Wprowadzenie do modelowania równań strukturalnych

Koledzy proszą mnie o pomoc w tym temacie, której tak naprawdę nie wiem. W jednym badaniu postawili hipotezy dotyczące roli niektórych ukrytych zmiennych, a sędzia poprosił ich o sformalizowanie tego w SEM. Ponieważ to, czego potrzebują, nie wydaje się zbyt trudne, myślę, że dam temu szansę ... na razie szukam dobrego wprowadzenia do tematu!

Google tak naprawdę nie był moim przyjacielem. Z góry bardzo dziękuję...

PS: Przeczytałem Modelowanie równań strukturalnych z pakietem sem w R autorstwa Johna Foxa i ten tekst tego samego autora. Myślę, że może to wystarczyć do moich celów, w każdym razie wszelkie inne odniesienia są mile widziane.

Chciałbym sięgnąć po kilka artykułów autorstwa Múthena i Múthena, którzy są szczególnie autorami oprogramowania Mplus

1. Múthen, BO (1984). Ogólny model równania strukturalnego z dychotomicznymi, uporządkowanymi kategorycznymi i ciągłymi wskaźnikami utajonymi . Psychometrika , 49, 115–132.
2. Muthén, B., du Toit, SHC & Spisic, D. (1997). Solidne wnioskowanie z wykorzystaniem ważonych najmniejszych kwadratów i kwadratowych równań estymacyjnych w modelowaniu zmiennych utajonych z wynikami kategorycznymi i ciągłymi. Niepublikowany raport techniczny.

(Dostępne tutaj jako pliki PDF: ważone najmniejsze kwadraty dla zmiennych kategorialnych ).

Na stronie Mplus wiki jest znacznie więcej do zobaczenia, np. Wyniki WLS vs. WLSMV z danymi porządkowymi ; dwaj autorzy są bardzo responsywni i zawsze udzielają szczegółowych odpowiedzi wraz z odniesieniami, jeśli to możliwe. Niektóre porównania solidnych metod ważenia metodą najmniejszych kwadratów w porównaniu do opartych na ML metod analizy polichorycznych lub wieloserialnych macierzy korelacji można znaleźć w:

Lei, PW (2009). Ocena metod estymacji danych porządkowych w modelowaniu równań strukturalnych . Jakość i ilość , 43, 495–507.

W przypadku innych opracowań matematycznych możesz spojrzeć na:

Jöreskog, KG (1994) O estymacji korelacji polichorycznych i ich asymptotycznej macierzy kowariancji . Psychometrika , 59 (3), 381–389. (Zobacz także artykuły SY Lee .)

Sophia Rabe-Hesketh i jej koledzy również mają dobre artykuły na temat SEM. Niektóre istotne odniesienia obejmują:

1. Rabe-Hesketh, S. Skrondal, A., i Pickles, A. (2004b). Uogólnione wielopoziomowe modelowanie równań strukturalnych . Psychometrika , 69, 167–190.
2. Skrondal, A. i Rabe-Hesketh, S. (2004). Uogólnione ukryte modelowanie zmiennych: modele równań wielopoziomowych, podłużnych i strukturalnych . Chapman & Hall / CRC, Boca Raton, Floryda. (Jest to podręcznik do zrozumienia / pracy ze Stata gllamm .)

Inne dobre zasoby są prawdopodobnie wymienione na doskonałej stronie internetowej Johna Uebersaxa, w szczególności Wprowadzenie do współczynników korelacji tetrachorycznej i polichorycznej . Biorąc pod uwagę, że jesteś zainteresowany pracą stosowaną, sugerowałbym przyjrzenie się OpenMx (kolejny pakiet oprogramowania do modelowania struktury kowariancji) i lavaan (który ma na celu dostarczenie wyników podobnych do EQS lub Mplus), oba dostępne pod R.

