Indice Show
Il modello di equazioni strutturali (SEM) è uno dei metodi statistici più affascinanti. Infatti negli ultimi anni la loro popolarità 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 così via), il loro uso permette ai ricercatori di coniugare formalità e semplicità. 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 capacità statistiche e logiche di ogni ricercatore. In questo articolo fornirò una prima piccola introduzione al mondo dei modelli di equazioni strutturali (SEM).
Modelli di equazioni strutturali o SEM
La locuzione “modelli di equazioni strutturali” è 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.
Il modello SEM coniuga infatti, all’interno di un unico framework, due strumenti: l’analisi fattoriale confirmatoria e l’analisi di regressione multivariata. 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, cioè 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.
Obiettivi del SEM
Uno dei principali obiettivi del SEM è quello di investigare se le ipotesi basate su un modello teorico (quello che viene spesso indicato con il termine di Conceptual Framework) riflettono i dati osservati. In altri termini, il modello di equazioni strutturali cerca di comprendere se, dato un modello teorico, è possibile verificare la sua attendibilità ed esattezza su dati reali.
Per fare ciò il SEM utilizza degli indici di bontà fissando rigorosamente dei valori di riferimento. Quando questi indici sono confermati, allora il SEM è ben strutturato ed idoneo a spiegare empiricamente quanto sostenuto nel modello teorico. Se, al contrario, gli indici non sono rispettati, allora è necessario o modificare il modello teorico o usare delle precauzioni statistiche per verificare il modello, magari creando delle strutture di covarianze.
Modelli per i ricercatori all’avanguardia
Gli step di un modello SEM
Come costruire un modello SEM? Prima di mettere mano al software statistico è necessario seguire dei passaggi. La parte di elaborazione numerica è solo il penultimo passaggio.
Il primo passo è 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.
La seconda fase è quella di specificare nel dettaglio come è composto il modello e di identificare correttamente le relazioni causali tra costrutti.
Da qui si passa dunque alla fase di elaborazione dati e di valutazione del modello con gli indici. Se gli indici confermano la validità 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.
I problemi del SEM
I modelli SEM come abbiamo già 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 è consistente.
Questa apparente semplicità 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 è 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 può portare a risultati distorti.
Conclusione
Sicuramente non è possibile immaginare un approccio ai modelli di equazioni strutturali senza un’adeguata conoscenza statistica. 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.
Detto ciò, il mondo dei modelli di equazioni strutturali è affascinante e bellissimo. Un ricercatore di qualsiasi campo conoscendo questi modelli non potrebbe non desiderare l’uso di un SEM per i propri studi!
Hai bisogno di aiuto per il tuo modello? Richiedi un preventivo
Errore: Modulo di contatto non trovato.
