구조방정식 모델의 범주형 변수먼저, 저는 SEM 사용이 처음입니다. JMP 플랫폼(JMP 19)에서는 SEM 분석에서 범주형 변수를 통제 변수로 추가할 수 있는 방법이 없는 것 같습니다. 저는 범주형 변수 열이 두 개 이상 있습니다.
제가 모르고 있는 방법이 있는 건가요? 또한, NaN 값을 처리하고 연속 변수를 표준화하는 방법이 있을까요?
고급 통계 모델링예측 모델링 및 머신 러닝제목: 구조방정식 모형에서의 범주형 변수 관련안녕하세요 @Gabriel 님 ,
범주형 변수를 "통제 변수" 또는 공변량으로 사용할 때는 회귀 분석에서와 동일한 접근 방식을 따라야 합니다. 즉, 숫자형 더미 코딩 변수를 생성하고 이를 모델의 예측 변수로 입력합니다.
매개 모델을 사용한 예시를 하나 들어보겠습니다. 소비자들을 대상으로 특정 기업의 개인정보 보호 및 평판에 대한 인식과 구매 의향에 대해 설문조사를 실시한다고 가정해 봅시다. 우리는 개인정보 보호에 대한 인식이 높을수록 평판이 좋아지고, 이는 다시 구매 의향을 증가시킨다고 가정합니다. 또한 개인정보 보호가 구매 의향에 직접적인 영향을 미친다고 생각합니다. 이 모델의 경로도는 다음과 같습니다.
Simple mediation modelSimple mediation modelSimple mediation modelSimple mediation modelSimple mediation model단순 매개 모델
중요한 점은 일부 소비자는 온라인(웹사이트/앱)을 통해서만 회사와 상호작용하는 반면, 다른 소비자는 오프라인에서 상호작용한다는 것입니다. 따라서 우리는 이러한 두 가지 상호작용 방식을 통제하고자 합니다. 범주형 변수는 두 가지 수준(온라인 및 오프라인)을 가지므로 더미 변수는 하나만 필요합니다. "온라인"이라는 이름의 더미 변수를 생성하고, 오프라인 상호작용은 0, 온라인 상호작용은 1의 값을 갖도록 합니다. 이 변수는 연속형 숫자 변수이므로 다른 변수들과 마찬가지로 분석에 포함할 수 있습니다. 매개 모델을 사용하기 때문에 이 변수를 다른 내생 변수(결과 변수)의 예측 변수로 포함하여 통제할 수 있습니다. 다음은 이를 보여주는 경로 다이어그램입니다.
Mediation model with a control variableMediation model with a control variableMediation model with a control variableMediation model with a control variableMediation model with a control variable통제변수를 포함한 매개 모델
온라인 접속 여부 변수와 개인정보 보호 변수 사이에 양방향 화살표(공분산)가 있는 것을 확인하세요. 이것은 표준적인 사양입니다. 즉, 공분산은 온라인 접속 여부 변수와 개인정보 보호 변수 간의 연관성에 대한 가설이 없음을 나타냅니다.
통제해야 할 범주형 변수가 여러 개인 경우, 비슷한 방식으로 여러 개의 더미 변수를 생성하고 추가해야 합니다. 더미 변수가 통제하고자 하는 결과 변수를 예측하는지 확인하고, 다른 외생 변수(예측 변수가 없는 변수)와 공변하는지 확인하십시오.
결측값 처리:
SEM의 여러 유용한 기능 중 하나는 최첨단(그리고 간편한) 결측 데이터 처리 기능입니다. 위 예시에서 데이터 테이블이 결측값을 명확하게 식별하는 한, 사용자는 아무것도 할 필요가 없습니다. SEM 플랫폼은 결측값을 자동으로 감지하고 "완전 정보 최대 우도(full information maximum likelihood)" 추정법을 사용하여 분석합니다. 즉, 사용 가능한 모든 데이터가 분석에 사용됩니다. 이는 데이터가 무작위로 결측(MAR)되었거나 완전 무작위로 결측(MCAR)되었다고 가정할 때 가능하며, 이는 다중 대치법의 전제 조건이기도 합니다. 데이터 테이블이 결측값을 제대로 인식했는지 확인하려면, 결측값이 다음 이미지처럼 점으로 표시되는지 확인해야 합니다.
Missing values in data tableMissing values in data tableMissing values in data tableMissing values in data tableMissing values in data table데이터 테이블의 결측값
점이 보이지 않으면 [열] > [열 정보] > [열 속성] > [결측값 코드]로 이동하여 어떤 값을 결측값으로 인식할지 지정하세요.
