Des collègues me demandent de l'aide à ce sujet, que je ne connais pas vraiment. Ils ont fait des hypothèses sur le rôle de certaines variables latentes dans une étude, et un arbitre leur a demandé de formaliser cela en SEM. Comme ce dont ils ont besoin ne semble pas trop difficile, je pense que je vais essayer ... pour l'instant, je suis juste à la recherche d'une bonne introduction au sujet!
Google n'était pas vraiment mon ami à ce sujet. Merci d'avance...
PS: J'ai lu Modélisation d'équations structurelles avec le package sem dans R par John Fox, et ce texte du même auteur. Je pense que cela peut être suffisant pour mon objectif, de toute façon toute autre référence est la bienvenue.
Réponses:
J'irais chercher des articles de Múthen et Múthen, qui sont les auteurs du logiciel Mplus , en particulier
(Disponible en PDF à partir d'ici: Moindres carrés pondérés pour les variables catégorielles .)
Il y a beaucoup plus à voir sur le wiki Mplus, par exemple les résultats WLS contre WLSMV avec des données ordinales ; les deux auteurs sont très réactifs et fournissent toujours des réponses détaillées accompagnées de références lorsque cela est possible. Quelques comparaisons des moindres carrés pondérés robustes par rapport aux méthodes basées sur ML d'analyse des matrices de corrélation polychoriques ou polysériennes peuvent être trouvées dans:
Pour d'autres développements mathématiques, vous pouvez consulter:
Sophia Rabe-Hesketh et ses collègues ont également de bons articles sur SEM. Quelques références pertinentes:
D'autres bonnes ressources sont probablement répertoriées sur l'excellent site Web de John Uebersax, en particulier Introduction to the Tetrachoric and Polychoric Correlation Coefficients . Étant donné que vous êtes également intéressé par le travail appliqué, je suggère de jeter un oeil à OpenMx (encore un autre logiciel pour modéliser la structure de covariance) et lavaan (qui vise à fournir des résultats similaires à ceux d'EQS ou de Mplus), tous deux disponibles sous R.
la source
Bien que tangente à vos objectifs à ce stade, si vous continuez sur des projets utilisant des variables latentes, je vous suggère fortement de lire Measuring the Mind de Denny Boorsboom . Ne vous laissez pas berner par le titre, il s'agit principalement d'un essai détaillé sur la logique des variables latentes, et d'une large critique de la théorie des tests classiques. Je dirais que c'est une lecture nécessaire si vous utilisez des variables latentes dans un cadre longitudinal. Il ne s'agit que de la logique des variables latentes, il n'a rien à propos de l'estimation réelle des modèles.
Revenez avec vos expériences, j'ai déjà certaines des références données ici, bien que j'aimerais aussi étendre ma bibliothèque. FWIW, les équations structurelles de Ken Bollen avec des variables latentes étaient les suivantes sur ma liste de lecture (bien que cela ne soit basé que sur mon opinion de son travail universitaire).
En plus de cela, je dirais que j'aime aussi le travail de Bengt Muthén. Le logiciel MPlus est incroyablement populaire et vous pouvez voir tous les types d'analyses qui peuvent être effectuées sur le site Web Mplus ( lien vers le guide de l'utilisateur ). Il a également une série de publications en mp3 de son cours sur l'analyse statistique avec des variables latentes à l'UCLA. Je ne les ai pas tous écoutés, mais je soupçonne que tous sont des introductions approfondies à n'importe quel sujet particulier couvert pour cette conférence de cette semaine.
la source
C'était le texte recommandé pour le cours que j'ai suivi: PBKline, Principes et pratique de la modélisation d'équations structurelles , The Guilford Press. Il s'agit d'un texte introductif et peu mathématique.
Pour un traitement plus mathématique, bayésien, vous pouvez essayer: SY. Lee, Modélisation d'équations structurelles: une approche bayésienne , Wiley.
la source
J'étudie SEM en ce moment, en utilisant
LISREL
. Nous utilisons ces deux livres:Le Dr Schumaker est l'instructeur de mon cours. Le premier livre est vraiment bon pour introduire SEM, car il vous guide tout au long du processus de spécification, d'identification, etc. Bien qu'il soit basé sur le
LISREL
logiciel, je m'attendrais à ce que les méthodes générales et l'interprétation des résultats soient indépendantes du logiciel.la source
Le livre de Kline est excellent. Pour une introduction rapide sous forme de document, voir
Gefen, D. 2000. Modélisation et régression d'équations structurelles: Lignes directrices pour la pratique de la recherche. PCSRA. Volume 4. http://aisel.aisnet.org/cais/vol4/iss1/7/
Hox, JJ et Bechger, TM Une introduction à la modélisation d'équations structurelles. Revue des sciences de la famille. 11: 354-373. http://joophox.net/publist/semfamre.pdf
Lei, PW et Wu, Q. 2007. Introduction à la modélisation d'équations structurelles: problèmes et considérations pratiques. Mesure de l'éducation: enjeux et pratiques. http://dx.doi.org/10.1111/j.1745-3992.2007.00099.x
Grace, J. 2010. Modélisation d'équations structurelles pour les études d'observation. Le Journal of Wildlife Management. 72: 14-22 http://dx.doi.org/10.2193/2007-307
Voir aussi http://lavaan.org
la source
Jarrett Byrnes (jebyrnes ici) a également son matériel de cours d'introduction SEM d'une semaine affiché ici: http://byrneslab.net/teaching/sem/
Le cours est destiné aux chercheurs appliquant les SEM aux données biologiques et écologiques, mais couvre les introductions générales aux concepts SEM, au code R et aux exemples, il est donc susceptible d'être utile aux autres. J'ai trouvé le matériel très utile pour commencer avec presque aucune connaissance de l'approche.
la source