Modélisation par équations structurelles

Variables mesurées métriques

Ajoutez des données numériques au tableau pour sélectionner des variables mesurées.

Variables mesurées ordinales

Définissez une colonne comme ordinale dans le tableau de données pour la modéliser avec des seuils.

Méthode d'estimationi

ML suppose des données normalement distribuées. MLR estime le même modèle, mais fournit des erreurs standard robustes et une statistique de test corrigée pour des données non normales.

Les variables définies comme ordinales dans le tableau de données, par exemple des items de Likert, sont modélisées avec des seuils lorsqu'elles sont des indicateurs ou des variables dépendantes. Le modèle est alors estimé avec WLSMV, qui fournit des erreurs standard robustes et des indices d'ajustement corrigés. Pour traiter une variable comme métrique, modifiez son niveau d'échelle dans le tableau de données.

Valeurs manquantesi

L'exclusion des lignes incomplètes n'utilise que les observations qui ont des valeurs pour toutes les variables du modèle. FIML utilise toutes les valeurs disponibles et inclut les moyennes et les constantes.

Avec des variables ordinales, FIML n'est pas disponible ; toutes les paires de valeurs disponibles sont utilisées à la place.

Mise à l'échelle des facteursi

Chaque facteur a besoin d'une échelle. Par défaut, la première saturation de chaque facteur est fixée à 1 ; sinon, la variance du facteur est fixée à 1. Les saturations fixées dans la syntaxe sont prioritaires.

Moyennesi

Ajoute, pour l'ensemble du modèle, les constantes des variables observées et les moyennes des facteurs (fixées à 0). Avec FIML ou des variables ordinales, elles sont toujours incluses. Les prédicteurs observés sont modélisés comme des variables aléatoires.

Comment faire

Calculateur d'analyse de médiation SEM

Données d'exemple médiation SEM

Ce calculateur estime des modèles de médiation sous forme de modèles d'équations structurelles. Il peut associer les chemins structurels allant d'un prédicteur vers une variable dépendante en passant par un médiateur à des modèles de mesure pour des construits latents. Le résultat comprend les effets directs, indirects et totaux, ainsi que l'ajustement et les estimations des paramètres du SEM complet.

Comment calculer une médiation avec un SEM

Saisissez vos données et sélectionnez les variables mesurées utilisées dans le modèle.
Créez si nécessaire des facteurs latents et reliez-les à leurs indicateurs par des flèches de saturation.
Tracez les chemins de régression de X vers M et de M vers Y.
Ajoutez le chemin direct de X vers Y si vous souhaitez estimer les effets directs et totaux.
Choisissez Effet indirect, cliquez sur la variable où l'effet commence, puis sur la variable où il se termine.
Choisissez des intervalles de confiance par la méthode delta ou par bootstrap, puis cliquez sur Calculer le modèle.

La fonction d'effet indirect étiquette les chemins de régression et définit leur produit. Dans un modèle de médiation simple, l'effet indirect est le produit du chemin de X vers M et du chemin de M vers Y. Lorsque plusieurs chaînes relient les variables, le calculateur peut indiquer les effets indirects séparés et leur somme. Un effet total est ajouté lorsque le modèle contient aussi un chemin direct.

Intervalles de confiance bootstrap

Les effets indirects sont des produits de coefficients et leurs distributions d'échantillonnage sont souvent asymétriques. L'option bootstrap réestime le modèle sur 1 000 jeux de données rééchantillonnés et fournit des intervalles de confiance percentiles. Elle prend plus de temps que la méthode delta, car le modèle complet est estimé plusieurs fois dans le navigateur. Les premiers résultats du modèle s'affichent avant la fin du bootstrap, et le calcul peut être annulé.

Comment interpréter les résultats de la médiation

L'effet indirect estime quelle part de la relation entre X et Y suit le chemin spécifié via M. L'effet direct est le chemin de X vers Y lorsque M est inclus dans le modèle. L'effet total combine l'effet direct et les effets indirects modélisés. Les intervalles de confiance décrivent l'incertitude de ces estimations. Des preuves statistiques d'un effet indirect n'établissent pas à elles seules une causalité ; une interprétation causale dépend du plan d'étude, de la chronologie, des hypothèses et de l'absence de facteurs de confusion pertinents.

Médiation avec variables latentes et avec variables mesurées

Utilisez ce calculateur SEM lorsqu'un ou plusieurs construits sont latents, lorsque plusieurs chemins indirects doivent être estimés dans un même modèle ou lorsque vous avez besoin de mesures d'ajustement globales du SEM. Si X, M et Y sont trois variables mesurées et que vous n'avez besoin que d'une analyse de médiation classique fondée sur la régression, utilisez le calculateur de modération et de médiation. Pour un modèle de pistes comprenant des variables mesurées mais aucun facteur, consultez le calculateur d'analyse de pistes.