Los colegas me piden ayuda en este tema, que realmente no sé. Hicieron hipótesis sobre el papel de algunas variables latentes en un estudio, y un árbitro les pidió que formalizaran esto en SEM. Como lo que necesitan no parece demasiado difícil, creo que lo intentaré ... por ahora, ¡solo estoy buscando una buena introducción al tema!
Google no era realmente mi amigo en esto. Muchas gracias de antemano...
PD: Leí Modelado de ecuaciones estructurales con el paquete sem en R de John Fox, y este texto del mismo autor. Creo que esto puede ser suficiente para mi propósito, de todos modos cualquier otra referencia es bienvenida.
references
modeling
sem
psychometrics
Elvis
fuente
fuente
Respuestas:
Buscaría algunos documentos de Múthen y Múthen, quienes fueron los autores del software Mplus , especialmente
(Disponible en formato PDF desde aquí: mínimos cuadrados ponderados para variables categóricas ).
Hay mucho más que ver en la wiki de Mplus, por ejemplo, resultados de WLS vs. WLSMV con datos ordinales ; los dos autores son muy receptivos y siempre brindan respuestas detalladas con referencias de acompañamiento cuando es posible Se pueden encontrar algunas comparaciones de mínimos cuadrados robustos ponderados frente a métodos basados en ML para analizar matrices de correlación policóricas o poliséricas en:
Para otro desarrollo matemático, puede echar un vistazo a:
Sophia Rabe-Hesketh y sus colegas también tienen buenos documentos sobre SEM. Algunas referencias relevantes incluyen:
Probablemente se enumeren otros buenos recursos en el excelente sitio web de John Uebersax, en particular Introducción a los coeficientes de correlación tetracorórica y policórica . Dado que también está interesado en el trabajo aplicado, sugeriría que eche un vistazo a OpenMx (otro paquete de software para modelar la estructura de covarianza) y lavaan (que tiene como objetivo entregar resultados similares a los de EQS o Mplus), ambos disponibles en R.
fuente
Si bien solo es tangente a sus objetivos en este punto, si continúa en proyectos utilizando variables latentes, le sugiero que lea la Medición de la mente de Denny Boorsboom . No se deje engañar por el título, es principalmente un ensayo detallado sobre la lógica de las variables latentes, y una gran crítica de la teoría de prueba clásica. Diría que es necesario leer si está utilizando variables latentes en un marco longitudinal. Sin embargo, solo se trata de la lógica de las variables latentes, no tiene nada sobre estimar realmente los modelos.
Vuelva a publicar con sus experiencias, ya tengo algunas de las referencias dadas aquí, aunque también me gustaría ampliar mi biblioteca. FWIW, las ecuaciones estructurales de Ken Bollen con variables latentes fueron las siguientes en mi lista de lectura (aunque eso solo se basa en mi opinión sobre su trabajo académico).
Además de eso, diría que también disfruto el trabajo de Bengt Muthén. El software MPlus es increíblemente popular, y puede ver todos los tipos de análisis que se pueden realizar en el sitio web de Mplus ( enlace a la guía del usuario ). También tiene una serie de publicaciones en mp3 de su curso sobre análisis estadístico con variables latentes en UCLA. No los he escuchado a todos, pero sospecho que todos son introducciones exhaustivas de cualquier tema en particular que se cubra durante la conferencia de esa semana.
fuente
Este fue el texto recomendado en el curso que tomé: PBKline, Principios y práctica del modelado de ecuaciones estructurales , The Guilford Press. Es un texto introductorio, y no muy matemático.
Para un tratamiento más matemático, bayesiano, puede intentar: SY. Lee, Modelización de ecuaciones estructurales: un enfoque bayesiano , Wiley.
fuente
Estoy estudiando SEM en este momento, usando
LISREL
. Estamos usando estos dos libros:El Dr. Schumaker es el instructor en mi curso. El primer libro es realmente bueno para presentar SEM, ya que lo lleva a través del proceso de especificación del modelo, identificación, etc. Si bien se basa en el
LISREL
software, esperaría que los métodos generales y la interpretación de los resultados sean independientes del software.fuente
El libro de Kline es excelente. Para una introducción rápida como un documento, vea
Gefen, D. 2000. Modelización y regresión de ecuaciones estructurales: pautas para la práctica de la investigación. CAIS Volumen 4. http://aisel.aisnet.org/cais/vol4/iss1/7/
Hox, JJ y Bechger, TM Una introducción al modelado de ecuaciones estructurales. Family Science Review. 11: 354-373. http://joophox.net/publist/semfamre.pdf
Lei, PW y Wu, Q. 2007. Introducción al modelado de ecuaciones estructurales: problemas y consideraciones prácticas. Medición educativa: problemas y práctica. http://dx.doi.org/10.1111/j.1745-3992.2007.00099.x
Grace, J. 2010. Modelado de ecuaciones estructurales para estudios observacionales. The Journal of Wildlife Management. 72: 14-22 http://dx.doi.org/10.2193/2007-307
Ver también http://lavaan.org
fuente
Jarrett Byrnes (jebyrnes aquí) también tiene sus materiales de curso de introducción SEM de una semana publicados aquí: http://byrneslab.net/teaching/sem/
El curso está dirigido a investigadores que aplican SEM a datos biológicos y ecológicos, pero cubre introducciones generales de conceptos SEM, código R y ejemplos, por lo que es probable que sea útil para otros. El material me pareció muy útil al comenzar, casi sin conocimiento del enfoque.
fuente