構造方程式モデリングは、観測変数と非観測変数の間の関連性を調査するための一般的な分析フレームワークを提供します。多数のモデルをこの柔軟なフレームワーク内に適合させることができます。 この柔軟性は、観測データの分散、共分散、平均をモデル化できることから生まれます。
このチュートリアル ビデオには、構造方程式モデルの基本の目的、アプローチ、統計的基礎に関する情報と Q&A が含まれています。SEM の基礎から始まり、その後に 3 つのケーススタディが続きます。1 つは 2 つの SEM 構成要素 (線形回帰および確認因子分析) のそれぞれに関するもので、もう 1 つはマルチグループ分析用の新しい JMP Pro 17 機能を紹介するものです。最後に、SEM と SEM での JMP Pro の使用の主な利点の概要を示します。 各セクションの開始時間は以下に含まれます。 添付の JMP テーブルを使用して、JMP Pro 17 のコピーで SEM を試してください。
方法を参照してください:
- SEM の内容、理由、方法を理解する
- 複数の代入に煩わされることなく、最先端の方法で欠損データを処理します
- 変数が予測子と結果の両方であるモデルを指定する
- 物事が起こるメカニズムを理解する
- 変数の関連性に関する特定の理論をテストし、専門知識を活用します
- 直接測定できないモデル変数 (潜在変数とも呼ばれます)
- 測定誤差のあるモデル変数 (およびそれを考慮)
- 統計モデルを直感的に説明する図を作成する
- モデルの背後にある統計を理解する
- 構成要素 #1 – 単純な線形回帰とパス分析 (~ 時間 42:34 から開始)
- 構成要素 #2 – 確認的因子分析 (~ 時間 1:08:00 に開始)
- 複数グループ分析 (~ 時刻 1:21:13 に開始)
- SEM に適合するすべてのモデルを拡張します
- 集団間の類似点と相違点を調査する
- グループ化変数が必要です (多くの場合レベルが少ない)
ローラによる質疑応答@Lauraそしてジェームス@JamesK4映像の中に散りばめられています。他にも次のような質問がありました。
Q: SEM の欠損値を処理するために代入が使用されますか?
A: いいえ。JMP SEM はパラメータの推定に全情報最尤法 (FIML) を使用し、行または列に部分的なデータしかない場合でも、利用可能なすべてのデータを分析に使用するため、多重代入は必要ありません。 FIML は欠損データを処理するための最先端の推定方法であり、欠損データが検出された場合に JMP Pro でデフォルトで使用されます。
Q: SEM はモデレーターとメディエーターをどのようにモデル化しますか?
A: ユーザーは、他の変数と同様に、SEM プラットフォームを起動するために使用できる製品条件を作成できます。これらの積用語は、相互作用効果 (緩和効果とも呼ばれます) をテストするのに役立ちます。 メディエーション分析は、SEM プラットフォームの「モデル ショートカット」メニューから利用できます。 モデレーションおよびモデレートされたメディエーションに興味のあるユーザーは、これを使用することもできます。加えるそれらのモデルを推定するために。
Q: 観測残差も取得できますか (Bollen、1990)。
A: SEM レポートの赤い三角メニューの下の [列の保存] > [観測残差の保存] を選択できます。 ここは残差に関する文書化。
Path Diagrams: Intuitive, Powerful, Represent Statistical Modelパス図: 直感的、強力、統計モデルを表現
How Does SEM Work?SEMはどのように機能しますか?
Law Enforcemment Example法執行の例
リソース：
セッション中、ジェシカは「それは俳優とパートナー（相互依存）モデルに近いものになるでしょうか？」と尋ねました。 親が子供に影響を与える？
