Niveau : Intermédiaire
【Présentateur】
Laura Castro-Schilo, développeur statisticien de recherche senior JMP, SAS Institute Inc.
[Résumé de la présentation]
La modélisation d'équations structurelles (SEM) est un cadre qui vous permet d'étudier les associations entre les variables observées et les variables latentes non observées. De nombreuses applications du SEM utilisent des données transversales, et ce cadre est également très flexible pour modéliser des données longitudinales.
Dans cette présentation, nous décrivons le modèle de courbe de croissance latente (LGCM) comme un outil flexible pour caractériser les trajectoires de croissance au fil du temps. Tout d’abord, nous expliquerons brièvement les concepts de base du SEM, puis montrerons comment les valeurs moyennes peuvent être intégrées dans les analyses pour tester la théorie de la croissance. Dans cette étude, nous expliquons la LGCM en adaptant un modèle aux données sur « l’anxiété » et « l’insatisfaction en matière de santé » signalées par les individus lors de l’épidémie de pandémie du nouveau coronavirus. Les analyses ont montré que la résilience prédisait des modèles uniques de changement d’anxiété et des trajectoires de plaintes indéterminées.
*Lors de la lecture d'une vidéo sur ce site, cliquez sur « CC » en bas à droite de l'écran et sélectionnez « Anglais » pour afficher les sous-titres en anglais.
Si vous souhaitez télécharger le matériel et les données de cette présentation, ou regarder la présentation avec la transcription en japonais, veuillez cliquer ici .
Accédez à chaque page de présentation pour la présentation du Discovery Summit Americas 2021.
(Veuillez noter qu'il vous sera demandé de vous connecter à votre profil SAS.)
