Laura Castro-Schilo, Entwicklerin für JMP-Forschungsstatistik, SAS
Abstrakt:
Strukturgleichungsmodelle (SEM) ist eine neue Plattform in JMP Pro 15, die zahlreiche Modellierungstools bietet. Konfirmatorische Faktorenanalyse, Pfadanalyse, Messfehlermodelle und latente Wachstumskurvenmodelle sind nur einige der Möglichkeiten. In dieser Präsentation geben wir eine allgemeine Einführung in SEM, indem wir beschreiben, was es ist, welche einzigartigen Funktionen es Analysten und Forschern bietet, wie es in JMP Pro 15 implementiert ist und wie es in einer Vielzahl von Bereichen angewendet wird, darunter Markt- und Verbraucherforschung, Ingenieurwesen, Bildung, Gesundheit und andere. Wir verwenden ein empirisches Beispiel – mit dem sich jeder identifizieren kann –, um zu zeigen, wie die SEM-Plattform verwendet wird, um Beziehungen zwischen Variablen zu untersuchen und konkurrierende Theorien zu testen.
Zusammenfassung:
Das folgende Video zeigt, wie Modelle angepasst werden, die mit jeder der in der Präsentation vorgestellten „Emotionstheorien“ übereinstimmen. Mithilfe der angehängten Folien können Benutzer in die Verwendung der SEM-Plattform eingeleitet werden. Hier sind die wichtigsten Punkte:
- Wir haben 3 a-priori-Theorien darüber, wie unsere Variablen miteinander in Beziehung stehen
- Wir passen Modelle in SEM an, die auf jede der Theorien passen
- Wir suchen das am besten geeignete Modell durch:
- Prüfung der individuellen Modellanpassung. In diesem Beispiel haben wir den Chi-Quadrat-Test verwendet, ein Maß für die Fehlanpassung. Wir möchten, dass er in Bezug auf die Freiheitsgrade (df) klein und nicht signifikant ist, aber die CFI und RMSEA können ebenfalls verwendet werden und sind bei großen Stichproben besser. Wir haben auch die Heatmap der normalisierten Residuen verwendet. Wir möchten, dass diese Residuen innerhalb von +/- 2 Einheiten liegen.
- Vergleich der Anpassung verschiedener Modelle. AICc-Gewichte Helfen Sie uns bei dieser Aufgabe. Wenn die Modelle verschachtelt sind (d. h. eines ist vollständig im anderen enthalten – in unserem Beispiel ist das Modell für Theorie Nr. 1 in dem für Theorie Nr. 2 verschachtelt), können wir die Differenz zwischen den Chi-Quadraten und dem df nehmen, um ein Delta-Chi-Quadrat und Delta-df zu erhalten, die mit einer Chi-Quadrat-Verteilung auf Signifikanz getestet werden können.
