JMP 16 Pro의 경로 분석저는 지상 초목과 식물 유전자형이 다른 플롯에서 32개월 동안 수집한 768행의 데이터 세트를 가지고 있습니다. 기후 데이터(T, RH 및 Rain)는 인근 기상 관측소에서 같은 기간 동안 수집되었습니다. 진딧물의 추정 밀도와 개미 및 일반적인 포식자에 대한 발생 데이터가 있습니다. 저는 JMP의 경로 분석을 사용하여 기후의 외인성 변수가 식물의 진딧물과 포식자 발생에 어떤 영향을 미치는지, 그리고 개미와 포식자의 발생이 식물의 진딧물 밀도에 어떤 영향을 미치는지 탐구하고 싶습니다. JMP 16 Pro의 구조 방정식 모델 기능을 사용하여 적절한 모델을 구축하는 방법을 살펴보았지만 적절한 적합도를 유지하면서 인색하게 적절한 모델을 선택하는 방법에 대해서는 아직 확신이 서지 않습니다. 26개의 매개변수로 다음 모델을 구축했습니다.
진딧물에 대한 T, RH 및 강우 단방향 효과
진딧물과 공존하는 개미와 포식자
RH와 공변하는 T
강우량과 공변하는 RH
CIF는 거의 1에 가깝고 RMSEA는 0에 가깝습니다.
출력은 괜찮은 것 같지만 내생 변수인 진딧물, 개미, 포식자의 R2가 상당히 낮습니다.
데이터 요약에 대해 동일한 분석을 시도했습니다. 샘플 크기는 64개였습니다. 이것은 나에게 더 낮은 CIF와 더 높은 RMSEA(즉, 더 좋지 않은 적합도)를 제공하지만 세 가지 내생 변수 각각의 많은 R2를 제공합니다.
내 질문은 다음과 같습니다.
1. 원래 데이터가 아닌 평균 요약으로 작업해도 괜찮습니까(샘플 크기는 줄어들지만 매개변수는 변경되지 않음).
2. CIF와 RMSEA에 비해 내생변수의 R2가 중요한가?
3. 모델의 매개변수 수를 줄이는 대신 변수를 제거하고/하거나 변수 쌍을 줄이는 것을 어떻게 정당화할 수 있습니까?
관심 있는 JMP 커뮤니티 구성원과의 상호 작용을 통해 질문을 명확히 하고 유용한 피드백을 받아 데이터 세트를 분석하는 데 올바른 접근 방식을 사용할 수 있기를 기대합니다.
감사합니다
약간 뒤틀리게 하다
고급 통계 모델링Re: JMP 16 Pro의 경로 분석안녕 릭,
데이터와 함께 구조 방정식 모델의 사용을 탐색하고 있다는 소식을 듣게 되어 기쁩니다! 피팅 중인 모델에 대한 명확성을 얻기 위해 3행의 데이터를 구성했습니다.게시물의 효과 설명에 따라 다음과 같은 경로 다이어그램이 있습니다.
피팅하고 있는 모델과 비슷합니까? 그렇다면 도움이 될만한 몇 가지 사양 문제가 있다고 생각합니다. 첫 번째 단락의 문제에 대한 설명에서 다음과 같은 모델이 더 적절할 것 같습니다.
그러나 귀하의 데이터에서 시간이 어떻게 표현되는지 잘 모르겠습니다. 이러한 각 변수에 대해 32회 반복 측정이 있습니까(매월 1회 측정)? 그렇다면 데이터가 "넓은" 또는 "긴" 형식입니까? SEM에는 "와이드" 형식이 필요합니다. 예를 들어 비의 반복 측정을 위해 Rain_1, Rain_2, ..., Rain_32가 있을 수 있습니다. SEM에서 세로 데이터를 모델링하는 방법을 설명하는 이 링크의 비디오 시청을 고려할 수 있습니다.
https://community.jmp.com/t5/Discovery-Summit-Americas-2021/Modeling-Trajectories-over-Time-with-Structural-Equation-Models/ta-p/398754
특정 질문에 답하려면:
1. 네, 괜찮습니다. 하지만 이에 따라 연구 질문이 변경됩니다. 모든 반복 측정에서 평균을 취한 경우 더 이상 시간 순차 효과를 조사할 수 없으며 이는 시간이 지남에 따라 데이터를 수집할 때 종종 관심이 있습니다.
