Giới thiệu về mô hình phương trình cấu trúc

Tôi được các đồng nghiệp yêu cầu một số trợ giúp trong chủ đề này, mà tôi không thực sự biết. Họ đã đưa ra các giả thuyết về vai trò của một số biến tiềm ẩn trong một nghiên cứu và một trọng tài đã yêu cầu họ chính thức hóa điều này trong SEM. Vì những gì họ cần dường như không quá khó khăn, tôi nghĩ rằng tôi sẽ thử ngay bây giờ, tôi chỉ đang tìm kiếm một giới thiệu tốt về chủ đề này!

Google không thực sự là bạn của tôi về điều này. Rất cám ơn trước...

PS: Tôi đã đọc Mô hình phương trình cấu trúc với gói sem trong R của John Fox và văn bản này của cùng một tác giả. Tôi nghĩ rằng điều này có thể đủ cho mục đích của tôi, dù sao thì bất kỳ tài liệu tham khảo nào khác đều được chào đón.

Tôi sẽ đi tìm một số bài báo của Múthen và Múthen, người là tác giả của phần mềm Mplus , đặc biệt là

1. Múthen, BO (1984). Một mô hình phương trình cấu trúc chung với các chỉ số phân đôi, phân loại và liên tục tiềm ẩn . Psychometrika , 49, 115 Từ132.
2. Muthén, B., du Toit, SHC & Spisic, D. (1997). Suy luận mạnh mẽ bằng cách sử dụng bình phương tối thiểu có trọng số và phương trình ước lượng bậc hai trong mô hình biến tiềm ẩn với kết quả phân loại và liên tục. Báo cáo kỹ thuật chưa được công bố.

(Có sẵn dưới dạng PDF từ đây: Bình phương tối thiểu cho các biến phân loại .)

Có rất nhiều thứ để xem trên wiki Mplus, ví dụ kết quả của WLS so với WLSMV với dữ liệu thứ tự ; hai tác giả rất nhạy và luôn cung cấp câu trả lời chi tiết với các tài liệu tham khảo đi kèm khi có thể. Một số so sánh của các phương pháp bình phương tối thiểu có trọng số mạnh mẽ so với các phương pháp phân tích ma trận tương quan đa hình hoặc đa thức dựa trên ML có thể được tìm thấy trong:

Lôi, PW (2009). Đánh giá các phương pháp ước lượng cho dữ liệu thứ tự trong mô hình phương trình cấu trúc . Chất lượng & Số lượng , 43, 495 mộc506.

Đối với sự phát triển toán học khác, bạn có thể xem qua:

Jöreskog, KG (1994) Về ước tính tương quan đa âm và ma trận hiệp phương sai tiệm cận của chúng . Tâm lý học , 59 (3), 381-389. (Xem thêm giấy tờ của SY Lee .)

Sophia Rabe-Hesketh và các đồng nghiệp của cô cũng có những bài báo hay về SEM. Một số tài liệu tham khảo có liên quan bao gồm:

1. Rabe-Hesketh, S. Skrondal, A. và Pickles, A. (2004b). Mô hình hóa phương trình cấu trúc đa cấp tổng quát . Psychometrika , 69, 167 Từ190.
2. Skrondal, A. và Rabe-Hesketh, S. (2004). Mô hình biến đổi tiềm ẩn tổng quát: Mô hình phương trình đa cấp, dọc và cấu trúc . Chapman & Hội trường / CRC, Boca Raton, FL. (Đây là sách giáo khoa tham khảo để hiểu / làm việc với Stata gllamm .)

Các tài nguyên tốt khác có thể được liệt kê trên trang web tuyệt vời của John Uebersax, đặc biệt là Giới thiệu về các hệ số tương quan Tetrachoric và Polychoric . Cho rằng bạn cũng quan tâm đến công việc được áp dụng, tôi khuyên bạn nên xem OpenMx (một gói phần mềm khác để mô hình hóa cấu trúc hiệp phương sai) và lavaan (nhằm mục đích cung cấp đầu ra tương tự như EQS hoặc Mplus), cả hai đều có sẵn trong R.

