Modélisation d'équations structurées - Étape 1: Spécification du modèle

Étape 1 du processus de développement SEM en cinq étapes

La prémisse fondamentale de la modélisation par équations structurelles (SEM) est qu'un chercheur de marché «peut tester si certaines variables sont liées entre elles. de relations linéaires en examinant les variances et covariances des variables "(StatSoft, 2011) C'est peut-être l'une des déclarations les plus claires sur SEM, si vous comprenez les termes utilisés dans la phrase.

Alors, passons en revue.

Variable - (Noun) Selon Merriam-Webster: «1) Un élément ou un facteur susceptible de varier ou de changer 2) Une quantité qui, au cours d'un calcul, est supposée varier ou être susceptible de varier en valeur. "

Relation Linéaire - Selon Investopedia: Dans le plus simple des termes," la relation entre une variable et une constante qui peut être exprimée dans un graphique dans lequel une constante et une variable sont connectées par un ligne droite." Un exemple serait le coût des voiliers qui augmente linéairement à mesure que l'on remonte la ligne vers des navires de plus en plus grands, mesurés en pieds carrés.

Variance - Selon le Business Dictionary: "1) La différence entre un résultat attendu et le résultat actuel: 2) En statistique, la moyenne arithmétique des carrés de la déviation de tous La variance et sa racine carrée (l'écart-type) sont d'une importance fondamentale en tant que mesure de la dispersion. "

Variabilité Covariance - Selon Merriam-Webster:" Dans les statistiques et la théorie des probabilités, la covariance est une mesure de combien deux variables changent ensemble. "

Le SEM est basé sur une structure basée sur les mathématiques

Cette première étape du processus de SEM est essentiellement l'une des études de marché indiquant - ou dessinant, à l'aide d'un diagramme de chemin - la façon dont elle croit que les variables sont interdépendantes.

Il peut être utile de réfléchir à l'effet des transformations additives et multiplicatives. Par exemple, si une liste de nombres est multipliée par une constante K, la moyenne et l'écart-type sont également multipliés par la valeur absolue de K. C'est automatique. Avec les nombres, cela ressemble à ceci: Pour les nombres 1, 2 et 3: La moyenne est 2, et l'écart-type est 1. Dites K = 4. Multiplier 1, 2 et 3 par K donne 4, 8, & 12. Pour 4, 8 et 12, la moyenne est 8 et l'écart-type est 4. La variance est 16. Rappelez-vous, "la variance est une mesure de la distance de chaque valeur dans l'ensemble de données." Par conséquent, l'écart-type au carré.

Comme vous savez que les deux ensembles de nombres sont liés et que vous connaissez la variance, vous pouvez tester indirectement l'hypothèse selon laquelle un ensemble de nombres est lié à l'autre ensemble de nombres en comparant la variance des variables.

Les informations sur la modélisation des équations structurelles ci-dessous sont basées sur le contenu du livre de R. H. Hoyle (éd.) 1995. Structural Equation Modeling. SAGE Publications, Inc. Thousand Oaks, Californie, gracieuseté de Google Books, et aussi sur l'interprétation gracieuse de l'écriture complexe sur SEM par Ricka Stoelting, anciennement de San Francisco State University.

Dans l'étape de spécification du modèle, le modèle est défini en fonction de ses paramètres. Deux types de paramètres sont considérés: Paramètres fixes et paramètres libres.

Pourquoi les paramètres sont-ils désignés fixes ou gratuits?

L'identification des paramètres fixes et des paramètres libres est essentielle à l'intégrité et à l'application du modèle SEM. Les désignations fixes ou libres déterminent comment les composants du modèle seront comparés. Les composantes du modèle sont: 1) le diagramme hypothétique, 2) la variance de population de l'échantillon, et 3) la matrice de covariance. Chacune de ces composantes est importante pour tester l'ajustement du modèle (étape 4).

L'étude de marché détermine quels paramètres sont désignés libres et quels paramètres sont désignés fixes. Les choix faits par le chercheur de marché sont le reflet de l'hypothèse a priori .

signifie que le «du premier» en latin, donc il se réfère à l'hypothèse faite avant la recherche ou l'expérience a eu lieu. Donc, une hypothèse a priori est une meilleure estimation des relations à explorer à travers le processus SEM.

Le chercheur de marché fait une meilleure estimation des voies qui seront importantes dans la structure relationnelle. Le chercheur de marché suppose que les paramètres joueront un rôle dans la variance de l'échantillon (qui est observable) et dans la matrice de covariance. En d'autres termes, où le chercheur de marché s'attend-il à ce que les relations se produisent?

Un paramètre fixe est généralement établi à zéro. Zéro signifie qu'il n'y a pas de relation entre les variables. Parce que le modèle est basé sur des chemins, les paramètres fixes auront des chemins qui ont des étiquettes numériques. Une exception, bien sûr, se produit si une valeur de zéro a été affectée à un chemin. Aucun chemin n'est tracé dans le diagramme SEM pour un chemin avec une valeur de zéro.

Un chercheur de marché s'attend à ce que les paramètres libres aient des valeurs autres que zéro. Les paramètres libres sont estimés à partir des données observables. Dans le diagramme SEM, les chemins des paramètres libres sont marqués d'astérisques.

Prêt à partir?

• Identifier le modèle
• Estimer le modèle
• Test du modèle Adapter
• Manipuler le modèle