SPECIFICATION AND ESTIMATION OF COMPLEX STRUCTURAL MODELS WITH COVARIATE EFFECTS

Molti approcci statistici hanno studiato la specificazione e il fitting di Modelli ad Equazioni Strutturali con covariate esterne. Tali metodi differiscono per modelli di misurazione (modelli formativi o riflessivi, variabili latenti o composite, presenza di variabili osservate esogene e/o endogene con effetti diretti sulle variabili latenti/composite) e strategie di stima (parametriche/algoritmiche). Il presente lavoro si focalizza in particolare sulla possibilità di inserire covariate esterne che possono influenzare entrambi gli indicatori endogeni direttamente e/o indirettamente, attraverso le composite. Sono stati introdotti i fondamenti dei Modelli ad Equazioni Strutturali, descrivendo brevemente LISREL, PLS e le metodologie più nuove e innovative, tra cui la Generalized Maximum Entropy (GME), nonché i loro limiti, spiegando se consentono o meno l’inserimento di covariate esterne. È stata quindi discussa l’introduzione di covariate esterne nell’ambito della Component Analysis, attraverso metodi quali la Redundancy Analysis, la Multiblock Redundancy Analysis (MbRA) e la Extended Redundancy Analysis (ERA). Ogni singola metodologia verrà illustrata, esplicitandone vantaggi e svantaggi e miglioramenti giustificanti l’introduzione di una nuova strategia di stima nota come Generalized Redundancy Analysis (GRA), sulla quale è stato condotto uno studio di simulazione completo, con tre diversi scenari, volto a valutare le performance del GRA nella specificazione di estensioni complesse, covariate e differenti scenari di distribuzione.