Laura Castro-Schilo, développeuse de statistiques de recherche JMP, SAS
Abstrait:
Les modèles d'équations structurelles (SEM) sont une nouvelle plateforme de JMP Pro 15 qui propose de nombreux outils de modélisation. L'analyse factorielle confirmatoire, l'analyse de chemin, les modèles d'erreur de mesure et les modèles de courbe de croissance latente ne sont que quelques-unes des possibilités. Dans cette présentation, nous proposons une introduction générale aux modèles d'équations structurelles en décrivant ce qu'ils sont, les fonctionnalités uniques qu'ils offrent aux analystes et aux chercheurs, la manière dont ils sont mis en œuvre dans JMP Pro 15 et comment ils sont appliqués dans divers domaines, notamment les études de marché et de consommation, l'ingénierie, l'éducation, la santé et d'autres. Nous utilisons un exemple empirique, auquel tout le monde peut s'identifier, pour montrer comment la plateforme SEM est utilisée pour explorer les relations entre les variables et tester des théories concurrentes.
Résumé:
La vidéo ci-dessous montre comment adapter des modèles cohérents avec chacune des « théories des émotions » de la présentation. Grâce aux diapositives jointes, les utilisateurs peuvent être guidés sur la façon d'utiliser la plateforme SEM. Voici les points à retenir :
- Nous avons 3 théories a priori sur la relation entre nos variables
- Nous adaptons des modèles en SEM qui correspondent à chacune des théories
- Nous recherchons le modèle le plus approprié en :
- Examen de l'ajustement du modèle individuel. Dans cet exemple, nous avons utilisé le chi carré, une mesure de l'inadéquation - nous voulons qu'il soit petit par rapport aux degrés de liberté (df) et non significatif, mais le CFI et RMSEA peuvent également être utilisés et sont plus efficaces avec des échantillons de grande taille. Nous avons également utilisé la carte thermique des résidus normalisés ; nous voulons que ces résidus soient à +/- 2 unités.
- Comparaison de l'ajustement entre les modèles. Poids AICc aidez-nous dans cette tâche. Lorsque les modèles sont imbriqués (c'est-à-dire que l'un est entièrement contenu dans l'autre - dans notre exemple, le modèle de la théorie n°1 est imbriqué dans celui de la théorie n°2), nous pouvons prendre la différence entre les chi-carrés et le df pour obtenir un delta-chi-carré et un delta-df qui peuvent être testés pour la signification avec une distribution du chi-carré.
