構造方程式モデリングは、観測変数と未観測変数間の関連性を調査するための一般的な分析フレームワークを提供する。この柔軟なフレームワークには、数多くのモデルを適用できる。この柔軟性は、観測データにおける分散、共分散、および平均をモデル化できることに起因する。
このチュートリアルビデオでは、構造方程式モデリング（SEM）の基本となる目的、アプローチ、統計的根拠に関する情報と質疑応答を解説します。まずSEMの基本から始まり、SEMの2つの構成要素（線形回帰と確認的因子分析）それぞれに関するケーススタディと、JMP Pro 17の多群分析における新機能を紹介するケーススタディの3つが続きます。最後に、SEMの主な利点と、JMP ProをSEMに活用するメリットをまとめます。各セクションの開始時間は下記に記載されています。添付のJMPテーブルを使用して、JMP Pro 17でSEMをお試しください。
以下の手順をご覧ください。
- SEMの「何」「なぜ」「どのように」を理解する
- 多重代入の手間をかけずに、最先端の手法で欠損データを処理します。
- 変数が予測因子と結果の両方となるモデルを指定します。
- 物事が起こるメカニズムを理解する
- 変数間の関連性に関する特定の理論を検証し、専門知識を活用する。
- 直接測定できないモデル変数（潜在変数とも呼ばれる）
- 測定誤差のあるモデル変数（そしてそれを考慮に入れる）
- 統計モデルを直感的に説明する図を作成する
- モデルの背後にある統計を理解する
- 構成要素その1 – 単純線形回帰とパス解析（約42分34秒から開始）
- 構成要素その2 – 確認的因子分析（開始時間：約1時間8分00秒）
- 複数グループ分析（開始時刻：約1時間21分13秒）
- SEMに適合するすべてのモデルを拡張します
- 集団間の類似点と相違点を調査する
- グループ化変数（多くの場合、レベル数が少ない）が必要です。
動画には、ローラ（@LauraCS）とジェームズ（@JamesK4）による質疑応答が随所に挿入されています。その他に寄せられた質問は以下のとおりです。
Q: SEMにおける欠損値の処理には、補完法が用いられますか？
A: いいえ。JMP SEMは、パラメータ推定に完全情報最尤法（FIML）を使用するため、多重代入は必要ありません。FIMLは、行または列に部分的なデータしかない場合でも、分析に利用可能なすべてのデータを使用します。FIMLは、欠損データを処理する最先端の推定方法であり、JMP Proでは欠損データが検出された場合、デフォルトで使用されます。
Q：SEMはどのようにして調整変数と媒介変数をモデル化するのですか？
A: ユーザーは、他の変数と同様にSEMプラットフォームを起動するために使用できる製品用語を作成できます。これらの製品用語は、調整効果としても知られる相互作用効果をテストするのに役立ちます。媒介分析は、SEMプラットフォームの「モデルショートカット」メニューから利用できます。調整効果および調整媒介効果に関心のあるユーザーは、このアドインを使用してこれらのモデルを推定することもできます。
Q: 観測残差も取得できますか？(Bollen、1990)
A: SEMレポートの赤い三角形のメニューから、「列を保存」>「観測残差を保存」を選択すると可能です。 残差に関するドキュメントはこちらです。
Path Diagrams: Intuitive, Powerful, Represent Statistical Modelパス図：直感的で強力、統計モデルを表現するパス図：直感的で強力、統計モデルを表現する
How Does SEM Work?SEMはどのように機能するのか？SEMはどのように機能するのか？
Law Enforcemment Example法執行機関の事例法執行機関の事例
リソース：
