เทคนิคกราฟิกใดที่ใช้ในการสร้างแบบจำลองสมการโครงสร้าง?

14

ฉันอยากรู้ว่ามีเทคนิคแบบกราฟิกที่เฉพาะเจาะจงหรือเหมาะสมกับการสร้างแบบจำลองสมการโครงสร้าง ฉันเดาว่าสิ่งนี้อาจอยู่ในหมวดหมู่สำหรับเครื่องมือสำรวจสำหรับการวิเคราะห์ความแปรปรวนร่วมหรือการวินิจฉัยเชิงกราฟิกสำหรับการประเมินโมเดล SEM (ฉันไม่ได้คิดถึงแผนภาพเส้นทาง / กราฟที่นี่จริง ๆ )

sem data-visualization

— ARS
แหล่งที่มา

คำว่า "SEM" นั้นคลุมเครือ นอกจากนี้ยังอาจหมายถึง "การตลาดผ่านเครื่องมือค้นหา" ตัวอย่างเช่นสำหรับผู้ที่มองหาเทคนิคการวิเคราะห์เชิงสถิติสำหรับการศึกษาข้อมูลการคลิกโฆษณาหรือประเมินประสิทธิภาพการโฆษณา พิจารณาทำให้ชื่อ verbose มากขึ้น

— พอล

13

ผมได้พบกับลอร่า Trinchera ที่มีส่วนร่วมเป็นแพคเกจ R ที่ดีสำหรับการสร้างแบบจำลอง PLS เส้นทางplspm มันรวมเอาท์พุทกราฟิกหลายชนิดสำหรับโครงสร้างข้อมูล 2- และ k-block ประเภทต่างๆ

ฉันเพิ่งค้นพบplotSEMM R แพ็คเกจ มันเกี่ยวข้องกับประเด็นที่สองของคุณมากกว่าและถูก จำกัด ให้สร้างกราฟความสัมพันธ์แบบแยกส่วน

สำหรับการอ้างอิงล่าสุดเกี่ยวกับพล็อตการวินิจฉัยสำหรับ SEM นี่คือเอกสารสองฉบับที่อาจน่าสนใจ (สำหรับอันที่สองฉันเพิ่งดูบทคัดย่อเมื่อเร็ว ๆ นี้ แต่ไม่พบเวอร์ชันที่ไม่ได้ปรับปรุง):

Sanchez BN, Houseman EA และ Ryan LM ที่เหลือตามการวินิจฉัยสำหรับสมการโครงสร้างรุ่น ชีวภาพ (2009) 65, 104–115
หยวน KH และฮายาชิเคฟิตติ้งข้อมูลไปยังรูปแบบ: โครงสร้างการวินิจฉัยการสร้างแบบจำลองสมการโดยใช้สองแปลงกระจาย , วิธีการทางจิตวิทยา (2010)
Porzio GC และ Vitale MP การค้นพบการมีปฏิสัมพันธ์ในสมการโครงสร้างรุ่นผ่านการพล็อตการวินิจฉัย ISI 58th World Congress (2011)

— CHL
แหล่งที่มา

@chl: ขอบคุณ! ฉันจำได้ว่ามีการประกาศ plspm ในรายการ semnet ด้วยเหตุผลบางประการ PLS ไม่ใหญ่ในฝั่งแอตแลนติกนี้ไม่แน่ใจว่าทำไม plotSEMM ดูน่าสนใจมากรอไม่ไหวที่จะเล่นกับมัน

— ars

@chl: btw ฉันหมายถึงการเพิ่มว่ามันเป็นความอัปยศ PLS ที่ไม่ได้ระบุไว้ที่นี่เนื่องจากดูเหมือนจะมีสิ่งที่น่าตื่นเต้นมากมายเกิดขึ้นรอบตัวโดยเฉพาะอย่างยิ่งกับเครื่องมือที่ได้รับการพัฒนา (เช่น SmartPLS นอกเหนือจาก plspm) ฉันได้อ่านงานของ Wold มาระยะหนึ่งแล้วความคิดบางอย่างของเขาก็เป็นเพียงการตระหนัก (เช่น "การสนทนากับข้อมูลของคุณ") ฉันจำเป็นต้องจัดสรรเวลาเพื่อสำรวจเพิ่มเติม

— ars

@ars คุณต้องการรายการอ่านที่แนะนำหรือไม่ ฉันยังทำงานร่วมกับ Arthur Tenenhaus ที่ส่งกระดาษที่ดีกับพ่อของเขา (ใช่ Michel Tenenhaus) ไปที่ Psychometrika: พวกเขากำลังรวมวิธีการสองบล็อกทั้งหมด (PCA, CCA, PLS, inter-battery ฯลฯ ) ด้วยความเรียบร้อย เขียนข้อ จำกัด argmax ใหม่ ฉันเล่นด้วย PLS / CCA (L1 / L2) ที่ถูกลงโทษในด้านจีโนมิกส์ แต่ฉันรู้สึกว่ามันจะทำให้ข้อมูลทางชีวการแพทย์ของฉันน่าสนใจยิ่งขึ้น

