Gentile team di sviluppo JMP,
Scrivo per suggerire un prezioso miglioramento alla piattaforma SEM (Structural Equation Modeling) in JMP, ovvero l'inclusione di una tecnica di stima basata sulla varianza.
La stima della varianza svolge un ruolo fondamentale nell'analisi statistica statistica (SEM), in particolare nel fornire errori standard e intervalli di confidenza più affidabili e accurati, soprattutto quando ipotesi come la normalità multivariata non sono pienamente soddisfatte. Nelle applicazioni pratiche, soprattutto in campi come la ricerca di mercato, le scienze comportamentali e le scienze sociali, i dati spesso si discostano dalle condizioni ideali, rendendo una stima robusta della varianza cruciale per inferenze valide.
Attualmente, gli strumenti SEM a minimi quadrati parziali (PLS-SEM) come SmartPLS e WarpPLS hanno guadagnato notevole popolarità proprio perché enfatizzano gli approcci basati sulla varianza. Consentono ai ricercatori di gestire modelli complessi con campioni di dimensioni ridotte e strutture dati non normali.
L'aggiunta di opzioni di stima della varianza simili o addirittura più flessibili alla piattaforma SEM di JMP la posizionerebbe ancora più competitiva in questo settore. Offrirebbe inoltre un vantaggio, consentendo agli utenti di rimanere all'interno del potente e intuitivo ambiente JMP senza dover ricorrere a strumenti esterni.
Il potenziamento della piattaforma SEM con una stima basata sulla varianza non solo rafforzerà la diagnostica del modello, ma amplierà anche la portata di JMP sia tra i ricercatori accademici sia tra i professionisti del settore applicato, sempre più alla ricerca di soluzioni SEM solide e flessibili.
Apprezzo molto gli sforzi del team nel migliorare costantemente JMP e non vedo l'ora di vedere ulteriori progressi in questo settore.
Grazie
Chandra
Grazie mille per aver inviato questa richiesta, Chandra! Sono assolutamente d'accordo con l'importanza di fornire approcci SEM per gestire campioni di piccole dimensioni e deviazioni dalla normalità multivariata. Sebbene non disponiamo ancora di PLS-SEM, abbiamo fatto grandi progressi in questa direzione! Dai un'occhiata alla nostra opzione "Inferenza robusta" quando le ipotesi sui dati non sono valide (questo aiuta con l'accuratezza degli errori standard e degli intervalli di confidenza). Inoltre, una nuova funzionalità in arrivo renderà più efficace la stima SEM per campioni di piccole dimensioni, con l'ulteriore vantaggio di allentare tutte le ipotesi distributive per i predittori! Siamo davvero entusiasti di questa novità... restate sintonizzati per i miglioramenti della versione 19 
.
Naturalmente, prenderemo in considerazione la tua richiesta per assicurarci di poter fornire gli strumenti migliori ai nostri utenti! Le informazioni che ci hai fornito sono davvero utili!
Grazie,
~Laura CS
