Yapısal eşitlik modellemeye giriş

Meslektaşlarımdan, bu konuda gerçekten bilmediğim bazı yardımlar isteniyor. Bir çalışmada bazı gizli değişkenlerin rolü hakkında hipotezler yapmışlar ve bir hakem onlardan SEM'de resmi olmalarını istedi. İhtiyacı olan şey çok zor görünmüyor, sanırım bir çekim yapacağım ... şimdilik, konuyla ilgili iyi bir giriş yapacağım!

Google bu konuda gerçekten arkadaşım değildi. Şimdiden çok teşekkürler...

Not: Yapısal Eşitlik Modellemesi'ni R'deki sem Paketiyle John Fox'tan okudum ve bu metni aynı yazardan okudum . Bunun benim amacım için yeterli olabileceğini düşünüyorum, her neyse başka referanslar kabul edilir.

Ben kaleme Múthen ve Múthen, bazı kağıtlar için giderdim sitede Mplus özellikle yazılım

1. Müthen, BO (1984). Dikhotomous, sıralı kategorik ve sürekli gizli göstergelere sahip genel bir yapısal denklem modeli . Psikometrika , 49, 115-132.
2. Muthen, B., du Toit, SHC & Spisic, D. (1997). Kategorik ve sürekli sonuçlarla gizli değişken modellemede ağırlıklı en küçük kareler ve ikinci dereceden kestirim denklemleri kullanılarak sağlam çıkarım. Yayımlanmamış teknik rapor.

(Buradan PDF olarak erişilebilir: Kategorik Değişkenler için En Az Kareler .)

Çok sitede Mplus wiki görmek için daha fazla var, mesela sıralı veri ile WLS vs WLSMV sonuçları ; iki yazar çok duyarlıdır ve mümkün olduğunda eşlik eden referanslarla birlikte daima ayrıntılı cevaplar sağlar. Sağlam ağırlıklı en küçük kareler Bazı karşılaştırmalar genel analiz polychoric veya polyserial korelasyon matrislerinin ML-bazlı yöntemler bulunabilir:

Lei, PW (2009). Yapısal eşitlik modellemesinde sıralı veriler için tahmin yöntemlerinin değerlendirilmesi . Kalite ve Miktar , 43, 495–507.

Diğer matematiksel gelişim için şunlara bir göz atabilirsiniz:

Jöreskog, KG (1994) Polikrik korelasyonların ve asimptotik kovaryans matrislerinin tahmininde . Psikmetrika , 59 (3), 381-389. (Ayrıca bkz. SY Lee'nin makaleleri.)

Sophia Rabe-Hesketh ve meslektaşlarının SEM hakkında iyi makaleleri var. Bazı ilgili referanslar şunları içerir:

1. Rabe-Hesketh, S. Skrondal, A. ve Pickles, A. (2004b). Genelleştirilmiş çok seviyeli yapısal denklem modellemesi . Psychometrika , 69, 167-190.
2. Skrondal, A. ve Rabe-Hesketh, S. (2004). Genelleştirilmiş Gizli Değişken Modelleme: Çok Düzeyli, Boyuna ve Yapısal Eşitlik Modelleri . Chapman & Hall / CRC, Boca Raton, FL. (Stata gllamm'ı anlamak / çalışmak için referans kitabıdır .)

Diğer iyi kaynaklar muhtemelen John Uebersax'ın mükemmel web sitesinde, özellikle de Tetrakorik ve Polikorik Korelasyon Katsayılarına Giriş bölümünde listelenmiştir . Uygulamalı çalışmalarla da ilgilendiğiniz göz önüne alındığında , her ikisi de R altında mevcut olan OpenMx'e ( kovaryans yapısını modellemek için başka bir yazılım paketi) ve lavan'a (EQS veya Mplus'a benzer çıktılar vermeyi amaçlayan ) bir göz atmanızı öneririm .

