JMP 16 Pro でのパス分析私には、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
高度な統計モデリングRe: JMP 16 Pro でのパス解析こんにちは、リックさん
データで構造方程式モデルの使用を検討していると聞いてうれしいです。 フィッティングしているモデルを明確にするために、3 行のデータを作成しました。投稿内のエフェクトの説明に基づいて、次のパス図があります。
これはあなたが取り付けているモデルと似ていますか? そうであれば、いくつかの仕様上の問題が役立つ可能性があると思います。 最初の段落の問題の説明から、より適切なモデルは次のようなものではないかと思います。
ただし、データ内で時間がどのように表されるのかよくわかりません。 これらの変数ごとに 32 の繰り返し測定値がありますか (月あたり 1 測定値)? そうである場合、データは「ワイド」形式ですか、それとも「ロング」形式ですか? SEM には「ワイド」フォーマットが必要です。 たとえば、雨の繰り返し測定には、Rain_1、Rain_2、...、Rain_32 があるとします。 SEM で縦断データをモデル化する方法を説明するこのリンクのビデオを視聴することを検討してください。
https://community.jmp.com/t5/Discovery-Summit-Americas-2021/Modeling-Trajectories-over-Time-with-Structural-Equation-Models/ta-p/398754
特定の質問に答えるには:
1. はい、それは問題ありませんが、研究の質問はそれに応じて変わります。 繰り返されたすべての測定の平均をとった場合、時系列の影響を調べることができなくなります。これは、時間の経過とともに取得されたデータがある場合に重要になることがよくあります。
2. CFI と RMSEA により、モデルがデータにどの程度適合しているかを把握できます。 よく適合するモデルからの結果のみを解釈したいため、これは非常に重要です。 モデルがデータに適合していることがわかったら、内生変数の R2 を含む結果を解釈します。
3. モデル内のパラメーターの数を減らすことは、特定の仮説をテストしたいという要望に基づいて行う必要があります。 たとえば、貼り付けた 2 番目の画像に基づいて、次の 2 つのモデルを当てはめることを決定します。1) 描いたとおりのモデル、2) 気候 (T、RH、雨) からアブラムシまでの一方向のパスを排除したモデル。 次に、2 つのモデルを比較して、気候がアリや捕食者による間接的な影響を超えて、アブラムシに対して独特の直接的な影響を及ぼしているかどうかという仮説を検証することができました。
HTH、
〜ローラ
Re: JMP 16 Pro でのパス解析親愛なるローラ、説明と提案をありがとうございました。 私が当てはめようとしているモデルは、Rain と T が共変動しない、ほぼ完全なモデル (2 番目の図) であり、これらは共変動しないことがすでに決定されています。 アリと捕食者は共生しており、それをモデルに残しました。 time 要素は 32 か月にわたって繰り返されます (データは月に 1 回収集されます)。これを列として (横断ではなく) 含めます。 この計画は、3 つの複製ブロックで構成される分割プロット計画です。 メイン プロットは地被 (2)、サブプロットは植物の遺伝子型 (4) であるため、観察の総数は 2 メイン プロット x 4 サブプロット x 3 ブロック x 32 か月 = 768 観察となります。 各観察値は、各地被およびブロック内の各遺伝子型の 4 つの植物の平均です。
私がすでに実施した探索的分析では、相対湿度と温度の影響の多くは間接的なものであることがわかりました。 CFI と RMSE はそれぞれ ~0.9 と <0.1 です。
私のアプローチには逐次的な時間要素の効果が欠けているとあなたは正しく指摘しました。 それをモデルにどのように組み込むか。 たぶん、それについて心配する必要はありません。 32 か月の平均を取ると、モデルに適合するのに十分な観測値が得られなくなります。 観察を繰り返すことで、モデルに十分な数の観察 (パラメーターごとに少なくとも 10 個) を与えることができます。 私は、32 か月の観察期間中に、捕食者とアリがアブラムシとどのように循環するかを判断するために、時間をかけて別の分析を行いたいと考えています。
データのサブセットを共有したいのですが、データセット全体を提供したいと考えています。
もう 1 つの問題として、内生変数の変換の有無を試してみました。 それは大きな違いではありません。
もう 1 つ注意してください - 気候データは実験の外部で収集され、すべてのプロットに適用されます - それらは 32 か月のすべてのセットで同じです。
ご協力いただき誠にありがとうございました。
最高、
リック
