Je suis curieux de savoir s'il existe des techniques graphiques particulières, ou plus applicables, à la modélisation d'équations structurelles. Je suppose que cela pourrait tomber dans des catégories d'outils exploratoires pour l'analyse de covariance ou de diagnostics graphiques pour l'évaluation de modèles SEM. (Je ne pense pas vraiment aux diagrammes de chemin / graphique ici.)
14
Réponses:
J'ai rencontré Laura Trinchera qui a contribué à un joli package R pour la modélisation de chemin PLS, plspm . Il comprend plusieurs sorties graphiques pour différents types de structures de données à 2 et k blocs.
Je viens de découvrir le package plotSEMM R. Il est plus lié à votre deuxième point, cependant, et se limite à représenter graphiquement les relations bivariées.
En ce qui concerne les références récentes sur le tracé de diagnostic pour les SEM, voici deux articles qui peuvent être intéressants (pour le second, je viens de parcourir le résumé récemment mais je ne trouve pas de version non fermée):
la source
C'est une question très intéressante. Supposons que nous ayons une matrice de covariance bidimensionnelle (exemple très irréaliste pour le SEM, mais veuillez me supporter). Ensuite, vous pouvez tracer les iso-contours de la matrice de covariance observée par rapport à la matrice de covariance estimée pour obtenir un sens de l'ajustement du modèle.
Cependant, en réalité, vous aurez une matrice de covariance de haute dimension. Dans une telle situation, vous pourriez probablement faire plusieurs tracés bidimensionnels en prenant 2 variables à la fois. Ce n'est pas la solution idéale mais peut peut-être aider dans une certaine mesure.
Éditer
Une méthode légèrement meilleure consiste à effectuer une analyse en composantes principales (ACP) sur la matrice de covariance observée. Enregistrez la matrice de projection de l'analyse PCA sur la matrice de covariance observée. Utilisez cette matrice de projection pour transformer la matrice de covariance estimée.
Nous traçons ensuite les iso-contours des deux variances les plus élevées de la matrice de covariance observée en rotation par rapport à la matrice de covariance estimée. Selon le nombre de parcelles que nous voulons faire, nous pouvons prendre les deuxième et troisième variances les plus élevées, etc. Nous partons des variances les plus élevées car nous voulons expliquer autant de variations dans nos données que possible.
la source
Je suppose que vous pourriez faire une mise à l'échelle multidimensionnelle de la matrice de corrélation ou de covariance. Ce n'est pas exactement une modélisation d'équation structurelle, mais cela pourrait mettre en évidence des modèles et une structure dans la matrice de corrélation ou de covariance. Cela pourrait ensuite être officialisé par un modèle approprié.
la source
S'il y a un effet d'interaction (ou même autrement), vous pouvez utiliser le logiciel ITALASSI v1.2 (logiciel gratuit) pour obtenir des vues 2D et 3D
la source