Які графічні прийоми використовуються при моделюванні структурних рівнянь?

14

Мені цікаво, чи існують графічні прийоми, зокрема, або більш застосовні для моделювання структурних рівнянь. Я думаю, що це може бути віднесено до категорій дослідницьких інструментів коваріаційного аналізу або графічної діагностики для оцінки моделі SEM. (Я тут не дуже думаю про діаграми шляху / графіків.)

sem data-visualization

— ар
джерело

Термін "SEM" неясний. Це також може означати "Маркетинг пошукових систем", наприклад, для того, хто шукає методи статистичного аналізу для вивчення даних про кліки оголошень або оцінки ефективності реклами. Поміркуйте, як зробити заголовок більш багатослівним.

— Пол

13

Я зустрів Laura Trinchera, яка внесла приємний пакет R для моделювання PLS-шляху, plspm . Він включає декілька графічних результатів для різних типів структур даних 2- та k-блоків.

Я щойно відкрив пакет plotSEMM R. Однак це більше пов'язане з вашим другим моментом і обмежується графіком двофакторних відносин.

Що стосується останніх посилань на діагностичну схему для SEM, то тут є два документи, які можуть бути цікавими (для другого я недавно просто переглянув конспект, але не можу знайти необв'язану версію):

Санчес Б.Н., Хаусман Е.А., та Райан Л.М. Залишкова діагностика моделей структурних рівнянь . Біометрія (2009) 65, 104–115
Юань К.Х. та Хаяші К. Пристосування даних до моделі: діагностика структурного рівняння за допомогою двох діаграм розсіяння , Психологічні методи (2010)
Порціо GC та Vitale MP. Виявлення взаємодії в моделях структурних рівнянь через діагностичний графік . 58-й Всесвітній конгрес ISI (2011).

— хл
джерело

@chl: спасибі! Я пам’ятаю, що plspm був оголошений у списку semnet - чомусь PLS не такий великий на цій стороні Атлантики, не знаю чому. plotSEMM виглядає дійсно цікаво, я не можу дочекатися, щоб пограти з ним.

— ars

@chl: btw, я мав намір додати, що соромно, що PLS тут не відзначається більше, оскільки, здається, навколо нього відбувається багато захоплюючих речей, особливо з розроблюваними інструментами (наприклад, SmartPLS на додаток до plspm). Я деякий час роботи Уолда читав назад, а деякі його ідеї лише лише реалізуються (наприклад, "спілкуючись із вашими даними"). Мені дійсно потрібно відкласти деякий час, щоб докладніше його вивчити.

— ars

@ars Хочете список рекомендованих читань? Я також працював з Артуром Тененхаузом, який подав приємний папір із батьком (так, Мішель Тененхаус) до «Психометріки»: вони об'єднують усі двоблокові методи (PCA, CCA, PLS, між батареї тощо) завдяки дуже акуратному. переписати обмеження argmax. Я грав з пеналізованими PLS / CCA (L1 / L2) в геноміці, але я думаю, що це принесе більше цікавих моїх біомедичних даних.

— chl

1

@ars Отже, я хотів би запропонувати такі документи від батька і сина: j.mp/dvEDgb , j.mp/csD1Yf , j.mp/dkEHq5 .

— chl

4

Це дуже цікаве питання. Припустимо, у нас є двовимірна матриця коваріації (дуже нереальний приклад для SEM, але будь ласка, майте мене). Тоді ви можете побудувати ізо-контури для спостережуваної матриці коваріації відносно оціненої матриці коваріації, щоб отримати відчуття відповідності моделі.

Однак насправді ви створите матрицю коваріації високої міри. У такій ситуації, ймовірно, ви могли б зробити кілька двовимірних графіків, беручи по 2 змінних одночасно. Не ідеальне рішення, але, можливо, може допомогти певною мірою.

Редагувати

Трохи кращим методом є проведення аналізу основних компонентів (PCA) на спостережуваній матриці коваріації. Збережіть проекційну матрицю з аналізу PCA на спостережуваній матриці коваріації. Використовуйте цю матрицю проекцій для перетворення розрахункової матриці коваріації.

Потім ми побудуємо ізо-контури для двох найвищих дисперсій обертової спостережуваної коваріаційної матриці відносно оціненої матриці коваріації. Залежно від того, скільки сюжетів ми хочемо зробити, ми можемо взяти другу та третю найвищі відхилення тощо.

Srikant, дякую за відгук! Я не впевнений, що ви маєте на увазі під контурними ділянками коваріацій (obs v est) - ви могли б детальніше розглянути? Спасибі.

— АРС

Дивіться це: en.wikipedia.org/wiki/Level_set . Нехай Sigma - aa двовимірна матриця коваріації та Y ~ N (0, Sigma). Ізоконтурна лінія побудує набір точок Y, для яких f (Y | sigma) = c, де c - константа. Зауважимо, що Y - двовимірний вектор. Ви б вибрали різні значення c і, отже, отримали різні ізоконтурні лінії, які давали б відчуття поширення розподілу.

@Srikant, дякую за пропозицію. Я витратив деякий час на його випробування, і, здається, це вдалий початок з отримання швидкого візуального порівняння, особливо коли придатність погана.

— АРС

2

Я припускаю, що ви могли б зробити багатовимірне масштабування кореляційної або коваріаційної матриці. Це не зовсім структурне моделювання рівнянь, але воно може виділити закономірності та структуру в кореляційній або коваріаційній матриці. Потім це можна формалізувати відповідною моделлю.

— Джеромі Англім
джерело

Дякую Єромі. Просто прочитайте запис у Вікіпедії для MDS - здається, це могло б кудись привести.

— АРС

0

Якщо є ефект взаємодії (або навіть іншим чином), ви можете використовувати програмне забезпечення ITALASSI v1.2 (безкоштовне програмне забезпечення), щоб отримати 2D та 3D-перегляди

— Вікно Йосип
джерело