Modellazione di equazioni strutturali

La modellazione di equazioni strutturali è una tecnica statistica avanzata che ha molti livelli e molti concetti complessi. I ricercatori che utilizzano la modellazione di equazioni strutturali hanno una buona conoscenza delle statistiche di base, delle analisi di regressione e delle analisi dei fattori. La costruzione di un modello di equazione strutturale richiede una logica rigorosa, nonché una profonda conoscenza della teoria del campo e delle precedenti prove empiriche. Questo articolo fornisce una panoramica molto generale della modellazione di equazioni strutturali senza scavare nelle complessità coinvolte.

La modellazione di equazioni strutturali è una raccolta di tecniche statistiche che consentono di esaminare un insieme di relazioni tra una o più variabili indipendenti e una o più variabili dipendenti. Le variabili indipendenti e dipendenti possono essere continue o discrete e possono essere fattori o variabili misurate. La modellazione di equazioni strutturali va anche con diversi altri nomi: modellazione causale, analisi causale, modellazione simultanea di equazioni, analisi delle strutture di covarianza, analisi del percorso e analisi del fattore di conferma.

Quando l'analisi fattoriale esplorativa è combinata con analisi di regressione multipla, il risultato è la modellazione di equazioni strutturali (SEM). SEM consente di rispondere a domande che coinvolgono analisi di regressione multipla dei fattori. Al livello più semplice, il ricercatore pone una relazione tra una singola variabile misurata e altre variabili misurate. Lo scopo di SEM è di tentare di spiegare le correlazioni "grezze" tra le variabili osservate direttamente.

Diagrammi del percorso

I diagrammi di percorso sono fondamentali per SEM perché consentono al ricercatore di rappresentare il modello ipotizzato o l'insieme di relazioni. Questi diagrammi sono utili per chiarire le idee del ricercatore sulle relazioni tra le variabili e possono essere tradotti direttamente nelle equazioni necessarie per l'analisi.

I diagrammi dei percorsi sono costituiti da diversi principi:

Le variabili misurate sono rappresentate da quadrati o rettangoli.
I fattori, che sono costituiti da due o più indicatori, sono rappresentati da cerchi o ovali.
Le relazioni tra variabili sono indicate da linee; la mancanza di una linea che collega le variabili implica che non viene ipotizzata alcuna relazione diretta.
Tutte le linee hanno una o due frecce. Una linea con una freccia rappresenta un'ipotetica relazione diretta tra due variabili e la variabile con la freccia che punta verso di essa è la variabile dipendente. Una linea con una freccia su entrambe le estremità indica una relazione non analizzata senza direzione implicita dell'effetto.

Domande di ricerca affrontate dalla modellazione di equazioni strutturali

La domanda principale posta dalla modellazione di equazioni strutturali è: "Il modello produce una matrice di covarianza della popolazione stimata che è coerente con la matrice di covarianza del campione (osservata)?" Dopo questo, ci sono molte altre domande che SEM può affrontare.

Adeguatezza del modello: si stima che i parametri creino una matrice di covarianza della popolazione stimata. Se il modello è valido, le stime dei parametri produrranno una matrice stimata che è vicina alla matrice di covarianza del campione. Questo viene valutato principalmente con la statistica del test chi-quadro e gli indici di adattamento.
Teoria dei test: ogni teoria o modello genera la propria matrice di covarianza. Quindi quale teoria è la migliore? I modelli che rappresentano teorie concorrenti in una specifica area di ricerca sono stimati, confrontati e valutati.
Quantità di varianza nelle variabili spiegate dai fattori: quanta varianza nelle variabili dipendenti è contabilizzata dalle variabili indipendenti? A questo si risponde mediante statistiche di tipo R-quadrato.
Affidabilità degli indicatori: quanto sono affidabili ciascuna delle variabili misurate? SEM deriva l'affidabilità delle variabili misurate e le misure interne di coerenza dell'affidabilità.
Stime dei parametri: SEM genera stime dei parametri, o coefficienti, per ciascun percorso nel modello, che può essere utilizzato per distinguere se un percorso è più o meno importante rispetto ad altri percorsi nella previsione della misura di risultato.
Mediazione: una variabile indipendente influisce su una variabile dipendente specifica o la variabile indipendente influenza la variabile dipendente anche se una variabile mediatrice? Questo si chiama test di effetti indiretti.
Differenze di gruppo: due o più gruppi differiscono per matrici di covarianza, coefficienti di regressione o mezzi? La modellazione di più gruppi può essere eseguita in SEM per verificarlo.
Differenze longitudinali: è possibile esaminare anche le differenze all'interno e tra le persone nel tempo. Questo intervallo di tempo può essere di anni, giorni o persino microsecondi.
Modellazione multilivello: qui vengono raccolte variabili indipendenti a diversi livelli di misurazione nidificati (ad esempio, gli studenti nidificati all'interno di classi nidificate all'interno delle scuole) vengono utilizzati per prevedere variabili dipendenti allo stesso o altri livelli di misurazione.

Debolezze della modellazione di equazioni strutturali

Rispetto alle procedure statistiche alternative, la modellazione di equazioni strutturali presenta diversi punti deboli:

Richiede una dimensione del campione relativamente grande (N di 150 o superiore).
Richiede una formazione molto più formale in statistica per poter utilizzare efficacemente i programmi software SEM.
Richiede una misurazione ben definita e un modello concettuale. SEM è basato sulla teoria, quindi è necessario avere modelli a priori ben sviluppati.

_Riferimenti

_{Tabachnick, B. G. e Fidell, L. S. (2001). Utilizzando statistiche multivariate, quarta edizione. Needham Heights, MA: Allyn e Bacon.}

_{Kercher, K. (consultato a novembre 2011). Introduzione al SEM (Structural Equation Modeling). http://www.chrp.org/pdf/HSR061705.pdf}

Scienza