Structural Equation Modeling에는 어떤 그래픽 기법이 사용됩니까?


14

구조 방정식 모델링에 특히 그래픽 기법이 적용 가능하거나 더 적용 가능한지 궁금합니다. 이것이 공분산 분석을위한 탐색 도구 또는 SEM 모델 평가를위한 그래픽 진단의 범주로 분류 될 수 있습니다. (실제로 경로 / 그래프 다이어그램을 생각하지 않습니다.)


"SEM"이라는 용어는 모호합니다. 예를 들어 광고 클릭 데이터를 연구하거나 광고 효과를 평가하기위한 통계 분석 기술을 찾는 사람에게 "검색 엔진 마케팅"을 의미 할 수도 있습니다. 제목을 좀 더 장황하게 만드십시오.
Paul

답변:


13

PLS 경로 모델링을위한 멋진 R 패키지 인 plspm 을 제공 한 Laura Trinchera를 만났습니다 . 여기에는 다양한 종류의 2- 및 k- 블록 데이터 구조를위한 여러 그래픽 출력이 포함됩니다.

방금 plotSEMM R 패키지를 발견했습니다 . 그러나 두 번째 요점과 관련이 있으며 이변 량 관계를 그래프로 제한합니다.

SEM 진단 플롯에 대한 최근 참조에 관해서는 흥미로운 두 가지 논문이 있습니다.

  1. Sanchez BN, Houseman EA 및 Ryan LM. 구조 방정식 모델에 대한 잔류 기반 진단 . 생체 인식 (2009) 65, 104–115
  2. Yuan KH 및 Hayashi K. 모형에 적합 데이터 : 두 개의 산점도를 사용한 구조 방정식 모델링 진단 , 심리학 적 방법 (2010)
  3. Porzio GC 및 Vitale MP. 진단 플롯을 통해 구조 방정식 모델에서 상호 작용 발견 . ISI 58 차 세계 대회 (2011).

@chl : 감사합니다! 나는 plspm이 semnet 목록에 발표되었다는 것을 기억합니다. 어떤 이유로 PLS가 대서양 의이 측면에서 크지 않은 이유는 확실하지 않습니다. plotSEMM은 정말 재미있어 보입니다.
ars

@chl : btw, PLS가 여기에 더 이상 언급되지 않는 것이 부끄러운 일이라고 덧붙였습니다. 특히 주변에서 발생하는 많은 흥미로운 일이 있기 때문에 특히 도구가 개발 중입니다 (예 : plspm 외에도 SmartPLS). Wold의 일부 작품은 얼마 전에 읽었으며 그의 아이디어 중 일부는 단지 실현되고 있습니다 (예 : "데이터와 대화하기"). 좀 더 탐구하기 위해 시간을 따로 떼어 놓아야합니다.
ars

@ars 추천 자료 목록을 원하십니까? 나는 또한 아버지 (예, Michel Tenenhaus)와 함께 Psychometrika에게 멋진 논문을 제출 한 Arthur Tenenhaus와 함께 일했습니다. 그들은 매우 깔끔한 덕분에 모든 2 블록 방법 (PCA, CCA, PLS, 배터리 간 등)을 통합하고 있습니다. argmax 제약 조건을 다시 작성하십시오. 유전체학에서 불이익을받은 PLS / CCA (L1 / L2)를 가지고 놀았지만, 내 생의학 데이터에서 더 흥미로울 것이라고 생각합니다.
chl

1
@ars 따라서 Father & Son의 j.mp/dvEDgb , j.mp/csD1Yf , j.mp/dkEHq5 논문을 제안하고 싶습니다 .
chl

4

이것은 매우 흥미로운 질문입니다. 2 차원 공분산 행렬이 있다고 가정합니다 (SEM에 대한 비현실적인 예이지만 나와 함께 참아주세요). 그런 다음 관측 된 공분산 행렬에 대해 관측 된 공분산 행렬에 대한 등고선을 플로팅하여 모형 적합도를 얻을 수 있습니다.

그러나 실제로는 고차원 공분산 행렬이됩니다. 이러한 상황에서는 한 번에 2 개의 변수를 사용하여 여러 개의 2 차원 플롯을 수행 할 수 있습니다. 이상적인 솔루션은 아니지만 어느 정도 도움이 될 수 있습니다.

편집하다

약간 더 나은 방법은 관측 된 공분산 행렬에서 주성분 분석 (PCA) 을 수행하는 것입니다. 관측 된 공분산 행렬에 대한 PCA 분석의 투영 행렬을 저장합니다. 이 투영 행렬을 사용하여 추정 된 공분산 행렬을 변환합니다.

그런 다음 추정 된 공분산 행렬에 대해 회전 된 관측 된 공분산 행렬의 두 가지 가장 높은 분산에 대해 등고선을 플로팅합니다. 우리가 원하는 플롯의 수에 따라 두 번째와 세 번째 가장 높은 분산 등을 취할 수 있습니다. 가능한 한 많은 데이터 변동을 설명하고자 할 때 가장 높은 분산에서 시작합니다.


Srikant, 답변 주셔서 감사합니다! 공분산의 등고선 그림 (최고의 수준)이 무엇을 의미하는지 잘 모르겠습니다. 감사.
ars

이 참조 : en.wikipedia.org/wiki/Level_set를 . Sigma를 2 차원 공분산 행렬로하고 Y ~ N (0, Sigma)이라고하자. 등고선은 f (Y | sigma) = c 인 점 세트 Y를 플로팅합니다. 여기서 c는 상수입니다. Y는 2 차원 벡터입니다. c의 다양한 값을 선택하여 분포의 확산을 감지하는 다른 등고선을 얻을 수 있습니다.

@Srikant, 제안 주셔서 감사합니다. 나는 그것을 시도하는 데 시간을 보냈으며 특히 시각적으로 적합하지 않은 경우 빠른 시각적 비교를 시작하는 것이 좋았습니다.
ars

2

상관 관계 또는 공분산 행렬의 다차원 스케일링을 수행 할 수 있다고 가정합니다. 정확하게 구조 방정식 모델링은 아니지만 상관 관계 또는 공분산 행렬에서 패턴과 구조를 강조 표시 할 수 있습니다. 그런 다음 적절한 모델로 공식화 할 수 있습니다.


고마워요 MDS에 대한 Wikipedia 항목을 읽으십시오. 어딘가로 이어질 것 같습니다.
ars

0

상호 작용 효과가 있거나 다른 경우에는 소프트웨어 ITALASSI v1.2 (무료 소프트웨어)를 사용하여 2D 및 3D보기를 얻을 수 있습니다.

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.