Chociaż w tym momencie jest to tylko styczne do twoich celów, jeśli kontynuujesz projekty przy użyciu ukrytych zmiennych, zdecydowanie sugeruję przeczytanie „ Pomiar umysłu” Denny'ego Boorsbooma . Nie daj się zwieść tytułowi, jest to głównie szczegółowy esej na temat logiki zmiennych ukrytych i duża krytyka klasycznej teorii testów. Powiedziałbym, że należy czytać, jeśli używasz zmiennych ukrytych w podłużnej strukturze. Chodzi tylko o logikę zmiennych utajonych, nie ma nic na temat faktycznego szacowania modeli.

Odpowiadajcie ze swoimi doświadczeniami, mam już niektóre z odniesień tutaj, chociaż chciałbym również rozszerzyć swoją bibliotekę. FWIW, równania strukturalne Kena Bollena z ukrytymi zmiennymi były kolejnym na mojej liście lektur (chociaż opiera się to tylko na mojej opinii o jego pracy naukowej).

Poza tym powiedziałbym, że podoba mi się także praca Bengta Muthéna. Oprogramowanie MPlus jest niezwykle popularne i możesz zobaczyć wszystkie rodzaje analiz, które można przeprowadzić na stronie internetowej Mplus ( link do instrukcji obsługi ). Ma także serię postów z mp3 na temat analizy statystycznej ze zmiennymi ukrytymi na UCLA. Nie słuchałem ich wszystkich, ale podejrzewam, że wszystkie są gruntownym wprowadzeniem do każdego konkretnego tematu omawianego na tym tygodniowym wykładzie.

To był zalecany tekst na kursie: PBKline, Zasady i praktyka modelowania równań strukturalnych , The Guilford Press. Jest to tekst wprowadzający, ale niezbyt matematyczny.

Aby uzyskać bardziej matematyczne, bayesowskie leczenie, możesz spróbować: SY. Lee, Modelowanie równań strukturalnych: podejście bayesowskie , Wiley.

Obecnie studiuję SEM, używając LISREL . Używamy tych dwóch książek:

1. Przewodnik dla początkujących po modelowaniu równań strukturalnych
2. Nowe osiągnięcia i techniki modelowania równań strukturalnych

Dr Schumaker jest instruktorem na moim kursie. Pierwsza książka jest naprawdę dobra we wprowadzaniu SEM, ponieważ prowadzi Cię przez proces specyfikacji modelu, identyfikacji i tak dalej. Chociaż jest oparty na LISRELoprogramowaniu, oczekiwałbym, że ogólne metody i interpretacja wyników będą niezależne od oprogramowania.

Książka Kline jest doskonała. Aby zapoznać się z krótkim wprowadzeniem jako artykuł, zobacz

Gefen, D. 2000. Modelowanie i regresja równań strukturalnych: wytyczne dotyczące praktyki badawczej. CAIS. Tom 4. http://aisel.aisnet.org/cais/vol4/iss1/7/

Hox, JJ i Bechger, TM Wprowadzenie do modelowania równań strukturalnych. Przegląd nauki o rodzinie. 11: 354–373.http://joophox.net/publist/semfamre.pdf

Lei, PW i Wu, Q. 2007. Wprowadzenie do modelowania równań strukturalnych: problemy i rozważania praktyczne. Pomiary edukacyjne: problemy i praktyka. http://dx.doi.org/10.1111/j.1745-3992.2007.00099.x

Grace, J. 2010. Modelowanie równań strukturalnych dla badań obserwacyjnych. The Journal of Wildlife Management. 72: 14–22 http://dx.doi.org/10.2193/2007-307

Zobacz także http://lavaan.org

Jarrett Byrnes (tutaj jebyrnes) również opublikował tutaj swoje cotygodniowe materiały wprowadzające do SEM: http://byrneslab.net/teaching/sem/

Kurs jest przeznaczony dla naukowców stosujących SEM do danych biologicznych i ekologicznych, ale obejmuje ogólne wprowadzenie do pojęć SEM, kodu R i przykładów, więc może być pomocne dla innych. Uważam, że materiał był bardzo pomocny w początkowej fazie, praktycznie bez wiedzy na temat tego podejścia.