Os colegas me pedem alguma ajuda nesse assunto, que eu realmente não sei. Eles fizeram hipóteses sobre o papel de algumas variáveis latentes em um estudo, e um árbitro pediu que formalizassem isso no MEV. Como o que eles precisam não parece muito difícil, acho que vou tentar ... por enquanto, estou apenas procurando uma boa introdução ao assunto!
O Google não era realmente meu amigo nisso. Muito obrigado antecipadamente...
PS: Eu li Modelagem de Equações Estruturais com o Pacote sem em R de John Fox, e este texto do mesmo autor. Eu acho que isso pode ser suficiente para o meu propósito, de qualquer forma, quaisquer outras referências são bem-vindas.
references
modeling
sem
psychometrics
Elvis
fonte
fonte
Respostas:
Eu procuraria alguns trabalhos de Múthen e Múthen, que foram os autores do software Mplus , especialmente
(Disponível como PDFs aqui: Mínimos Quadrados Ponderados para Variáveis Categóricas .)
Há muito mais para ver no wiki do Mplus, por exemplo, resultados WLS vs. WLSMV com dados ordinais ; os dois autores são muito responsivos e sempre fornecem respostas detalhadas com as referências que os acompanham, quando possível. Algumas comparações de robustos mínimos quadrados ponderados comparada métodos baseados em ml de análise policóricas ou matrizes de correlação polyserial pode ser encontrada em:
Para outros desenvolvimentos matemáticos, você pode dar uma olhada em:
Sophia Rabe-Hesketh e seus colegas também têm bons artigos sobre SEM. Algumas referências relevantes incluem:
Outros bons recursos provavelmente estão listados no excelente site de John Uebersax, em particular Introdução aos coeficientes de correlação tetracórica e policórica . Como você também está interessado no trabalho aplicado, sugiro que dê uma olhada no OpenMx (mais um pacote de software para modelar a estrutura de covariância) e lavaan (que visa fornecer resultados semelhantes aos do EQS ou Mplus), ambos disponíveis em R.
fonte
Embora apenas tangente aos seus objetivos neste momento, se você continuar em projetos usando variáveis latentes, sugiro que você leia Measuring the Mind, de Denny Boorsboom . Não se deixe enganar pelo título, é principalmente um ensaio detalhado sobre a lógica das variáveis latentes e uma grande crítica à teoria clássica dos testes. Eu diria que é necessário ler se você estiver utilizando variáveis latentes em uma estrutura longitudinal. Porém, é apenas sobre a lógica das variáveis latentes, não tem nada a ver com a estimativa de modelos.
Publique de volta com suas experiências, já tenho algumas das referências aqui, embora eu também queira expandir minha biblioteca. FWIW, as equações estruturais de Ken Bollen com variáveis latentes foram as próximas na minha lista de leitura (embora isso seja baseado apenas na minha opinião sobre seu trabalho acadêmico).
Além disso, eu diria que também gosto do trabalho de Bengt Muthén. O software MPlus é incrivelmente popular e você pode ver todos os tipos de análise que podem ser realizados no site da Mplus ( link para o guia do usuário ). Ele também tem uma série de postagens em mp3 de seu curso sobre análise estatística com variáveis latentes na UCLA. Eu não ouvi todos eles, mas suspeito que todos sejam introduções completas de qualquer tópico em particular que for coberto para a palestra dessa semana.
fonte
Este foi o texto recomendado no curso que fiz: PBKline, Princípios e Práticas de Modelagem de Equações Estruturais , The Guilford Press. É um texto introdutório, e não muito matemático.
Para um tratamento mais matemático, bayesiano, você pode tentar: SY. Lee, Modelagem de Equações Estruturais: Uma Abordagem Bayesiana , Wiley.
fonte
Estou estudando SEM no momento, usando
LISREL
. Estamos usando esses dois livros:O Dr. Schumaker é o instrutor do meu curso. O primeiro livro é realmente bom na introdução do SEM, pois o conduz pelo processo de especificação, identificação e assim por diante do modelo. Embora seja baseado no
LISREL
software, eu esperaria que os métodos gerais e a interpretação dos resultados sejam independentes do software.fonte
O livro de Kline é excelente. Para uma introdução rápida como papel, consulte
Gefen, D. 2000. Modelagem de equações estruturais e regressão: Diretrizes para a prática de pesquisa. CAIS. Volume 4. http://aisel.aisnet.org/cais/vol4/iss1/7/
Hox, JJ e Bechger, TM Uma introdução à modelagem de equações estruturais. Revisão de Ciências da Família. 11: 354-373. http://joophox.net/publist/semfamre.pdf
Lei, PW e Wu, Q. 2007. Introdução à modelagem de equações estruturais: questões e considerações práticas. Medição educacional: questões e prática. http://dx.doi.org/10.1111/j.1745-3992.2007.00099.x
Grace, J. 2010. Modelagem de equações estruturais para estudos observacionais. O Journal of Wildlife Management. 72: 14-22 http://dx.doi.org/10.2193/2007-307
Veja também http://lavaan.org
fonte
Jarrett Byrnes (jebyrnes aqui) também tem seus materiais de introdução ao curso SEM de uma semana publicados aqui: http://byrneslab.net/teaching/sem/
O curso é destinado a pesquisadores que aplicam SEMs a dados biológicos e ecológicos, mas abrange introduções gerais aos conceitos de SEM, código R e exemplos, de modo que provavelmente será útil para outras pessoas. Achei o material muito útil para começar com quase nenhum conhecimento da abordagem.
fonte