El modelado de ecuaciones estructurales proporciona un marco de análisis general para investigar asociaciones entre variables observadas y no observadas.Dentro de este marco flexible se pueden encajar numerosos modelos. Esta flexibilidad proviene de la capacidad de modelar varianzas, covarianzas y medias en los datos observados.
Este video tutorial incluye información y preguntas y respuestas sobre los propósitos, enfoques y fundamentos estadísticos de los conceptos básicos de los modelos de ecuaciones estructurales.Comienza con los conceptos básicos de SEM y le siguen 3 estudios de caso, uno para cada uno de los dos componentes básicos de SEM (regresión lineal y análisis factorial confirmatorio) y uno para resaltar las nuevas capacidades de JMP Pro 17 para análisis multigrupo.Concluye con un resumen de los beneficios clave de SEM y del uso de JMP Pro para SEM. Los horarios de inicio de cada sección se incluyen a continuación. Utilice las tablas JMP adjuntas para probar SEM en su copia de JMP Pro 17.
Vea cómo:
- Comprender el qué, el por qué y el cómo del SEM
- Maneje los datos faltantes con métodos de vanguardia sin la molestia de la imputación múltiple
- Especificar un modelo en el que las variables sean tanto predictores como resultados.
- Comprender los mecanismos por los cuales suceden las cosas.
- Pruebe teorías específicas sobre la asociación de variables y aproveche su experiencia en el campo
- Variables del modelo que no se pueden medir directamente (también conocidas como variables latentes)
- Modelar variables que tienen error de medición (y tenerlo en cuenta)
- Cree diagramas que describan sus modelos estadísticos de forma intuitiva
- Comprender las estadísticas detrás de los modelos.
- Bloque de construcción n.° 1: regresión lineal simple y análisis de ruta (comienza a las 42:34 ~ hora)
- Bloque de construcción n.° 2: Análisis factorial confirmatorio (comienza a la hora ~ 1:08:00)
- Análisis de grupos múltiples (comienza a las 1:21:13)
- Amplía el ajuste de todos los modelos en SEM
- Investigar similitudes y diferencias entre poblaciones.
- Requiere variable de agrupación (a menudo con pocos niveles)
Preguntas y respuestas de Laura @LauraCS y james @JamesK4 están intercalados en el vídeo.Algunas otras preguntas que surgieron:
P: ¿Se utiliza la imputación para manejar los valores faltantes para SEM?
R: No. No se requiere imputación múltiple porque JMP SEM utiliza máxima verosimilitud de información completa (FIML) para estimar los parámetros, que utiliza todos los datos disponibles para el análisis, incluso cuando solo hay datos parciales en filas o columnas. FIML es un método de estimación de vanguardia para manejar datos faltantes y se usa de forma predeterminada en JMP Pro si se detectan datos faltantes.
P: ¿Cómo modela SEM a los moderadores y mediadores?
R: Los usuarios pueden crear términos de productos que se pueden utilizar para iniciar la plataforma SEM como cualquier otra variable.Estos términos de producto ayudan a probar los efectos de interacción, que también se conocen como efectos moderadores. El análisis de mediación está disponible en el menú "Atajos de modelo" en la plataforma SEM. Los usuarios interesados en moderación y mediación moderada también pueden utilizar este Complemento para estimar esos modelos.
P: ¿Podemos obtener también residuos observacionales (Bollen, 1990)?
R: Puede hacerlo en el menú del triángulo rojo del informe SEM, en "Guardar columnas" > Guardar residuos de observación. Aquí está documentación sobre residuos .
Path Diagrams: Intuitive, Powerful, Represent Statistical ModelDiagramas de ruta: modelo estadístico intuitivo, potente y representativo
How Does SEM Work?¿Cómo funciona el SEM?
Law Enforcemment ExampleEjemplo de aplicación de la ley
Recursos:
Durante la sesión, Jessica preguntó: "¿Sería más bien un modelo de actor-socio (interdependencia)? ¿Los padres influyen en el niño?
