Ho un set di dati di 768 righe di dati prelevati in 32 mesi da appezzamenti con vegetazione del suolo e genotipi vegetali diversi. I dati climatici (T, RH e Rain) sono stati raccolti durante lo stesso periodo da una vicina stazione meteorologica. Ho una stima della densità degli afidi e dati sull'occorrenza di formiche e predatori generalisti. Vorrei utilizzare l'analisi del percorso in JMP per esplorare come la variabile esogena del clima influenzi la presenza di afidi e formiche predatori sulle piante e come le occorrenze di formiche e predatori influenzino la densità di afidi sulle piante. Ho esplorato l'uso della funzione del modello di equazione strutturale di JMP 16 Pro per costruire i modelli appropriati, ma non sono ancora sicuro di come scegliere i modelli appropriati per parsimonia mantenendo un adattamento appropriato. Ho costruito il seguente modello con 26 parametri
Effetto unidirezionale di T, RH e precipitazioni sugli afidi
Formiche e predatori che covariano con gli afidi
T covariante con RH
UR covariante con le precipitazioni
Ottengo CIF alto quasi 1 e RMSEA vicino allo zero
L'output sembra essere ok, ma R2 delle variabili endogene - afidi, formiche e predatori è piuttosto basso.
Ho provato la stessa analisi su un riepilogo dei dati, fino a un campione di 64. Questo mi dà un CIF più basso e un RMSEA più alto (cioè un adattamento più scarso) ma molto R2 di ciascuna delle tre variabili endogene.
Le mie domande sono:
1. va bene lavorare con un riepilogo delle medie piuttosto che con i dati originali (la dimensione del campione diminuisce ma nessun parametro rimane invariato)
2. R2 delle variabili endogene è importante rispetto a CIF e RMSEA
3. Come posso giustificare la riduzione del numero di parametri nel modello ma l'eliminazione delle variabili e/o la riduzione dell'accoppiamento delle variabili.
Non vedo l'ora di interagire con i membri interessati della community di JMP per chiarire le mie domande e, si spera, ottenere un feedback utile per assicurarmi di utilizzare l'approccio corretto nell'analisi del mio set di dati.
Grazie
Rick