— chl

1

@ars ดังนั้นผมอยากจะชี้ให้เห็นเอกสารดังต่อไปนี้มาจากพระบิดาและพระบุตร: j.mp/dvEDgb , j.mp/csD1Yf , j.mp/dkEHq5

— chl

4

นี่เป็นคำถามที่น่าสนใจมาก สมมติว่าเรามีเมทริกซ์ความแปรปรวนสองมิติ (ตัวอย่างที่ไม่สมจริงมากสำหรับ SEM แต่โปรดอดทนกับฉัน) จากนั้นคุณสามารถพล็อต iso-contours สำหรับเมทริกซ์ความแปรปรวนร่วมที่สังเกตได้ในเมทริกซ์ความแปรปรวนร่วมที่ประมาณไว้เพื่อให้ได้ความรู้สึกพอดีกับแบบจำลอง

อย่างไรก็ตามในความเป็นจริงคุณจะได้เมทริกซ์ความแปรปรวนแบบมิติสูง ในสถานการณ์เช่นนี้คุณอาจทำหลาย ๆ แปลงใน 2 มิติที่มี 2 ตัวแปรในเวลาเดียวกัน ไม่ใช่โซลูชันที่สมบูรณ์แบบ แต่อาจช่วยได้บ้าง

แก้ไข

วิธีที่ดีกว่าเล็กน้อยคือทำการวิเคราะห์ส่วนประกอบหลัก (PCA)บนเมทริกซ์ความแปรปรวนร่วมที่สังเกตได้ บันทึกเมทริกซ์ประมาณการจากการวิเคราะห์ PCA ในเมทริกซ์ความแปรปรวนร่วมที่สังเกตได้ ใช้เมทริกซ์ประมาณการนี้เพื่อแปลงเมทริกซ์ความแปรปรวนร่วมประมาณ

จากนั้นเราทำการพล็อต iso-contours สำหรับสองความแปรปรวนสูงสุดของเมทริกซ์ความแปรปรวนร่วมที่หมุนแล้วซึ่งสังเกตได้จากเมทริกซ์ความแปรปรวนร่วมที่ประมาณไว้ ขึ้นอยู่กับจำนวนแปลงที่เราต้องการเราสามารถใช้ความแปรปรวนสูงสุดอันดับสองและสามเป็นต้นเราเริ่มจากความแปรปรวนสูงสุดตามที่เราต้องการอธิบายความแปรปรวนมากที่สุดในข้อมูลของเรา

ศรีกันต์ขอบคุณสำหรับคำตอบ! ฉันไม่แน่ใจว่าคุณหมายถึงอะไรโดยแผนการแปลงโควาเรียส (obs v est) - คุณอธิบายอย่างละเอียดไหม? ขอบคุณ

— ars

เห็นนี้: en.wikipedia.org/wiki/Level_set ให้ซิกมาเป็นเมทริกซ์ความแปรปรวนร่วม 2 มิติและ Y ~ N (0, ซิกมา) เส้น iso-contour จะพล็อตชุดของจุด Y ซึ่ง f (Y | sigma) = c โดยที่ c เป็นค่าคงที่ โปรดทราบว่า Y เป็นเวกเตอร์สองมิติ คุณจะเลือกค่าต่าง ๆ ของ c และด้วยเหตุนี้จึงได้เส้น iso-contour ที่แตกต่างกันซึ่งจะให้ความรู้สึกถึงการกระจายของการกระจาย

@Srikant ขอบคุณสำหรับคำแนะนำ ฉันใช้เวลาลองและดูเหมือนว่าจะเป็นการเริ่มต้นที่ดีในการเปรียบเทียบภาพอย่างรวดเร็วโดยเฉพาะอย่างยิ่งเมื่อขนาดไม่พอดี

— ARS

2

ฉันคิดว่าคุณสามารถทำสเกลหลายมิติของความสัมพันธ์หรือเมทริกซ์ความแปรปรวนร่วมได้ มันไม่ใช่การสร้างแบบจำลองสมการเชิงโครงสร้าง แต่มันอาจเน้นรูปแบบและโครงสร้างในเมทริกซ์สหสัมพันธ์หรือความแปรปรวนร่วม สิ่งนี้จะถูกทำเป็นระเบียบด้วยแบบจำลองที่เหมาะสม

— Jeromy Anglim
แหล่งที่มา

ขอบคุณ Jeromy เพิ่งอ่านรายการ Wikipedia สำหรับ MDS - ดูเหมือนว่ามันจะนำไปสู่ที่ไหนสักแห่ง

— อาร์

0

หากมีเอฟเฟกต์การโต้ตอบ (หรือแม้กระทั่งเป็นอย่างอื่น) คุณสามารถใช้ซอฟต์แวร์ ITALASSI v1.2 (ซอฟต์แวร์ฟรี) เพื่อรับมุมมอง 2D และ 3D

— Jindow Joseph
แหล่งที่มา