Estou curioso para saber se existem técnicas gráficas específicas ou mais aplicáveis à modelagem de equações estruturais. Eu acho que isso pode se enquadrar em categorias de ferramentas exploratórias para análise de covariância ou diagnóstico gráfico para avaliação do modelo SEM. (Não estou pensando nos diagramas de caminho / gráfico aqui.)
14
Respostas:
Eu conheci Laura Trinchera, que contribuiu com um bom pacote R para modelagem de caminho PLS, plspm . Ele inclui várias saídas gráficas para vários tipos de estruturas de dados de bloco 2 e k.
Acabei de descobrir o enredo pacote R. Porém, é mais relacionado ao seu segundo ponto e restringe-se a representar graficamente os relacionamentos bivariados.
Quanto às referências recentes sobre o gráfico de diagnóstico para SEMs, aqui estão dois artigos que podem ser interessantes (para o segundo, eu apenas procurei o resumo recentemente, mas não consigo encontrar uma versão não bloqueada):
fonte
Esta é uma questão muito interessante. Suponha que tenhamos uma matriz de covariância bidimensional (exemplo muito irreal para SEM, mas tenha paciência comigo). Em seguida, você pode plotar os iso-contornos da matriz de covariância observada em relação à matriz de covariância estimada para obter uma noção do ajuste do modelo.
No entanto, na realidade, você terá uma matriz de covariância de alta dimensão. Em tal situação, você provavelmente poderia fazer vários gráficos bidimensionais, tendo duas variáveis por vez. Não é a solução ideal, mas talvez possa ajudar até certo ponto.
Editar
Um método ligeiramente melhor é realizar a Análise de Componentes Principais (PCA) na matriz de covariância observada. Salve a matriz de projeção da análise PCA na matriz de covariância observada. Use esta matriz de projeção para transformar a matriz de covariância estimada.
Em seguida, traçamos iso-contornos para as duas variações mais altas da matriz de covariância observada rotacionada em relação à matriz de covariância estimada. Dependendo de quantos gráficos desejamos, podemos obter a segunda e a terceira maiores variações, etc. Começamos com as maiores variações, pois queremos explicar o máximo possível de variação em nossos dados.
fonte
Suponho que você possa fazer um dimensionamento multidimensional da matriz de correlação ou covariância. Não é exatamente um modelo de equação estrutural, mas pode destacar padrões e estrutura na matriz de correlação ou covariância. Isso poderia ser formalizado com um modelo apropriado.
fonte
Se houver um efeito de interação (ou mesmo de outra forma), você poderá usar o software ITALASSI v1.2 (software livre) para obter visualizações 2D e 3D
fonte