Bu noktada hedeflerinize sadece teğet olsa da, gizli değişkenleri kullanan projelerde devam ederseniz, Denny Boorsboom'un Zihin Ölçme bölümünü okumanızı şiddetle tavsiye ederim . Başlığa kanmayın, esas olarak gizli değişkenlerin mantığı ve klasik test teorisinin geniş bir eleştirisi üzerine ayrıntılı bir denemedir. Boylamsal bir çerçevede gizli değişkenleri kullanıyorsanız okuma gerekli olduğunu söyleyebilirim. Bu sadece gizli değişkenlerin mantığı ile ilgili olsa da, modellerin tahmininde hiçbir şey yoktur.

Deneyimlerinizle geri bildirimde bulunun, kütüphanemi de genişletmek istememe rağmen, burada daha önce verilmiş olan referanslarım var. FWIW, Ken Bollen'in gizli değişkenlerle yapısal denklemleri okuma listemde bir sonraki adımdı (bu sadece benim bilimsel çalışmaları hakkındaki düşüncelerime dayanıyor olsa da).

Bunun yanında Bengt Muthén'in çalışmalarından da zevk aldığımı söyleyebilirim. MPlus yazılımı inanılmaz derecede popülerdir ve Mplus web sitesinde gerçekleştirilebilecek tüm analiz türlerini görebilirsiniz ( kullanım kılavuzuna bağlantı ). Ayrıca UCLA'daki gizli değişkenlerle istatistiksel analiz üzerine kursu için bir dizi mp3 kaydı var. Hepsini dinlemedim, ama o hafta ders için hangi konunun ele alındığına dair tam bir tanıtım olduğundan şüpheleniyorum.

Aldığım kursta önerilen metin buydu: PBKline, Yapısal Eşitlik Modellemesi İlkeleri ve Uygulamaları, Guilford Press. Giriş niteliğinde bir metindir ve ağır matematiksel değildir.

Daha matematiksel bir Bayesian tedavisi için deneyebilirsiniz: SY. Lee, Yapısal Eşitlik Modellemesi: Bayes Yaklaşımı , Wiley.

Şu anda SEM çalışıyorum LISREL. Bu iki kitabı kullanıyoruz:

1. Yapısal Eşitlik Modellemesi için Yeni Başlayanlar Kılavuzu
2. Yapısal Eşitlik Modellemede Yeni Gelişmeler ve Teknikler

Dr Schumaker kursumdaki eğitmen. İlk kitap, SEM'i tanıtmakta gerçekten çok iyi, çünkü sizi model tanımlama, tanımlama vb. LISRELYazılıma dayalı olmasına rağmen, genel yöntemlerin ve sonuçların yorumlanmasının yazılımdan bağımsız olacağını umuyorum.

Kline'ın kitabı mükemmel. Kağıt olarak hızlı bir tanıtım için bkz.

Gefen, D. 2000. Yapısal eşitlik modellemesi ve regresyonu: Araştırma uygulamaları için rehberler. CAIS. Cilt 4. http://aisel.aisnet.org/cais/vol4/iss1/7/

Hox, JJ ve Bechger, TM Yapısal eşitlik modellemeye giriş. Aile Bilimleri Dergisi. 11: 354-373. http://joophox.net/publist/semfamre.pdf

Lei, PW ve Wu, S. 2007. Yapısal Eşitlik Modellemesine Giriş: Sorunlar ve Pratik Düşünceler. Eğitim Ölçümü: Sorunlar ve Uygulama. http://dx.doi.org/10.1111/j.1745-3992.2007.00099.x

Grace, J. 2010. Gözlemsel Çalışmalar için Yapısal Eşitlik Modellemesi. Yaban Hayatı Yönetimi Dergisi. 72: 14-22 http://dx.doi.org/10.2193/2007-307

Ayrıca bakınız http://lavaan.org

Jarrett Byrnes (burada jebyrnes), burada yayınlanan hafta boyunca SEM tanıtım kurs materyallerine de sahiptir: http://byrneslab.net/teaching/sem/

Tabii biyolojik ve ekolojik verilere SEM uygulayan araştırmacılar için tasarlanmıştır, ancak SEM kavramlarına, R koduna ve genel tanıtımlarına genel bir giriş yapmayı kapsar, bu nedenle başkalarına yardımcı olması muhtemeldir. Bu yaklaşımı neredeyse hiçbir şey bilmeden başlayarak materyali çok faydalı buldum.