Quelles techniques graphiques sont utilisées dans la modélisation des équations structurelles?

14

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.)

ars
la source
Le terme "SEM" est vague. Cela pourrait également signifier "Search Engine Marketing", par exemple, pour quelqu'un qui recherche des techniques d'analyse statistique pour étudier les données de clics sur les annonces ou évaluer l'efficacité de la publicité. Pensez à rendre le titre plus verbeux.
Paul

Réponses:

13

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):

  1. Sanchez BN, Houseman EA et Ryan LM. Diagnostics résiduels pour les modèles d'équations structurelles . Biométrie (2009) 65, 104–115
  2. Yuan KH et Hayashi K. Ajustement des données au modèle: diagnostic de modélisation d'équations structurelles à l'aide de deux diagrammes de dispersion , méthodes psychologiques (2010)
  3. Porzio GC et Vitale MP. Découverte de l' interaction dans les modèles équations structurelles à travers un terrain de diagnostic . ISI 58th World Congress (2011).
chl
la source
@chl: merci! Je me souviens que le plspm a été annoncé sur la liste des semnet - pour une raison quelconque, PLS n'est pas aussi grand de ce côté-ci de l'Atlantique, je ne sais pas pourquoi. plotSEMM a l'air vraiment intéressant, j'ai hâte de jouer avec.
ars
@chl: btw, je voulais ajouter que c'est dommage que PLS ne soit pas plus noté ici, car il semble y avoir beaucoup de choses passionnantes autour de lui, en particulier avec les outils en cours de développement (par exemple SmartPLS en plus de plspm). J'ai lu une partie du travail de Wold il y a quelque temps et certaines de ses idées ne font que se réaliser (par exemple, "avoir une conversation avec vos données"). J'ai vraiment besoin de me réserver du temps pour l'explorer davantage.
ars
@ars Voulez-vous une liste de lectures recommandées? J'ai également travaillé avec Arthur Tenenhaus qui a soumis un beau papier avec son père (oui, Michel Tenenhaus) à Psychometrika: Ils unifient toutes les méthodes à deux blocs (PCA, CCA, PLS, inter-batterie, etc.) grâce à un très net réécriture de la contrainte argmax. Je joue moi-même avec le PLS / CCA pénalisé (L1 / L2) en génomique, mais je pense que cela apportera plus d'intérêt sur mes données biomédicales.
chl
1
@ars Donc, je voudrais suggérer les articles suivants de Father & Son: j.mp/dvEDgb , j.mp/csD1Yf , j.mp/dkEHq5 .
chl
4

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
Srikant, merci pour la réponse! Je ne sais pas ce que vous entendez par courbes de contour des covariances (obs v est) - pourriez-vous élaborer? Merci.
ars
Voir ceci: en.wikipedia.org/wiki/Level_set . Soit Sigma une matrice de covariance bidimensionnelle et Y ~ N (0, Sigma). Une ligne d'iso-contour tracerait l'ensemble des points Y pour lesquels f (Y | sigma) = c où c est une constante. Notez que Y est un vecteur bidimensionnel. Vous choisiriez différentes valeurs de c et obtiendriez ainsi différentes lignes d'iso-contour qui vous donneraient une idée de la propagation de la distribution.
@Srikant, merci pour la suggestion. J'ai passé un peu de temps à l'essayer et cela semble être un bon début pour obtenir une comparaison visuelle rapide, surtout lorsque l'ajustement est mauvais.
ars
2

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.

Jeromy Anglim
la source
Merci Jeromy. Il suffit de lire l'entrée Wikipedia pour MDS - il semble que cela pourrait mener quelque part.
ars
0

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

Jindow Joseph
la source