Mặc dù chỉ tiếp xúc với các mục tiêu của bạn tại thời điểm này, nhưng nếu bạn tiếp tục các dự án sử dụng các biến tiềm ẩn, tôi rất khuyên bạn nên đọc Đo lường tâm trí của Denny Boorsboom . Đừng để bị đánh lừa bởi tiêu đề, nó chủ yếu là một bài tiểu luận chi tiết về logic của các biến tiềm ẩn và một bài phê bình lớn về lý thuyết kiểm tra cổ điển. Tôi muốn nói rằng nó là cần thiết nếu bạn đang sử dụng các biến tiềm ẩn trong một khung theo chiều dọc. Nó chỉ là về logic của các biến tiềm ẩn, nó không có gì về các mô hình ước tính thực sự.

Hãy đăng lại với kinh nghiệm của bạn, tôi đã có một số tài liệu tham khảo được đưa ra ở đây, mặc dù tôi cũng muốn mở rộng thư viện của mình. FWIW, phương trình cấu trúc của Ken Bollen với các biến tiềm ẩn là cái tiếp theo trong danh sách đọc của tôi (mặc dù điều đó chỉ dựa trên quan điểm của tôi về công việc học thuật của ông).

Bên cạnh đó tôi cũng sẽ nói rằng tôi rất thích công việc của Bengt Muthén. Phần mềm MPlus cực kỳ phổ biến và bạn có thể thấy tất cả các loại phân tích có thể được thực hiện trên trang web Mplus ( liên kết đến hướng dẫn của người dùng ). Ông cũng có một loạt các bài đăng mp3 của khóa học về phân tích thống kê với các biến tiềm ẩn tại UCLA. Tôi đã không lắng nghe tất cả, nhưng tôi nghi ngờ tất cả đều là những lời giới thiệu kỹ lưỡng cho bất kỳ chủ đề cụ thể nào được đề cập cho bài giảng tuần đó.

Đây là văn bản được đề xuất về khóa học tôi đã tham gia: PBKline, Nguyên tắc và Thực hành Mô hình hóa phương trình cấu trúc , Nhà xuất bản Guilford. Nó là một văn bản giới thiệu, và không nặng về toán học.

Để biết thêm về toán học, Bayesian, bạn có thể thử: SY. Lee, Mô hình hóa phương trình cấu trúc: Phương pháp tiếp cận Bayes , Wiley.

Hiện tại tôi đang học SEM, sử dụng LISREL. Chúng tôi đang sử dụng hai cuốn sách này:

1. Hướng dẫn cho người mới bắt đầu mô hình hóa phương trình cấu trúc
2. Những phát triển và kỹ thuật mới trong mô hình hóa phương trình cấu trúc

Tiến sĩ Schumaker là người hướng dẫn trong khóa học của tôi. Cuốn sách đầu tiên thực sự tốt trong việc giới thiệu SEM, vì nó đưa bạn qua quá trình đặc tả mô hình, nhận dạng, v.v. Mặc dù nó dựa trên LISRELphần mềm, tôi hy vọng rằng các phương pháp chung và giải thích kết quả sẽ độc lập với phần mềm.

Cuốn sách của Kline là tuyệt vời. Đối với một giới thiệu nhanh như một tờ giấy xem

Gefen, D. 2000. Mô hình hóa phương trình cấu trúc và hồi quy: Hướng dẫn thực hành nghiên cứu. CAIS. Tập 4. http://aisel.aisnet.org/cais/vol4/iss1/7/

Hox, JJ và Bechger, TM Giới thiệu về mô hình phương trình cấu trúc. Tạp chí Khoa học gia đình. 11: 354-373. http://joophox.net/publist/semfamre.pdf

Lei, PW và Wu, Q. 2007. Giới thiệu về mô hình hóa phương trình cấu trúc: Các vấn đề và cân nhắc thực tế. Đo lường giáo dục: Các vấn đề và thực hành. http://dx.doi.org/10.1111/j.1745-3992.2007.00099.x

Grace, J. 2010. Mô hình hóa phương trình cấu trúc cho các nghiên cứu quan sát. Tạp chí Quản lý động vật hoang dã. 72: 14-22 http://dx.doi.org/10.2193/2007-307

Xem thêm http://lavaan.org

Jarrett Byrnes (jitherrnes here) cũng có tài liệu khóa học giới thiệu SEM kéo dài một tuần của mình được đăng ở đây: http://byrneslab.net/teaching/sem/

Khóa học dành cho các nhà nghiên cứu áp dụng SEM cho dữ liệu sinh học và sinh thái nhưng bao gồm các giới thiệu chung về các khái niệm SEM, mã R và các ví dụ để có thể hữu ích cho những người khác. Tôi tìm thấy các tài liệu rất hữu ích khi bắt đầu với hầu như không có kiến ​​thức về phương pháp này.