Strukturgleichungsmodellierung ist eine multivariate Technik zur Analyse struktureller Beziehungen und zum Testen von Beziehungstheorien zwischen beobachteten (manifesten) oder unbeobachteten (latenten) Variablen. SEM kombiniert Faktorenanalyse und multiple Regressionsanalyse.
Zu den neuen JMP SEM-Funktionen in JMP Pro 16 gehören:
- Möglichkeit zur individuellen Anpassung von Pfaddiagrammen über Rechtsklickmenüs
- Verfügbarer Vorhersageprofiler zur Interaktion mit einem Modell
- Die SEM-Plattform akzeptiert jetzt zusammengefasste Daten, wie z. B. eine Korrelationsmatrix
- Möglichkeit, verschiedene Modelle zu erstellen und diese anhand einer Modellvergleichstabelle zu vergleichen
- Verknüpfungen zum Erstellen häufig verwendeter Modelle
Verwenden Sie das angehängte Video und Journal mit Dateien und JMP-Skripten, um Pfadanalyse, konfirmatorische Faktorenanalyse und Regression mit latenten Variablen zu erkunden.
Fragen und Antworten aus Jian Caos Live-Webinar vom 22. April 2021
F : Ist eine Vorhersagegleichung mit allen Schätzungen für ein bestimmtes Modell enthalten?
A: Ja, alle Informationen zum Erstellen der Vorhersagegleichungen sind in der Ausgabe verfügbar, sie werden jedoch in einer Tabelle und nicht im Format einer Vorhersagegleichung dargestellt.
F: Bietet JMP auch Änderungsindizes an?
A: Ja, Sie finden Änderungsindizes unter der Menüoption mit dem roten Dreieck.
F: Werden zum Erstellen und Bewerten der Modelle Trainings-, Verifizierungs- und Test-Sets verwendet?
A: Nein, dies ist eine bestätigende, keine prädiktive Analyse.
F: Können Sie die Residuen analysieren?
A: Ja, Residuen können explizit modelliert werden.
F: Gibt es eine Möglichkeit, eine Rangfolge der variablen Wichtigkeit zu erhalten?
A: Es gibt standardisierte Parameterschätzungen , die als Effektstärke verwendet werden können. Diese können in der Ausgabe eingestuft werden.
F: Kann die JMP Pro SEM-Plattform bei der Kausalanalyse helfen, wie beim SAS Proc Causalgraph (insbesondere beim Konzept des BackDoor-Kriteriums)?
A: Die Plattform ist eher mit PROC CALIS als mit PROC CAUSALGRAPH vergleichbar.
F: Was ist im Diagramm für das Webbeispiel der Unterschied zwischen der latenten Privatsphäre (Kreisform) und der Datenschutz-Antwortvariable (rechteckige Form)?
A: Die Quadrate sind die Variablen, die wir in der Datentabelle haben. Sie sind die Antworten auf mehrere Fragen zur wahrgenommenen Privatsphäre einer Website. Der Kreis ist eine unbeobachtete latente Variable, die wir modellieren, indem wir die Informationen aus den beobachteten Variablen (den Quadraten, auf die er zeigt) nutzen.
F: Sind indirekte Effekte verfügbar?
A: Gesamt- und indirekte Effekte mit Signifikanzwerten werden in 16.1 verfügbar sein, da das 3. Quartal veröffentlicht wird.
Ressourcen
