Process / pipelinemultivariate-modeling

Modélisation par équations structurelles

La modélisation par équations structurelles (SEM) est un cadre statistique complet combinant l'analyse causale (Sewall Wright, 1921) et l'analyse factorielle confirmatoire pour tester des modèles causaux complexes reliant des variables observées et latentes. Formalisée par Jöreskog (1973) avec le logiciel LISREL, la SEM permet l'estimation simultanée des relations de mesure (comment les variables mesurent les construits latents) et des relations structurelles (comment les construits influencent les résultats), ce qui la rend puissante pour tester des théories en psychologie, épidémiologie, recherche organisationnelle et sciences de la santé, où la médiation, la modération et les processus latents complexes nécessitent une analyse intégrée.

Appliquer avec StatMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

+40 more

Sources

  1. Jöreskog, K. G., & Sörbom, D. (1973). LISREL: A general computer program for estimating a linear structural equation system. Research Bulletin 73-5. University of Stockholm. link
  2. Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indices in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55. DOI: 10.1080/10705519909540118
  3. Wright, S. (1921). Correlation and causation. Journal of Agricultural Research, 20(7), 557–585. link

Comment citer cette page

ScholarGate. (2026, June 4). Structural Equation Modeling (SEM). ScholarGate. https://scholargate.app/fr/research-statistics/structural-equation-modeling

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Référencée par

Analyse de corrélation canonique bayésienne (Bayesian CCA)Analyse conjointe bayésienneInférence bayésienne avec erreur de mesureRecherche sur les tests de modèles bayésiensMédiation modérée bayésienneRéseau bayésienRéseau bayésien avec erreur de mesureRecherche quantitative observationnelle bayésienneRecherche par sondage bayésienAnalyse Factorielle Confirmatoire (AFC)Modélisation Causale DynamiqueAnalyse factorielleRecherche hiérarchique confirmatoireRecherche sur les tests de modèles hiérarchiquesAnalyse factorielle confirmatoire longitudinaleValidité discriminante longitudinaleTest de l'invariance longitudinale de la mesureTests de modèles longitudinauxEstimation par maximum de vraisemblanceAnalyse de médiationModélisation par mélangeAnalyse de médiation modéréeAnalyse factorielle confirmatoire multi-groupes (AFC-MG)Tests d'invariance de mesure multigroupeInvariance de mesure multiniveauxAnalyse de médiation multiniveauxModélisation multiniveauAnalyse de régression multipleRecherche corrélationnelle multivariéeRecherche explicative multivariéeRecherche longitudinale multivariéeRecherche sur la validation de modèles multivariésRecherche sur panel multivariéAnalyse quantitative multivariée de contenuValidité nomologiqueAnalyse factorielle exploratoire ordinaleRecherche confirmatoire basée sur des données de panelRecherche par tests de modèles sur données de panelAnalyse de cheminAnalyse factorielle confirmatoire robusteValidité discriminante robusteAnalyse de médiation robusteRecherche sur les tests de modèles robustesAnalyse de médiation modérée robusteValidité nomologique robusteAnalyse robuste des cheminsModélisation par équations structurelles robusteAnalyse de puissance pour la modélisation par équations structurellesRecherche confirmatoire assistée par simulationMorphométrie basée sur les voxels
ScholarGateStructural Equation Modeling (Structural Equation Modeling (SEM)). Consulté le 2026-06-15 sur https://scholargate.app/fr/research-statistics/structural-equation-modeling · Jeu de données : https://doi.org/10.5281/zenodo.20539026