Il modello di equazioni strutturali fornisce un quadro di analisi generale per indagare le associazioni tra variabili osservate e non osservate.Numerosi modelli possono essere inseriti in questo quadro flessibile. Questa flessibilità deriva dalla capacità di modellare varianze, covarianze e medie nei dati osservati.
Questo video tutorial include informazioni e domande e risposte sugli scopi, gli approcci e le basi statistiche delle nozioni di base dei modelli di equazioni strutturali.Inizia con le nozioni di base del SEM ed è seguito da 3 casi di studio, uno per ciascuno dei due elementi costitutivi del SEM (regressione lineare e analisi fattoriale confermativa) e uno per evidenziare le nuove funzionalità di JMP Pro 17 per l'analisi multigruppo.Si conclude con un riepilogo dei principali vantaggi del SEM e dell'utilizzo di JMP Pro per SEM. Gli orari di inizio di ciascuna sezione sono riportati di seguito. Utilizza le tabelle JMP allegate per provare SEM nella tua copia di JMP Pro 17.
Scopri come:
- Comprendere il cosa, il perché e il come del SEM
- Gestisci i dati mancanti con metodi all'avanguardia senza il fastidio di imputazioni multiple
- Specificare un modello in cui le variabili siano sia predittori che risultati
- Comprendere i meccanismi attraverso i quali accadono le cose
- Metti alla prova teorie specifiche sull'associazione delle variabili e sfrutta la tua esperienza nel settore
- Variabili del modello che non possono essere misurate direttamente (ovvero variabili latenti)
- Variabili del modello che presentano errori di misurazione (e ne tengono conto)
- Crea diagrammi che descrivono i tuoi modelli statistici in modo intuitivo
- Comprendere le statistiche dietro i modelli
- Elemento costitutivo n. 1 – Regressione lineare semplice e analisi del percorso (inizia alle circa 42:34)
- Elemento costitutivo n. 2 – Analisi fattoriale confermativa (inizia alle circa 1:08:00)
- Analisi di gruppi multipli (inizia alle ~ ore 1:21:13)
- Estende tutti i modelli adatti al SEM
- Indagare somiglianze e differenze tra le popolazioni
- Richiede una variabile di raggruppamento (spesso con pochi livelli)
Domande e risposte di Laura @LauraCS e Giacomo @JamesK4 sono intervallati nel video.Alcune altre domande che sono emerse:
L'imputazione viene utilizzata per gestire i valori mancanti per SEM?
R: No. L'imputazione multipla non è richiesta perché JMP SEM utilizza la massima verosimiglianza delle informazioni complete (FIML) per stimare i parametri, che utilizza tutti i dati disponibili per l'analisi, anche quando sono presenti solo dati parziali in righe o colonne. FIML è un metodo di stima all'avanguardia per la gestione dei dati mancanti e viene utilizzato per impostazione predefinita in JMP Pro se vengono rilevati dati mancanti.
In che modo il SEM modella moderatori e mediatori?
R: Gli utenti possono creare termini di prodotto che possono essere utilizzati per avviare la piattaforma SEM proprio come qualsiasi altra variabile.Questi termini di prodotto aiutano a testare gli effetti di interazione, noti anche come effetti di moderazione. L'analisi della mediazione è disponibile nel menu "Scorciatoie modello" nella piattaforma SEM. Anche gli utenti interessati alla moderazione e alla mediazione moderata possono utilizzarlo Aggiungere per la stima di tali modelli.
Possiamo ottenere anche residui osservativi (Bollen, 1990)?
R: È possibile, nel menu del triangolo rosso nel rapporto SEM, in "Salva colonne" > Salva residui di osservazione. Qui è documentazione sui residui .
Path Diagrams: Intuitive, Powerful, Represent Statistical ModelDiagrammi di percorso: intuitivo, potente, rappresenta un modello statistico
How Does SEM Work?Come funziona il SEM?
Law Enforcemment ExampleEsempio di applicazione della legge
Risorse:
Durante la sessione Jessica ha chiesto "Sarebbe più simile a un modello attore-partner (interdipendenza)? Genitore che influenza il figlio?
