La modellazione delle equazioni strutturali fornisce un quadro di analisi generale per studiare le associazioni tra variabili osservate e non osservate. Numerosi modelli possono essere adattati a questo quadro flessibile. Tale flessibilità deriva dalla capacità di modellare varianze, covarianze e medie nei dati osservati.
Questo video tutorial include informazioni e domande e risposte sugli scopi, gli approcci e i fondamenti statistici dei modelli di equazioni strutturali (SEM). Inizia con le basi dei SEM ed è seguito da 3 casi di studio, uno per ciascuno dei due elementi costitutivi dei SEM (regressione lineare e analisi fattoriale confermativa) e uno per evidenziare le nuove funzionalità di JMP Pro 17 per l'analisi multi-gruppo. Si conclude con un riepilogo dei principali vantaggi dei SEM e dell'utilizzo di JMP Pro per i SEM. Gli orari di inizio di ciascuna sezione sono indicati di seguito. Utilizza le tabelle JMP allegate per provare i SEM nella tua copia di JMP Pro 17.
Scopri come:
- Comprendere cosa sia, perché e come funzioni il SEM
- Gestisci i dati mancanti con metodi all'avanguardia, senza la complessità dell'imputazione multipla.
- Specificare un modello in cui le variabili siano sia predittori che risultati.
- Comprendere i meccanismi attraverso i quali accadono le cose
- Metti alla prova teorie specifiche sull'associazione tra variabili e sfrutta la tua esperienza nel settore.
- Variabili del modello che non possono essere misurate direttamente (dette anche variabili latenti)
- Modello le variabili che presentano errori di misurazione (e ne tiene conto).
- Crea diagrammi che descrivano in modo intuitivo i tuoi modelli statistici.
- Comprendere le statistiche alla base dei modelli
- Elemento fondamentale n. 1 – Regressione lineare semplice e analisi del percorso (inizia al minuto 42:34 circa)
- Elemento costitutivo n. 2 – Analisi fattoriale confermativa (inizia intorno al minuto 1:08:00)
- Analisi multigruppo (inizia intorno al minuto 1:21:13)
- Estende tutti i modelli adatti al SEM
- Analizzare le somiglianze e le differenze tra le popolazioni
- Richiede una variabile di raggruppamento (spesso con pochi livelli)
Nel video sono presenti domande e risposte di Laura (@LauraCS) e James (@JamesK4) . Ecco alcune altre domande emerse:
L'imputazione viene utilizzata per gestire i valori mancanti nei modelli SEM?
R: No, l'imputazione multipla non è necessaria perché JMP SEM utilizza il metodo di massima verosimiglianza a informazioni complete (FIML) per stimare i parametri, che utilizza tutti i dati disponibili per l'analisi, anche quando sono presenti solo dati parziali in righe o colonne. FIML è un metodo di stima all'avanguardia per la gestione dei dati mancanti ed è utilizzato di default in JMP Pro se vengono rilevati dati mancanti.
Come vengono modellati i moderatori e i mediatori nei modelli SEM?
A: Gli utenti possono creare termini di prodotto che possono essere utilizzati per avviare la piattaforma SEM come qualsiasi altra variabile. Questi termini di prodotto aiutano a testare gli effetti di interazione, noti anche come effetti di moderazione. L'analisi di mediazione è disponibile nel menu "Scorciatoie modello" nella piattaforma SEM. Gli utenti interessati alla moderazione e alla mediazione moderata possono utilizzare questo componente aggiuntivo anche per stimare tali modelli.
Possiamo ottenere anche i residui osservazionali (Bollen, 1990)?
A: Puoi farlo, tramite il menu a triangolo rosso nel report SEM, alla voce "Salva colonne" > Salva residui osservazionali. Qui trovi la documentazione sui residui .
Path Diagrams: Intuitive, Powerful, Represent Statistical ModelDiagrammi di percorso: intuitivi, potenti, rappresentano modelli statisticiDiagrammi di percorso: intuitivi, potenti, rappresentano modelli statistici
How Does SEM Work?Come funziona il SEM?Come funziona il SEM?
Law Enforcemment ExampleEsempio di applicazione della leggeEsempio di applicazione della legge
Risorse:
