¿Qué tipo de producto para eliminar las pecas es mejor?
Hola Carta 4845660
-
El análisis de ruta se puede utilizar para muchos propósitos: primero, integrar varios modelos de regresión relacionados con variables dependientes en un solo modelo, para ayudar a que el análisis y la expresión sean completos y concisos; en segundo lugar, descomponer el "efecto total" de cada variable en el modelo integrado sobre cada variable dependiente en "efectos directos" y "efectos indirectos". Si se encuentra que el efecto indirecto es grande, tiene valor teórico (por supuesto, como se muestra en la figura siguiente, es difícil encontrar un efecto indirecto grande; el tercero es verificar si la variable independiente es una "variable mediadora); " comparando el efecto directo y el efecto indirecto, es decir, el efecto directo no es significativo pero el efecto indirecto sí lo es (como se mencionó anteriormente, los efectos indirectos no son fáciles de detectar, y es aún más difícil si el efecto directo también lo es). no significativo).
Desde esta perspectiva, el análisis de ruta es algo bueno (lo siento, está desactualizado). Surgió en la década de 1960 y se hizo muy popular en las décadas de 1970 y 1980. Cuando yo era estudiante de doctorado en Indiana, los profesores de la universidad solían utilizar el análisis de trayectoria para realizar investigaciones. Posteriormente, cuando aprendí SEM (Modelado de Ecuaciones Estructurales), aprendí que existen dos tipos de análisis de trayectoria: "con error de medición" y "sin error de medición". El primero solo estudia la relación causal entre variables independientes y variables dependientes. es decir, el modelo estructural en SEM (Ver Figura 1), este último agrega un AFC (análisis factorial confirmatorio) para cada variable, el modelo de medición en SEM (Figura 2).
Cómo escribir un manual de instrucciones para el análisis de rutas (reimprimir) Cómo escribir un manual de instrucciones para el análisis de rutas (reimprimir)
Bien, ahora responderé tu pregunta directamente. La pregunta 1 literalmente solo involucra modelos estructurales, por lo que es relativamente simple y fácil. Este análisis de ruta no solo puede utilizar LISREL, SAS u otro software SEM, sino también software estadístico general como SPSS, y los resultados serán los mismos. Déjame decirte cómo hacerlo en SPSS. La Figura 1 es similar al ejemplo que di en el artículo "Regresión confirmatoria y regresión jerárquica" hace unos días (en ese momento solo se usaban tres fórmulas y no existía tal imagen). Como se mencionó anteriormente, dado que hay dos variables dependientes (o variables endógenas) en este modelo, es necesario establecer dos modelos de regresión, a saber, la Fórmula 1 y la Fórmula 2, en los que los nombres de las variables y los coeficientes han cambiado, y los coeficientes se registran. como B y G, para ser coherente con el uso de LISREL. b representa el impacto de una variable endógena (como W) sobre otra variable endógena (como Y), y G representa una variable exógena.
Y = bg1X+b2W (Fórmula 1)
W = g0 +g2X (Fórmula 2)
En SPSS, según las dos fórmulas anteriores Haz un análisis de regresión. Si está acostumbrado a utilizar comandos de SPSS, la sintaxis es:
Correlación de regresión = Y/ingrese X, w.
Correlación de regresión=W/Ingrese X.
Luego complete los coeficientes de regresión obtenidos de los dos análisis de regresión en la Figura 1. En este momento, se utiliza β normalizado (es decir, B1, b2 y G1 son los valores normalizados de b1, B2 y g1 en las Ecuaciones 1 y 3, respectivamente) para obtener el análisis de ruta. Por supuesto, B1, B2 y G1 aquí son todos efectos directos. No conocemos los efectos indirectos o totales de la edad en Y (Nota: el tiempo de Internet solo tiene un efecto directo en Y, por lo que su efecto total = efecto directo). , pero esto lo puedes calcular a mano:
El impacto indirecto de X sobre Y = G1 X B2 (Fórmula 3)
El impacto directo de X sobre Y = El impacto directo de Efecto indirecto = B1+G1 X B2 (Ecuación 4).
Debido a que G1 y B2 están entre 0 y 1, sus productos son generalmente muy pequeños. Por ejemplo, el producto de G1 = 0,5 y B2 = 0,5 es sólo 0,25. En regresiones con errores de medición, los coeficientes de 0,5 son relativamente raros y los coeficientes entre 0,1 y 0,3 son más comunes, por lo que el producto está solo entre 0,01 y 0,10. Ésta es también la razón por la que los efectos indirectos son generalmente pequeños. El análisis de ruta realizado a través de SPSS no tiene en cuenta el error de medición de cada variable, por lo que es el análisis de ruta con error de medición que mencioné anteriormente. También se le puede llamar análisis de ruta "ensamblado" porque reúne varios análisis de regresión, en lugar de integrarlos.
¿Qué pasa si usas LISREL? Como probablemente sepa, LISREL se puede escribir en SIMPLIS o matrices. El primero es muy simple y su sintaxis es la siguiente (la parte "..." es la definición de datos y otras instrucciones, que se omiten aquí):
...
Relación:
Y = X W
W = X
Salidas LISREL EF...
...
Las primeras tres oraciones son similares a la sintaxis de la regresión de SPSS, el "EF" en la última oración requiere que LISREL genere los resultados de los efectos indirectos y los efectos totales, lo que no solo no requiere cálculo manual, sino que también proporciona la Importancia de los efectos indirectos (Fórmula 4) y los efectos directos (Fórmula 5) Verificación, que SPSS no puede proporcionar.
Cada vez hay menos personas que utilizan la instrucción matricial LISREL. Es una técnica de "matar dragones" y no la presentaremos aquí. Si está preguntando acerca de las instrucciones matriciales, hágamelo saber.
Aparentemente, el resultado de LISREL es un análisis de ruta "integrado" (en lugar de "ensamblado"), lo cual es algo bueno (y ha vuelto a ganar popularidad). Pero los resultados (es decir, coeficiente de influencia directa, coeficiente de influencia indirecta, coeficiente de influencia total) son exactamente los mismos que los calculados por SPSS. (Los mismos datos se pueden verificar utilizando estos dos software por separado. La razón es simple porque se utilizan todos los mismos datos (incluidos los errores de medición). Por supuesto, LISREL puede integrar aún más medidas de varias variables (es decir, Figura 2), por lo que es Los resultados del análisis de ruta pueden ser diferentes de los resultados de la compilación. Generalmente, los coeficientes de varias influencias serán mayores (porque se deduce el error de medición). Por supuesto, pocas personas ahora llaman a este análisis análisis de ruta y lo llaman directamente SEM (así). fue una vez).
Finalmente, para responder a sus preguntas 2 y 3. Pregunta 2: Sí, podemos y debemos construir muchas variables independientes medidas directamente en unos pocos factores basados en las implicaciones de la teoría o el sentido común. , por supuesto, también depende de si los datos respaldan estas fusiones. Pregunta 3: Sí, si la relación causal entre las dos variables endógenas no se explica en su modelo teórico (es decir, no hay B2 en la Figura 1 o en la Figura 2), entonces debería tratarlos como correlaciones. De hecho, LISREL calcula automáticamente esta correlación (en la matriz PSY).