terminologies Flashcards
variable latente ?
variable non observée directement qui inférée à partir de var. obs. ou manifestes. elle représente un construit théorique et est souvent notée par les symboles ξ (exogène - VI) et η (endogène - VD).
variable manifeste ?
variable obs. directement dans le modèle. Elle sert d’indicateur pour mesurer les var. latentes et est notée par X (exogène) ou Y (endogène).
Exogène ?
se réfère aux VI dans le modèle, qui ne sont pas influencées par d’autres variables dans le modèle (ex. : ξ ou X).
endogène ?
désigne les VD, influencées par d’autres variables du modèle (ex. : η ou Y).
chargement factoriel ?
le coefficient (λ) qui indique la force de la relation entre une variable latente et son indicateur manifeste.
Un chargement élevé suggère que l’indicateur mesure bien la variable latente.
erreur de structure ou perturbation ?
L’erreur associée aux variables latentes endogènes, notée ζ.
Elle reflète les influences non modélisées dans les variables latentes endogènes.
erreur de mesure ?
la variance non expliquée dans une var. manifeste due à des imperfections dans la mesure.
Elle est représentée par δ pour les variables exogènes et ε pour les variables endogènes.
coefficient de régression ?
Les coefficients qui définissent la force et la direction des relations entre les variables dans le modèle.
En SEM, ils sont représentés par les matrices Γ (gamma) pour les relations exogène-endogène et β (beta) pour les relations entre variables endogènes.
modèle de mesure ?
La partie du modèle SEM qui décrit les relations entre les variables latentes et leurs indicateurs manifestes.
modèle structurel ?
La partie du modèle SEM qui représente les relations entre les variables latentes elles-mêmes, spécifiant comment les variables latentes exogènes influencent les variables latentes endogènes.
matrice de covariances ?
Une matrice représentant les covariances entre variables, souvent notée Φ pour les covariances entre variables latentes exogènes et Ψ pour les erreurs de structure.
Elle est essentielle pour estimer les relations dans le modèle.
identification du modèle ?
Une condition requise pour que le modèle SEM puisse être estimé. Un modèle est identifié lorsque le nombre d’équations disponibles est au moins égal au nombre de paramètres à estimer.
fit du modèle ?
Un ensemble d’indices qui évaluent la qualité d’ajustement du modèle aux données.
RMSEA, SRMR, CFI, TLI, khi2
estimation des paramètres ?
Le processus par lequel les valeurs des paramètres du modèle (ex. : coefficients de régression, variances, covariances) sont calculées pour mieux correspondre aux données observées.
équation structurelle ?
Une équation qui exprime la relation entre les variables latentes en termes de coefficients de régression, similaire aux équations en régression multiple.
multicolinéarité ?
La corrélation élevée entre les variables prédictrices dans le modèle, qui peut poser problème lors de l’estimation des coefficients.
variance expliquée ?
La proportion de variance dans une variable endogène qui est expliquée par les prédicteurs dans le modèle, souvent exprimée sous forme de R².
invariance de la mesure ?
Une propriété qui indique que les mesures des variables latentes sont comparables à travers différents groupes (par exemple, cultures ou sexes).
normalité multivariée ?
Une hypothèse souvent requise en SEM, selon laquelle les variables suivent une distribution normale multivariée.
Cette hypothèse influence les méthodes d’estimation utilisées.
erreur type de mesure (ETM) ?
L’écart-type de l’erreur de mesure, qui reflète la précision avec laquelle un test mesure un construit.