Il modello di equazioni strutturali (SEM) \u00e8 uno dei metodi statistici pi\u00f9 affascinanti. Infatti negli ultimi anni la loro popolarit\u00e0 sta aumentando a dismisura grazie all’ampiezza del loro campo di azione. Applicabili a tantissimi campi di ricerca (scienze sociali, psicometria, economia, management, logistica, marketing, turismo, scienze naturali, ambiente, e cos\u00ec via), il loro uso permette ai ricercatori di coniugare formalit\u00e0 e semplicit\u00e0. Grazie ad un mix di parte grafico-intuitiva e alla formale teoria statistica, che da sostanza ai modelli di equazioni strutturali (SEM), essi rappresentano un vero banco di prova delle capacit\u00e0 statistiche e logiche di ogni ricercatore. In questo articolo fornir\u00f2 una prima piccola introduzione al mondo dei modelli di equazioni strutturali (SEM).<\/p>\n\n\n\n\n\n\n\n
La locuzione “modelli di equazioni strutturali” \u00e8 la traduzione italiana di “Structural Equation Models”, conosciuti spesso con il loro acronimo SEM. Questi modelli sono dei potenti e avanzati strumenti statistici che consentono ai ricercatori di disporre di un apparato di modelli statistici in grado di rispondere in modo completo alle loro domande di ricerca.<\/p>\n\n\n\n
Il modello SEM coniuga infatti, all’interno di un unico framework, due strumenti: l’analisi fattoriale confirmatoria e l’analisi di regressione multivariata<\/a>. La CFA (confirmatory factor analysis) ha lo scopo di costruire un modello idoneo a studiare le relazioni tra le variabili osservate e le variabili latenti, cio\u00e8 quei costrutti non osservati, ma derivati dalla combinazione delle variabili osservate. L’analisi di regressione ha invece l’obiettivo di spiegare le relazione casuali tra costrutti. Dalla fusione di questi due obiettivi nasce appunto il SEM.<\/p>\n\n\n\n Uno dei principali obiettivi del SEM \u00e8 quello di investigare se le ipotesi basate su un modello teorico (quello che viene spesso indicato con il termine di Conceptual Framework<\/em>) riflettono i dati osservati. In altri termini, il modello di equazioni strutturali cerca di comprendere se, dato un modello teorico, \u00e8 possibile verificare la sua attendibilit\u00e0 ed esattezza su dati reali.<\/p>\n\n\n\n Per fare ci\u00f2 il SEM utilizza degli indici di bont\u00e0 fissando rigorosamente dei valori di riferimento. Quando questi indici sono confermati, allora il SEM \u00e8 ben strutturato ed idoneo a spiegare empiricamente quanto sostenuto nel modello teorico. Se, al contrario, gli indici non sono rispettati, allora \u00e8 necessario o modificare il modello teorico o usare delle precauzioni statistiche per verificare il modello, magari creando delle strutture di covarianze.<\/p>\n\n\n\n Modelli all’avanguardia per offrire ai ricercatori una marcia in pi\u00f9 nella comprensione delle relazioni con variabili latenti<\/p>\n<\/blockquote>\n\n\n\n Come costruire un modello SEM? Prima di mettere mano al software statistico \u00e8 necessario seguire dei passaggi. La parte di elaborazione numerica \u00e8 solo il penultimo passaggio.<\/p>\n\n\n\n Il primo passo \u00e8 costruire il modello teorico definendo i costrutti da utilizzare, le rispettive misure ed i dati. Questa fase permette infatti di fare chiarezza sul proprio modello teorico. Ed anche di controllare dettagliatamente se quello che si usa nel modello sia attendibile in termini di letteratura di riferimento e di logica dello studio.<\/p>\n\n\n\n La seconda fase \u00e8 quella di specificare nel dettaglio come \u00e8 composto il modello e di identificare correttamente le relazioni causali tra costrutti.<\/p>\n\n\n\n Da qui si passa dunque alla fase di elaborazione dati e di valutazione del modello con gli indici. Se gli indici confermano la validit\u00e0 del modello, allora si passa all’ultima fase, ossia quella di interpretare i risultati e di stendere un report del proprio lavoro. Altrimenti si deve provvedere o a cambiare le specificazioni del modello o a strutturare l’analisi inserendo delle correzioni.<\/p>\n\n\n\n I modelli SEM come abbiamo gi\u00e0 detto, consentono di esaminare un modello in cui vengono ipotizzate determinate relazioni tra un insieme di variabili e di verificare con dati empirici se il modello teorico \u00e8 consistente.<\/p>\n\n\n\n Questa apparente semplicit\u00e0 non deve far ritenere che la strutturazione di un SEM sia rispettata solo ottenendo dei risultati statisticamente validi. Il modello SEM deve essere validato prima che a livello statistico, da un’ottima logica interna. Unire dei costrutti senza un’adeguata disamina della letteratura di riferimento non \u00e8 un buon approccio ai SEM. Inoltre questo tipo di analisi devono essere sempre il frutto di una collaborazione tra ricercatore e statistico: concentrarsi solo sulla parte teorica o solo sulla parte numerica pu\u00f2 portare a risultati distorti.<\/p>\n\n\n\n Sicuramente non \u00e8 possibile immaginare un approccio ai modelli di equazioni strutturali senza un’adeguata conoscenza statistica<\/a>. In mancanza di conoscenze statisticamente valide, il risultato potrebbe essere un risultato distorto e dunque un modello, affascinante a livello teorico, ma realmente poco utilizzabile.<\/p>\n\n\n\n Detto ci\u00f2, il mondo dei modelli di equazioni strutturali \u00e8 affascinante e bellissimo. Un ricercatore di qualsiasi campo conoscendo questi modelli non potrebbe non desiderare l’uso di un SEM per i propri studi!<\/p>\n\n\n\nObiettivi del SEM<\/h2>\n\n\n\n
\n
Gli step di un modello SEM<\/h2>\n\n\n\n
I problemi del SEM<\/h2>\n\n\n\n
Conclusione<\/h2>\n\n\n\n
\n\n\n\nHai bisogno di aiuto per il tuo modello? Richiedi un preventivo<\/h4>\n\n\n\n