변수 표준화:
변수를 표준화하는 한 가지 방법은 데이터 테이블 열을 마우스 오른쪽 버튼으로 클릭한 다음, [새 수식 열] > [분포] > [표준화]를 선택하는 것입니다. 이 방법은 척도가 매우 다른 변수들이 있을 때 유용할 수 있습니다. 하지만 그러한 문제가 없고 단순히 표준화된 추정치만 필요한 경우에는 원래 변수를 사용하여 분석을 수행한 다음, 적합된 모델의 빨간색 삼각형 메뉴를 클릭하는 것이 가장 좋습니다. 그러면 "표준화된 매개변수 추정치"라는 옵션이 나타나며, 이를 통해 필요한 결과를 얻을 수 있습니다.
도움이 되셨기를 바랍니다.
제목: 구조방정식 모형에서의 범주형 변수 관련덧붙여 말씀드리자면, SEM에서 "다중 그룹 분석"을 사용하여 범주형 변수를 활용하는 것은 상당히 일반적이고 유용합니다! 이에 대해 더 자세히 알고 싶으시면 다음 토론을 참고해 주세요: https://community.jmp.com/t5/Discussions/Categorical-Variables-and-SEM/td-p/930889
제목: 구조방정식 모형에서의 범주형 변수 관련@LauraCS님 , 정말 감사합니다. 덕분에 작업을 시작할 수 있었습니다. 다만, 범주형 변수가 여러 개인 경우(첨부 이미지의 녹색 상자) 공분산을 어떻게 연결해야 할지 잘 모르겠습니다. 제 초기 시도 결과를 보시면 CFI와 RMSEA에서 뭔가 빠진 부분이 있는 것 같습니다. 제가 무엇을 놓치고 있는 걸까요? 그리고 연속형 변수 중 일부를 공분산해야 하는 경우도 있어서 공분산 논리가 좀 복잡하게 느껴집니다. 
제목: 구조방정식 모형에서의 범주형 변수 관련모델을 공유해주셔서 감사합니다, @가브리엘 ! 다이어그램에서 변수들을 왼쪽에서 오른쪽으로 자연스럽게 흐르도록 재배열하는 것을 추천합니다. 간단한 예시를 만들어 봤어요.
Path model flowing left-to-rightPath model flowing left-to-right왼쪽에서 오른쪽으로 흐르는 경로 모델
변수들이 이렇게 표시되면, 일반적으로 공분산이 필요한 여러 변수 "집합"을 식별할 수 있습니다(실험 데이터의 경우 실험 설계상 공분산이 0이 되는 예외가 발생할 수 있습니다). 각 집합 내에 공분산을 추가해야 합니다. 가장 쉬운 방법은 다이어그램에서 변수 집합을 선택하고, 선택한 변수 중 하나를 마우스 오른쪽 버튼으로 클릭한 다음(참고: 화살표나 다이어그램의 빈 영역을 클릭하면 마우스 오른쪽 버튼 메뉴가 바뀝니다!), "공분산 추가"를 클릭하는 것입니다. 이렇게 하면 해당 변수에 대한 모든 공분산이 한 번에 추가됩니다. 다음 집합을 선택하고 이 과정을 반복합니다. 제 예시에서는 "Reput_1"과 "Privacy_4"만 해당 집합에 있으므로 공분산을 추가할 필요가 없습니다. 올바르게 지정된 모델은 다음과 같습니다.
Path model with covariancesPath model with covariances공분산을 포함한 경로 모델
"Privacy_3"와 "Trust_3" 사이의 양방향 화살표는 내생 변수(결과 변수)이므로 *잔차* 공분산을 나타낸다는 점을 명확히 할 필요가 있습니다.
물론, 특정 공분산이 0이어야 한다는 강력한 가설이 있다면 위에 표시된 공분산 중 어느 하나라도 생략할 수 있습니다.
도움이 되셨기를 바랍니다.
제목: 구조방정식 모형에서의 범주형 변수 관련감사합니다, @LauraCS 님 . 괜찮으시다면 제 샘플 데이터를 보내주시면 더 좋을 것 같습니다.
실험의 통제 변수는 CO2, 발전기, 수분입니다. DAS는 날짜 변수입니다. VPD, 풍속, PAR은 이러한 요인들의 영향을 받지 않지만, 환경 요인이므로 DAS에 따라 변할 수 있습니다. gsw는 DeltaT를 예측하고, SWC는 DeltaT를 예측하며, SWC는 SoilT를 예측하고, SoilT는 DeltaT를 예측합니다. LAI와 높이는 gsw를 예측하고, 둘 다 SWC, SoilT, DeltaT를 예측합니다.
환경적 요인은 gsw와 DeltaT에 영향을 미치거나 이를 예측하는 데 영향을 줍니다.
감사합니다.
