¿Qué técnicas gráficas se utilizan en el modelado de ecuaciones estructurales?


14

Tengo curiosidad por saber si hay técnicas gráficas particulares, o más aplicables, al modelado de ecuaciones estructurales. Supongo que esto podría caer en categorías para herramientas exploratorias para el análisis de covarianza o diagnósticos gráficos para la evaluación del modelo SEM. (Realmente no estoy pensando en diagramas de ruta / gráfico aquí).


El término "SEM" es vago. También podría significar "Marketing en buscadores", por ejemplo, para alguien que busca técnicas de análisis estadístico para estudiar los datos de clics de anuncios o evaluar la efectividad de la publicidad. Considera hacer el título más detallado.
Paul

Respuestas:


13

Conocí a Laura Trinchera, quien contribuyó con un buen paquete R para el modelado de ruta PLS, plspm . Incluye varios resultados gráficos para varios tipos de estructuras de datos de 2 y k bloques.

Acabo de descubrir el paquete plotSEMM R. Sin embargo, está más relacionado con su segundo punto y está restringido a graficar relaciones bivariadas.

En cuanto a las referencias recientes sobre el diagrama de diagnóstico para SEM, aquí hay dos documentos que pueden ser interesantes (para el segundo, acabo de examinar el resumen recientemente pero no puedo encontrar una versión sin componer):

  1. Sanchez BN, Houseman EA y Ryan LM. Diagnóstico basado en residuos para modelos de ecuaciones estructurales . Biometrics (2009) 65, 104–115
  2. Yuan KH y Hayashi K. Datos de ajuste para modelar: diagnóstico de modelado de ecuaciones estructurales usando dos diagramas de dispersión , Métodos psicológicos (2010)
  3. Porzio GC y Vitale MP. Descubriendo la interacción en modelos de ecuaciones estructurales a través de un diagrama de diagnóstico . ISI 58º Congreso Mundial (2011).

@chl: gracias! Recuerdo que plspm se anunció en la lista de semnet; por alguna razón, PLS no es tan grande en este lado del Atlántico, no estoy seguro de por qué. plotSEMM se ve realmente interesante, no puedo esperar para jugar con él.
ars

@chl: por cierto, quise agregar que es una pena que PLS no se note más aquí, ya que parece que están sucediendo muchas cosas interesantes, especialmente con las herramientas que se están desarrollando (por ejemplo, SmartPLS además de plspm). Hace un tiempo leí parte del trabajo de Wold y algunas de sus ideas se acaban de concretar (por ejemplo, "tener una conversación con sus datos"). Realmente necesito reservar algo de tiempo para explorarlo más.
ars

@ars ¿Quieres una lista de lecturas recomendadas? También trabajé con Arthur Tenenhaus, quien envió un buen artículo con su padre (sí, Michel Tenenhaus) a Psychometrika: están unificando todos los métodos de dos bloques (PCA, CCA, PLS, inter-batería, etc.) gracias a una muy buena reescribir la restricción argmax. He estado jugando con PLS / CCA (L1 / L2) penalizado en genómica, pero creo que traerá más información interesante sobre mis datos biomédicos.
chl

1
@ars Entonces, me gustaría sugerir los siguientes documentos de Father & Son: j.mp/dvEDgb , j.mp/csD1Yf , j.mp/dkEHq5 .
chl

4

Esta es una pregunta muy interesante. Supongamos que tenemos una matriz de covarianza bidimensional (ejemplo muy poco realista para SEM pero tenga paciencia conmigo). Luego, puede trazar los contornos iso de la matriz de covarianza observada con respecto a la matriz de covarianza estimada para tener una idea del ajuste del modelo.

Sin embargo, en realidad tendrá una matriz de covarianza de alta dimensión. En tal situación, probablemente podría hacer varias gráficas bidimensionales tomando 2 variables a la vez. No es la solución ideal, pero quizás pueda ayudar hasta cierto punto.

Editar

Un método ligeramente mejor es realizar el análisis de componentes principales (PCA) en la matriz de covarianza observada. Guarde la matriz de proyección del análisis de PCA en la matriz de covarianza observada. Use esta matriz de proyección para transformar la matriz de covarianza estimada.

Luego graficamos iso-contornos para las dos variaciones más altas de la matriz de covarianza observada rotada con respecto a la matriz de covarianza estimada. Dependiendo de cuántas parcelas queramos hacer, podemos tomar la segunda y la tercera variaciones más altas, etc. Comenzamos a partir de las variaciones más altas ya que queremos explicar la mayor variación posible en nuestros datos.


Srikant, gracias por la respuesta! No estoy seguro de lo que quiere decir con gráficas de contorno de covarianzas (obs v est), ¿podría explicarlo? Gracias.
ars

Vea esto: en.wikipedia.org/wiki/Level_set . Deje que Sigma sea una matriz de covarianza bidimensional e Y ~ N (0, Sigma). Una línea de iso-contorno trazaría el conjunto de puntos Y para los cuales f (Y | sigma) = c donde c es una constante. Tenga en cuenta que Y es un vector bidimensional. Elegiría varios valores de c y, por lo tanto, obtendría diferentes líneas de iso-contorno que le darían una idea de la extensión de la distribución.

@Srikant, gracias por la sugerencia. Pasé un tiempo probándolo y parece un buen comienzo para obtener una comparación visual rápida, especialmente cuando el ajuste es malo.
ars

2

Supongo que podría hacer una escala multidimensional de la matriz de correlación o covarianza. No es exactamente un modelo de ecuación estructural, pero podría resaltar patrones y estructura en la matriz de correlación o covarianza. Esto podría formalizarse con un modelo apropiado.


Gracias Jeromy Solo lea la entrada de Wikipedia para MDS, parece que podría llevar a algún lado.
ars

0

Si hay un efecto de interacción (o incluso de otro modo), puede usar el software ITALASSI v1.2 (software gratuito) para obtener vistas 2D y 3D

Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.