Modellazione di equazioni strutturali: tutto ciò che devi sapere

La modellazione di equazioni strutturali (SEM) è il cumulo di metodi correlati e non una singola tecnica. I metodi sono flessibili e il framework è per l'analisi dei dati.

I ricercatori preferiscono questi metodi perché consentono loro di stimare dipendenze multiple e interconnesse in un'unica analisi. La modellazione di equazioni strutturali utilizza due tipi di variabili, endogene ed esogene.

È ben noto che "con il potere arriva la responsabilità", quindi la potente modellazione di equazioni strutturali deve essere utilizzata con giudizio. La modellazione di equazioni strutturali è complessa, ma allo stesso tempo è molto facile per noi incontrare situazioni imbarazzanti con il software di facile utilizzo.

Qual è la principale necessità di utilizzare la modellazione di equazioni strutturali?

In qualsiasi organizzazione, il marketing è molto importante. E per avere successo nel marketing, è necessario conoscere i consumatori. Devono conoscere il loro atteggiamento, opinioni e tratti della personalità. Ma queste caratteristiche sono latenti e non possono essere misurate facilmente perché spesso sono astratte.

A partire da ora, per misurarli, possiamo condurre sondaggi, creare un modello di osservazione e così via. Ma questi processi non sono molto fruttuosi perché misurare e osservare ha lo svantaggio degli errori. La modellazione di equazioni strutturali eccelle in entrambi i compiti.

La modellazione di equazioni strutturali utilizza l'analisi fattoriale e l'analisi di regressione multipla. Se utilizziamo entrambi questi metodi analitici individualmente, perdiamo la flessibilità. Quindi, SEM ci offre flessibilità. È adatto per l'analisi causale, la multicollinearità, che sta correlando variabili indipendenti.

Leggi: Tipi di modelli di attribuzione

Il modello di misura è l'analoga analisi fattoriale nella modellazione di equazioni strutturali. Il modello di struttura è il nodo che lega i componenti e gli elementi del modello di misura. I modelli di struttura mettono in relazione i componenti e gli elementi tra loro o ad altre variabili indipendenti. In alcuni casi, le variabili sono combinate su basi empiriche.

L'atto di combinazione avviene prima dell'analisi fattoriale e il modello di misurazione non ha alcun ruolo. In altri casi, quando ci occupiamo solo di variabili grezze, vengono utilizzate le variabili osservate. Infine, quando non esiste un modello di misurazione, il modello della struttura segue l'analisi del percorso.

La modellazione di equazioni strutturali viene utilizzata per analizzare i dati del rilievo. Non è legato a un'unica fonte di dati e può essere utilizzato con dati relativi alle transazioni dei clienti, economici, social media, transazioni dei clienti. Recentemente è utilizzato nelle neuroscienze per i dati fMRI. Nelle sue forme moderne, può essere utilizzato con qualsiasi tipo di dati: il modello utilizza tipi di dati come rapporto, intervallo, ordinale, nominale e conteggio. Aiutano a modellare relazioni curvilinee tra variabili.

La modellazione di equazioni strutturali può funzionare senza dati completi, ma ciò non dovrebbe indurci a non inserire tutti i dati nel modello. Il modello è ampiamente utilizzato per la modellazione longitudinale, mista e gerarchica. Può essere utilizzato nella segmentazione. Il modello accoglie più variabili dipendenti come l'analisi congiunta. La modellazione di equazioni strutturali viene utilizzata per risolvere i problemi di stile di risposta nei sondaggi sui consumatori.

Quando utilizzare la modellazione di equazioni strutturali

Potrebbe esserci un business case che richiede che tu ti concentri sulle percezioni dei consumatori come l'interesse all'acquisto, il gradimento, nel tuo prodotto. Sebbene si tratti di un'attività di modellazione complessa, la modellazione di equazioni strutturali è adatta a questi obiettivi. La modellazione di equazioni strutturali viene utilizzata per lavori più semplici, ad esempio per un'indagine sui consumatori.

Structural Equation Mixture Modeling (SEMM) è un altro tipo di metodo per indirizzare i segmenti nascosti dei consumatori con quantità molto numerose di dati.

Non si deve presumere che un tipo di modello sia adatto a qualsiasi tipo di analisi. La modellazione della miscela a volte funziona solo quando lo sforzo è svolto in modo competente. A volte un modello generale funziona semplicemente bene.

La modellazione di equazioni strutturali è buona, cattiva o brutta?

