiens un CIF élevé proche de 1 et un RMSEA proche de zéro
La sortie semble correcte, mais le R2 des variables endogènes - pucerons, fourmis et prédateurs est assez faible.
J'ai essayé la même analyse sur un résumé des données - jusqu'à une taille d'échantillon de 64. Cela me donne un CIF inférieur et un RMSEA supérieur (c'est-à-dire un ajustement moins bon) mais beaucoup de R2 de chacune des trois variables endogènes.
Mes questions sont :
1. est-il acceptable de travailler avec un résumé des moyennes plutôt qu'avec des données originales (la taille de l'échantillon diminue mais aucun paramètre n'est inchangé)
2. Le R2 des variables endogènes est-il important, par rapport à CIF et RMSEA
3. Comment puis-je justifier de réduire le nombre de paramètres dans le modèle mais de supprimer des variables et/ou de réduire l'appariement de variables.
J'attends avec impatience les interactions avec les membres intéressés de la communauté JMP pour clarifier mes questions et, espérons-le, obtenir des commentaires utiles pour m'assurer que j'utilise la bonne approche pour analyser mon ensemble de données.
Merci
Meule
