Strukturgleichungsmodellierung bietet einen allgemeinen Analyserahmen für die Untersuchung von Zusammenhängen zwischen beobachteten und unbeobachteten Variablen.In diesen flexiblen Rahmen können zahlreiche Modelle eingepasst werden. Diese Flexibilität ergibt sich aus der Fähigkeit, Varianzen, Kovarianzen und Mittelwerte in beobachteten Daten zu modellieren.
Dieses Tutorial-Video enthält Informationen und Fragen und Antworten zu den Zwecken, Ansätzen und statistischen Grundlagen der Grundlagen von Strukturgleichungsmodellen.Es beginnt mit den Grundlagen von SEM und wird von drei Fallstudien gefolgt, eine für jeden der beiden SEM-Bausteine (lineare Regression und Bestätigungsfaktoranalyse) und eine, um die neuen JMP Pro 17-Funktionen für die Mehrgruppenanalyse hervorzuheben.Es schließt mit einer Zusammenfassung der wichtigsten Vorteile von SEM und der Verwendung von JMP Pro für SEM. Die Anfangszeiten für jeden Abschnitt sind unten aufgeführt. Verwenden Sie die beigefügten JMP-Tabellen, um SEM in Ihrer Kopie von JMP Pro 17 auszuprobieren.
Erfahren Sie, wie Sie:
- Verstehen Sie das Was, Warum und Wie von SEM
- Behandeln Sie fehlende Daten mit modernsten Methoden ohne den Aufwand mehrfacher Imputation
- Geben Sie ein Modell an, in dem Variablen sowohl Prädiktoren als auch Ergebnisse sind
- Mechanismen verstehen, durch die Dinge geschehen
- Testen Sie spezifische Theorien über den Zusammenhang von Variablen und nutzen Sie Ihr Fachwissen
- Modellvariablen, die nicht direkt gemessen werden können (auch latente Variablen genannt)
- Modellvariablen, die einen Messfehler aufweisen (und diesen berücksichtigen)
- Erstellen Sie Diagramme, die Ihre statistischen Modelle intuitiv beschreiben
- Verstehen Sie die Statistiken hinter den Modellen
- Baustein Nr. 1 – Einfache lineare Regression und Pfadanalyse (beginnt um ca. Zeit 42:34)
- Baustein Nr. 2 – Konfirmatorische Faktorenanalyse (Beginnt um ca. Zeit 1:08:00)
- Analyse mehrerer Gruppen (Beginnt um ca. Zeit 1:21:13)
- Erweitert alle Modelle, die in SEM passen
- Untersuchen Sie Ähnlichkeiten und Unterschiede zwischen Populationen
- Erfordert Gruppierungsvariable (oft mit wenigen Ebenen)
Fragen und Antworten von Laura @LauraCS und Jakobus @JamesK4 sind in das Video eingestreut.Einige andere Fragen, die aufkamen:
F: Wird Imputation verwendet, um fehlende Werte für SEM zu verarbeiten?
A: Nein. Eine Mehrfachimputation ist nicht erforderlich, da JMP SEM zur Schätzung der Parameter FIML (Full Information Maximum Likelihood) verwendet, wodurch alle verfügbaren Daten für die Analyse verwendet werden, selbst wenn nur Teildaten in Zeilen oder Spalten vorhanden sind. FIML ist eine hochmoderne Schätzmethode für den Umgang mit fehlenden Daten und wird in JMP Pro standardmäßig verwendet, wenn fehlende Daten erkannt werden.
F: Wie modelliert SEM Moderatoren und Mediatoren?
A: Benutzer können Produktbegriffe erstellen, die wie jede andere Variable zum Starten der SEM-Plattform verwendet werden können.Mithilfe dieser Produktbegriffe können Interaktionseffekte getestet werden, die auch als moderierende Effekte bezeichnet werden. Die Mediationsanalyse ist im Menü „Modellverknüpfungen“ auf der SEM-Plattform verfügbar. Nutzer, die sich für Moderation und moderierte Mediation interessieren, können dies ebenfalls nutzen Add-In zur Schätzung dieser Modelle.
F: Können wir auch Beobachtungsresiduen erhalten (Bollen, 1990)?
A: Sie können dies im Menü mit dem roten Dreieck im SEM-Bericht unter „Spalten speichern“ > „Beobachtungsresiduale speichern“ tun. Hier ist Dokumentation der Restbestände .
Path Diagrams: Intuitive, Powerful, Represent Statistical ModelPfaddiagramme: Intuitiv, leistungsstark, stellen ein statistisches Modell dar
How Does SEM Work?Wie funktioniert SEM?
Law Enforcemment ExampleBeispiel für die Strafverfolgung
Ressourcen:
Während der Sitzung fragte Jessica: „Wäre das eher ein Schauspieler-Partner-(Interdependenz-)Modell?“ Eltern beeinflussen das Kind?