2. CFI 및 RMSEA는 모델이 데이터에 얼마나 잘 맞는지 알려줍니다. 잘 맞는 모델의 결과만 해석하기를 원하기 때문에 이는 매우 중요합니다. 모델이 데이터에 적합하다는 것을 알게 되면 내생 변수의 R2를 포함하여 결과를 해석합니다.
3. 특정 가설을 테스트하려는 욕구에 따라 모델의 매개변수 수를 줄여야 합니다. 예를 들어, 내가 붙여넣은 두 번째 이미지를 기반으로 1) 내가 묘사한 것과 같은 모델과 2) 기후(T, RH, Rain)에서 진딧물까지의 단방향 경로를 제거한 모델의 두 가지 모델을 적합하도록 결정할 수 있습니다. . 그런 다음 두 모델을 비교하여 기후가 개미와 포식자를 통과하는 간접 효과 이상으로 진딧물에 고유한 직접적인 영향을 미치는지 여부에 대한 가설을 테스트할 수 있습니다.
HTH,
~로라
Re: JMP 16 Pro의 경로 분석친애하는 Laura, 설명과 제안에 대해 대단히 감사합니다. 내가 적합시키려는 모델은 Rain과 T가 공변하지 않는 거의 전체 모델(두 번째 다이어그램)이며, 이미 공변하지 않는다고 결정했습니다. 개미와 포식자는 공존하며 모델에 보관했습니다. 시간 요소는 32개월 동안 반복되며(데이터는 한 달에 한 번 수집됨) 열로 포함됩니다(전체가 아님). 이 설계는 3개의 반복 블록으로 구성된 분할구 설계입니다. 메인 플롯은 지상 덮개(2)이고 서브플롯은 식물 유전자형(4)이므로 총 관측 수는 메인 플롯 2개 x 서브플롯 4개 x 블록 3개 x 32개월 = 768개 관측입니다. 각 관찰은 각 그라운드 커버 및 블록에서 각 유전자형의 4개 식물의 평균입니다.
내가 이미 수행한 탐색적 분석은 상대 습도 및 온도 효과의 대부분이 간접적인 것으로 나타났습니다. CFI와 RMSE는 각각 ~0.9와 <0.1입니다.
내 접근 방식에 순차적인 시간 요소 효과가 없다는 점을 올바르게 지적하셨습니다. 모델에 어떻게 통합합니까? 아마도 나는 그것에 대해 걱정할 필요가 없습니다. 32개월에 걸쳐 평균을 낸다면 내 모델에 맞는 관측치가 충분하지 않을 것입니다. 반복 관찰을 통해 모델에 충분한 수의 관찰(매개 변수당 최소 10개)을 제공할 수 있습니다. 나는 32개월의 관찰 기간 동안 포식자와 개미가 진딧물과 함께 순환하는 방식을 결정하기 위해 초과 근무에 대한 별도의 분석을 수행하고 싶습니다.
데이터의 하위 집합을 귀하와 공유하고 싶지만 전체 데이터 집합을 제공하고 싶습니다.
또 다른 문제는 내생 변수의 변환을 사용하거나 사용하지 않고 시도했습니다. 그것은 큰 차이를 만들지 않습니다.
참고 사항 - 기후 데이터는 실험 외부에서 수집되며 모든 플롯에 적용됩니다. 32개월의 모든 세트에 대해 동일합니다.
도움을 주셔서 대단히 감사합니다.
최상의,
약간 뒤틀리게 하다