Quando si lavora in un ambiente in cui i progetti non sperimentali erano comuni come la psicologia industriale o organizzativa, è necessaria la modellazione di equazioni strutturali. La modellazione di equazioni strutturali è ampiamente utilizzata e viene utilizzata dai revisori per l'analisi dei dati. I revisori sono spesso all'oscuro di come procedere ulteriormente.

Il principale vantaggio della modellazione delle equazioni strutturali è che consente di verificare le proposizioni teoriche. La modellazione di equazioni strutturali consente di valutare le previsioni quantitative.

Somiglianze tra metodi statistici tradizionali e SEM

• La modellazione delle equazioni strutturali segue gli stessi metodi tradizionali come regressione, correlazione e varianza in più modi.
• Sia la modellazione delle equazioni strutturali che i metodi tradizionali hanno lo stesso concetto dei modelli statistici lineari.
• Con determinate ipotesi, i test statistici sono validi. La modellazione di equazioni strutturali presuppone la normalità multivariata ei metodi tradizionali presuppongono una distribuzione normale.
• Né la modellazione di equazioni tradizionale né quella strutturale offrono un test di causalità.

Differenze tra metodi tradizionali e SEM

I metodi tradizionali variano dalla modellazione di equazioni strutturali nelle seguenti aree:

• La modellazione di equazioni strutturali è completa e flessibile. La modellazione di equazioni strutturali è adatta per autoefficacia, depressione, tendenze sanitarie, tendenze economiche, dinamiche familiari e altri fenomeni.
• La modellazione delle equazioni strutturali necessita di specifiche formali per la stima e il test, mentre il metodo tradizionale segue i metodi predefiniti. La modellazione di equazioni strutturali non offre un modello predefinito e presenta poche limitazioni nella specifica dei tipi di relazioni. La modellazione di equazioni strutturali richiede che i ricercatori supportino le ipotesi con la teoria.
• La modellazione di equazioni strutturali è una tecnica multivariata, che incorpora variabili osservate e non osservate mentre i metodi tradizionali analizzano solo le variabili misurate. La modellazione di equazioni strutturali risolve più equazioni correlate contemporaneamente. Questo determina le stime dei parametri con la modellazione delle equazioni strutturali.
• La modellazione delle equazioni strutturali consente agli analisti di trovare le imperfezioni nelle loro misure. La modellazione di equazioni strutturali rileva un errore mentre i metodi tradizionali presuppongono che non vi siano errori di misurazione.
• La modellazione di equazioni strutturali non ha test diretti per determinare quale modello sia il metodo di analisi migliore ma tradizionale e fornisce test diretti per trovare relazioni tra variabili.
• La modellazione di equazioni strutturali utilizza il suo modello per esaminare più test come Bentler-Bonett Non-Normed Fit Index (NNFI), chi-quadrato, Comparative Fit Index (CFI), Root Mean Squared Error of Approximation (RMSEA)).
• La modellazione di equazioni strutturali risolve i problemi di multicollinearità. La modellazione di equazioni strutturali utilizza più misure per descrivere una variabile non osservata. La multicollinearità non si verifica perché le variabili non osservate sono costrutti latenti distinti.
• La modellazione di equazioni strutturali utilizza il linguaggio grafico per presentare relazioni complesse in modo efficace. La specifica della modellazione delle equazioni strutturali si basa su un insieme di variabili. La rappresentazione grafica o pittorica di un modello si trasforma in un insieme di equazioni. L'insieme di equazioni aiuta a risolvere più test e stimare parametri.

Leggi anche: Modelli di regressione in Machine Learning

L'uso della modellazione di equazioni strutturali è influenzato da

• L'ipotesi in fase di verifica e ricerca.
• La dimensione del campione del requisito: in media, il rapporto deve essere 20:1 per il numero di soggetti e il numero di parametri del modello. Ma principalmente 10:1 è più accurato. Quando il rapporto è inferiore a 5:1, le stime sono instabili.
• Strumenti di misura.
• Normalità multivariata.
• Identificazione dei parametri.
• Affrontare i valori anomali.
• Dati mancanti.
• Interpretazione degli indici di adattamento del modello.

