Los modelos de ecuaciones estructurales (sem) se utilizan para el modelo de variables latentes. La función Renal es una variable latente medido por los niveles de creatinina sérica (con los errores de medición) expresada por muchos clínicos diferentes fórmulas derivadas de los modelos de regresión lineal. La depuración de inulina es un estándar de oro para la función renal. Sin embargo, cientos de artículos había estudiado la relación "precisiones" de estas fórmulas en comparación a la madre sustituta "estándares de oro". Puede sem se utiliza para derivar una clínica fórmula a partir de la creatinina sérica y el aclaramiento de inulina para la estimación de la función renal?
Respuestas
¿Demasiados anuncios?
Si usted puede construir un modelo de regresión para algo, es para mí significa que esta es una cantidad mensurable. Mientras que un modelo de regresión lineal es un caso especial de la general de la SEM, la mayor fortaleza de SEM es, sin duda, ser capaz de dar cabida variables latentes y el error de medición en los predictores. Si usted quiere construir un modelo de ecuaciones estructurales para la variable latente BLA (función renal), debe tener un estudio donde varias formas de medir que se han realizado (niveles de creatinina sérica, aclaramiento de inulina). Si, a su vez, estas variables se obtienen a partir de "clínica de las fórmulas" (otro modelo de regresión, tal y como yo lo entiendo), que se mete hasta el modelo de un poco, y usted tiene que averiguar exactamente cuál de las variables que afectan el proceso de medición, y que una afecta a la variable latente subyacente (sin saber nada acerca de la biochemisty de lo que sea que usted está interesado en, yo me atrevería a sugerir que la edad y el género afectan a la variable latente, en lugar de en el proceso de medición). Idealmente, usted desea que sus ecuaciones de la vinculación de las variables latentes con la medición de las variables a ser lineal en los parámetros, de modo que tendría que aplicar el típico transformaciones, tales como registros. El lenguaje estándar de los modelos de ecuaciones estructurales son el camino diagramas; integrar los estadísticos tienden a mirar a ellos con poca comprensión de lo que está pasando, pero los científicos sociales han encontrado para ser muy útil en la explicación de las relaciones entre las variables. Creo que este artículo lo explica bastante bien, aunque no sé cómo de cerca lo sigue el biomédica (lenguaje está escrito por psychometricians): http://www.citeulike.org/user/ctacmo/article/2663951.
Peter
Puntos
1
Sí SEM puede hacer eso. Introduce la medida y variables latentes en el modelo, especificar sus relaciones, y, a continuación, usted obtendrá un montón de salida. Este resultado se incluyen ecuaciones estructurales (se ve como una ecuación de regresión, con los coeficientes, los errores estándar, etc) y un R^2 resultado. SEM también le permite especificar otras relaciones, tales como permitir que la covarianza entre la creatinina sérica y la inulina.
