私には、地上植生と植物の遺伝子型が異なる区画から 32 か月にわたって取得された 768 行のデータ セットがあります。 気候データ (気温、湿度、雨) は、同じ期間に近くの気象観測所から収集されました。 アブラムシの推定密度と、アリと一般的な捕食者の発生データがあります。 JMP のパス解析を使用して、気候の外生変数が植物上のアブラムシやアリの捕食者の発生にどのような影響を与えるか、またアリと捕食者の発生が植物上のアブラムシの密度にどのような影響を与えるかを調査したいと考えています。 JMP 16 Pro の構造方程式モデル機能を使用して適切なモデルを構築することを検討してきましたが、適切なフィットを維持しながら節約して適切なモデルを選択する方法にまだ自信がありません。 26 個のパラメーターを使用して次のモデルを構築しました
アブラムシに対する温度、湿度、降雨の一方向の影響
アブラムシと共生するアリと捕食者
TはRHに応じて変化する
降雨量に応じて変化する相対湿度
1 に近い高い CIF と 0 に近い RMSEA が得られます
出力は問題ないようですが、内生変数 (アブラムシ、アリ、捕食者) の R2 はかなり低いです。
データの概要に対して同じ分析をサンプルサイズ 64 まで試してみました。 これにより、CIF が低くなり、RMSEA が高くなります (つまり、適合度が低くなります) が、3 つの内生変数それぞれの R2 が大きくなります。
私の質問は次のとおりです。
1. 元のデータではなく平均値の概要を使用しても問題ありませんか (サンプルサイズは減少しますが、パラメーターは変更されていません)
2. CIF や RMSEA と比較して、内生変数の R2 は重要ですか
3. モデル内のパラメータの数を減らしても、変数を削除したり、変数のペアを減らしたりすることを正当化するにはどうすればよいでしょうか。
JMP コミュニティの興味のあるメンバーと交流して質問を明確にし、データセットの分析に正しいアプローチを確実に使用できるように有益なフィードバックが得られることを楽しみにしています。
ありがとう
リック