Processo di modellazione di equazioni strutturali

L'analisi della modellazione delle equazioni strutturali procede attraverso i seguenti metodi:

• ricercare la teoria pertinente
• rivedere la letteratura per supportare la specifica del modello
• specifica il modello come diagramma ed equazioni
• determina il numero di gradi di libertà e l'identificazione del modello per stimare i parametri per trovare valori univoci
• selezionando i metodi di misurazione per le variabili rappresentate nel modello
• raccogliere dati
• eseguire analisi statistiche descrittive preliminari come dati mancanti, ridimensionamento e problemi di collinearità
• stimare i parametri del modello
• stimare l'adattamento del modello
• specificare la modalità significativa
• interpretare i risultati
• presenti i risultati

Software specifico per la modellazione di equazioni strutturali

• LISREL era il software per modelli di equazioni strutturali adatto negli anni '70.
• Il pacchetto OpenMx R è un open-source R che fornisce una versione open-source e aggiornata dell'applicazione Mx.

Gli obiettivi della modellazione delle equazioni strutturali sono comprendere i modelli correlati tra un insieme di variabili e spiegare le varianze il più possibile.

Usi avanzati della modellazione di equazioni strutturali

• Invarianza di misura
• È la tecnica che consente la stima congiunta di più modelli, ciascuno con sottogruppi diversi. Applicazioni che includono l'analisi delle differenze tra gruppi come culture, genere e così via e genetica comportamentale.
• Modellazione della crescita latente
• Modelli gerarchici/multilivello
• Modello di miscela (classe latente) Modellazione di equazioni strutturali
• Tecniche alternative di stima e test.
• Inferenza robusta
• Analisi campionarie dei sondaggi
• Multi-metodo
• Modelli multi-tratto
• Alberi modello di equazioni strutturali

Pensieri finali

Esistono molti modelli che possono pretendere di fornire tecniche di modellazione simili durante l'analisi dei dati, ma seguono corsi d'azione molto diversi per il processo decisionale. Dobbiamo assicurarci di non scegliere un modello che si adatta troppo, il che è un errore che si fa con la modellazione di equazioni strutturali. C'è un elemento umano quando selezioniamo le tecniche di modellazione statistica e questo può essere preso in considerazione.

Un'area chiave della ricerca di mercato si trova tra la ricerca qualitativa e la ricerca quantitativa e dura, e la modellazione di equazioni strutturali non è adatta per affrontare questo spazio grigio.

upGrad è un portale online per l'istruzione superiore che fornisce programmi rilevanti per il settore progettati e forniti. Se hai una passione e vuoi conoscere l'Intelligenza Artificiale, puoi sostenere il Diploma PG di IIIT-B e upGrad in Machine Learning e AI che offre oltre 400 ore di apprendimento, sessioni pratiche, assistenza sul lavoro e molto altro.

Impara il corso ML dalle migliori università del mondo. Guadagna master, Executive PGP o programmi di certificazione avanzati per accelerare la tua carriera.

Domande frequenti

• Qual è la dimensione del campione migliore?

Per quanto riguarda i sondaggi e le osservazioni, dobbiamo avere un minimo di 200 casi e almeno 20 casi per variabile. Ad esempio, dobbiamo avere 500 intervistati se ci sono 50 valutazioni degli attributi nel modello.

• Cosa sono i Big Data?

La modellazione di equazioni strutturali sta lentamente migrando verso Educazione, Psicologia e Sociologia. I data scientist stanno prendendo dimestichezza con la modellazione di equazioni strutturali. Con la tecnologia odierna in rapida evoluzione, il modello ora funziona bene su campioni abbastanza grandi con molte variabili. Quindi "grande" è relativo! In alcuni casi, possiamo utilizzare uno strumento di apprendimento automatico standard come LogitBoost per le previsioni.

• Quali ipotesi statistiche sono richieste?

Ciò dipende dal tipo di modellazione di equazioni strutturali. La modellazione di equazioni strutturali, come la maggior parte delle procedure statistiche, è quindi resistente alle violazioni di ipotesi ed errori.

• La modellazione di equazioni strutturali verifica le ipotesi?

Questo è un malinteso sulle statistiche. I dati e la loro analisi non avvengono dal nulla e si basano su osservazioni. Poiché è la natura umana, osserviamo le cose e tendono a indovinare come sta accadendo; questa è un'analisi esplorativa che ha il suo alto rischio.

• Quale modello è il migliore?

Esistono diversi indici per misurare questo, come il Comparative Fit Index (CFI) e il Root Mean Square Error of Approximation (RMSEA) sono alcuni dei più comuni. Il più noto è la R al quadrato. Devi decidere quale sia il modello migliore in base al buon senso e alle capacità decisionali.