669184_it-IT

liliconcom

Analisi del percorso in JMP 16 Pro

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

 

Modellazione statistica avanzataRi: Analisi del percorso in JMP 16 Pro

Ciao Rick,

È bello sapere che stai esplorando l'uso di modelli di equazioni strutturali con i tuoi dati! Ho creato 3 righe di dati per ottenere chiarezza sul modello che stai adattando.Sulla base della descrizione degli effetti nel tuo post, ho il seguente diagramma di percorso:

 

È simile al modello che stai montando? In tal caso, penso che ci siano alcuni problemi di specifica che potrebbero aiutare. Dalla tua descrizione del problema nel primo paragrafo, sospetto che un modello più appropriato potrebbe assomigliare a questo:

Tuttavia, non sono sicuro di capire come viene rappresentato il tempo nei tuoi dati. Hai 32 misure ripetute per ognuna di queste variabili (1 misura al mese)? In tal caso, i tuoi dati sono in formato "ampio" o "lungo"? SEM richiede il formato "ampio". Ad esempio, potresti avere Rain_1, Rain_2, ... , Rain_32 per le misurazioni ripetute della pioggia. Potresti considerare di guardare il video su questo link, che descrive come modellare i dati longitudinali in SEM:

https://community.jmp.com/t5/Discovery-Summit-Americas-2021/Modeling-Trajectories-over-Time-with-Structural-Equation-Models/ta-p/398754

 

Per rispondere alle tue domande specifiche:

1. Sì, va bene, ma le domande di ricerca cambiano di conseguenza. Se hai preso le medie su tutte le misure ripetute, non sei più in grado di esaminare gli effetti sequenziali nel tempo, il che è spesso interessante quando hai dati presi nel tempo.

2. CFI e RMSEA ti danno un'idea di quanto bene il tuo modello si adatta ai dati. Questo è di fondamentale importanza perché vuoi interpretare solo i risultati di modelli che si adattano bene. Una volta che sai che il tuo modello si adatta ai dati, allora interpreti i risultati, incluso l'R2 delle variabili endogene.

3. La riduzione del numero di parametri in un modello dovrebbe essere eseguita in base al desiderio di testare ipotesi specifiche. Ad esempio, sulla base della seconda immagine che ho incollato, potrei decidere di adattare due modelli: 1) un modello proprio come ho rappresentato e 2) un modello in cui elimino i percorsi unidirezionali dal clima (T, RH, Rain) agli Afidi . Potrei quindi confrontare i due modelli per verificare l'ipotesi se il clima abbia un effetto diretto unico sugli afidi al di là dell'effetto indiretto che passa attraverso formiche e predatori.

 

HTH,

~ Laura

Ri: Analisi del percorso in JMP 16 Pro

Cara Laura, grazie mille per le spiegazioni e i suggerimenti. Il modello che sto cercando di adattare è un modello quasi completo (il tuo secondo diagramma) senza Rain e T che covariano, che ho già stabilito che non covariano. Covarianza di formiche e predatori, che ho mantenuto nel modello. L'elemento temporale si ripete su 32 mesi (dati raccolti una volta al mese) che includo come colonna (non trasversale). Il design è un design a trama divisa, in 3 blocchi replicati. La trama principale è la copertura del suolo (2) e la sottotrama è il genotipo vegetale (4), quindi il numero totale di osservazioni è 2 trame principali x 4 sottotrame x 3 blocchi x 32 mesi = 768 osservazioni. Ogni osservazione è una media di 4 piante di ciascun genotipo in ciascuna copertura del suolo e blocco.

L'analisi esplorativa che ho già svolto ha dimostrato che gran parte degli effetti dell'umidità relativa e della temperatura sono indiretti. Il CFI e l'RMSE sono rispettivamente ~0,9 e <0,1.

Hai giustamente sottolineato che nel mio approccio manca l'effetto dell'elemento temporale sequenziale. Come lo incorporo nel modello. Forse non ho bisogno di preoccuparmene. Se faccio una media dei 32 mesi, non avrei abbastanza osservazioni per adattarmi al mio modello. Le osservazioni ripetute mi consentono di fornire al modello un numero sufficiente di osservazioni, almeno 10 per parametro. Vorrei fare un'analisi separata nel tempo per determinare come i predatori e le formiche si alternano con gli afidi nei 32 mesi di osservazioni.

Vorrei condividere con voi un sottoinsieme dei dati, ma preferirei darvi l'intero set di dati.

Un altro problema, ho provato con e senza trasformazione delle variabili endogene. Questo non fa molta differenza.

Un'altra nota: i dati sul clima sono raccolti al di fuori dell'esperimento e si applicano a tutti i grafici: sono gli stessi per tutti i set di 32 mesi.

Grazie mille per il tuo aiuto.

Migliore,

Rick