Quais técnicas gráficas são usadas na modelagem de equações estruturais?

14

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.)

sem data-visualization ars
fonte
O termo "SEM" é vago. Também pode significar "Marketing nos mecanismos de pesquisa", por exemplo, para quem procura técnicas de análise estatística para estudar dados de cliques em anúncios ou avaliar a eficácia da publicidade. Considere tornar o título mais detalhado.
Paul

Respostas:

13

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):

  1. Sanchez BN, Houseman EA e Ryan LM. Diagnósticos residuais para modelos de equações estruturais . Biometrics (2009) 65, 104-115
  2. Yuan KH e Hayashi K. Ajustando dados ao modelo: diagnóstico de modelagem de equações estruturais usando dois gráficos de dispersão , Psychological Methods (2010)
  3. Porzio GC e Vitale MP. Descobrindo a interação nos modelos de equações estruturais por meio de um gráfico de diagnóstico . 58º Congresso Mundial da ISI (2011).
chl
fonte
@chl: obrigado! Lembro-me de o plspm ser anunciado na lista de sem-redes - por algum motivo o PLS não é tão grande deste lado do Atlântico, não sei por quê. O plotSEMM parece realmente interessante, mal posso esperar para brincar.
quer
@chl: btw, eu quis acrescentar que é uma pena que o PLS não seja mais mencionado aqui, pois parece haver muitas coisas interessantes acontecendo ao redor dele, especialmente com as ferramentas sendo desenvolvidas (por exemplo, SmartPLS além do plspm). Li alguns dos trabalhos de Wold há algum tempo e algumas de suas idéias estão apenas sendo realizadas (por exemplo, "conversando com seus dados"). Eu realmente preciso reservar um tempo para explorar mais.
ars
@ars Deseja uma lista de leituras recomendadas? Também trabalhei com Arthur Tenenhaus, que enviou um belo trabalho com o pai (sim, Michel Tenenhaus) para a Psychometrika: eles estão unificando todos os métodos de dois blocos (PCA, CCA, PLS, interbateria etc.) graças a uma excelente reescrever a restrição argmax. Eu tenho me envolvido com PLS / CCA (L1 / L2) penalizado em genômica, mas acho que isso trará mais interesse aos meus dados biomédicos.
quer
1
@ars Então, eu gostaria de sugerir os seguintes artigos de Pai e Filho: j.mp/dvEDgb , j.mp/csD1Yf , j.mp/dkEHq5 .
chl
4

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
Srikant, obrigado pela resposta! Não sei ao certo o que você quer dizer com gráficos de contorno de covariâncias (obs v est) - você poderia elaborar? Obrigado.
Ars 27/07
Veja isto: en.wikipedia.org/wiki/Level_set . Seja Sigma uma matriz de covariância bidimensional e Y ~ N (0, Sigma). Uma linha iso-contorno plotaria o conjunto de pontos Y para o qual f (Y | sigma) = c onde c é uma constante. Observe que Y é um vetor bidimensional. Você escolheria vários valores de c e, portanto, obteria diferentes linhas de contorno isoelétrico, o que lhe daria uma ideia da distribuição da distribuição.
@ Krikant, obrigado pela sugestão. Passei algum tempo testando e parece um bom começo para obter uma rápida comparação visual, especialmente quando o ajuste está ruim.
Ars
2

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.

Jeromy Anglim
fonte
Obrigado Jeromy. Basta ler a entrada da Wikipedia para MDS - parece que poderia levar a algum lugar.
ars
0

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

Jindow Joseph
fonte