Tengo un conjunto de datos de 768 filas de datos tomados durante 32 meses de parcelas con diferentes genotipos de vegetación y plantas. Los datos climáticos (T, HR y lluvia) se recopilaron durante el mismo período de una estación meteorológica cercana. Tengo densidad estimada de pulgones y datos de ocurrencia de hormigas y depredadores generalistas. Me gustaría usar el análisis de ruta en JMP para explorar cómo la variable exógena del clima afecta la ocurrencia de áfidos y hormigas depredadoras en las plantas, y cómo las ocurrencias de hormigas y depredadores afectan las densidades de áfidos en las plantas. He estado explorando el uso de la función de modelo de ecuación estructural de JMP 16 Pro para construir los modelos apropiados, pero todavía no estoy seguro de cómo elegir los modelos apropiados por parsimonia mientras se mantiene un ajuste adecuado. He construido el siguiente modelo con 26 parámetros.
Efecto unidireccional de T, HR y lluvia en pulgones
Hormigas y depredadores que covarían con pulgones
T covaría con RH
RH covaría con Rainfall
Obtengo CIF alto casi 1 y RMSEA cerca de cero
El resultado parece estar bien, pero el R2 de las variables endógenas (áfidos, hormigas y depredadores) es bastante bajo.
Probé el mismo análisis en un resumen de los datos, hasta un tamaño de muestra de 64. Esto me da un CIF más bajo y un RMSEA más alto (es decir, peor ajuste) pero mucho R2 de cada una de las tres variables endógenas.
Mis preguntas son:
1. ¿Está bien trabajar con un resumen de las medias en lugar de los datos originales (el tamaño de la muestra disminuye pero no se modifica ningún parámetro)?
2. ¿Es importante R2 de las variables endógenas, en comparación con CIF y RMSEA?
3. ¿Cómo puedo justificar reducir el número de parámetros en el modelo pero quitando variables y/o reduciendo el emparejamiento de variables?
Espero interacciones con miembros interesados de la comunidad JMP para aclarar mis preguntas y, con suerte, obtener comentarios útiles para asegurarme de que uso el enfoque correcto al analizar mi conjunto de datos.
Gracias
Almiar
