Le cadre SEM englobe plusieurs techniques statistiques, notamment les tests T, l'analyse de la variance (ANOVA), l'analyse de la covariance (ANCOVA), l'analyse de variance multivariée (MANOVA), la régression linéaire multiple, l'analyse factorielle, les diagramme de corrélation et les modèles d'erreur de mesure. Ce qui distingue la méthode SEM, c'est sa flexibilité vis-à-vis de la spécification de ceux-ci ou d'autres modèles, et le fait de pouvoir exclure ou imposer des contraintes en phase avec certaines notions théoriques. Par exemple, on pourrait ajuster (simultanément) deux modèles ANOVA à mesures répétées à deux processus se produisant au fil du temps, ce qui faciliterait l'observation de la dynamique de ces processus tandis qu'ils évoluent, tout en excluant les suppositions strictes du modèle ANOVA à mesures standard répétées.
Les modèles d'équations structurelles à variables non observées, ou latentes, sont particulièrement utiles dans les domaines cherchant à étudier des concepts intangibles. Ainsi, les SEM sont largement utilisées en psychologie et dans l'enseignement, où de nombreuses structures latentes sont scrutées, comme la personnalité, les attitudes, la réussite ou encore la cognition. Toutefois, ces domaines n'ont pas le monopole des variables latentes. En effet, comprendre les perceptions, la satisfaction, l'innovation ou la performance est précieux en termes de marketing, de management et de commerce, tandis que les secteurs de la construction et de l'ingénierie peuvent bénéficier de la modélisation de la qualité, de l'énergie et d'autres facteurs non observables au cours de processus industriels.
Au vu de ces caractéristiques clairement avantageuses, qu'est-ce qui explique que certains analystes se passent des SEM ? Trois facteurs permettent selon moi de répondre à cette question :
L'accessibilité. La technique SEM est avant tout enseignée dans les cursus universitaires spécialisés dans les sciences sociales, c'est pourquoi il est inhabituel pour un statisticien ou un biostatisticien ayant suivi une formation classique d'y être accoutumé ou d'en connaître les détails techniques.
Facilité d'utilisation. Les principales suites logicielles spécialisées dans les modèles d'équations structurelles sont depuis toujours développées par les académies, qui en maîtrisent la technique mais ne portent pas suffisamment d'attention à l'ergonomie. Par ailleurs, plus de flexibilité est parfois synonyme de plus de complexité. Alors que les analystes cherchent à relever des défis majeurs grâce aux SEM, des modèles trop complexes sont susceptibles d'entraîner des erreurs de spécification et, à terme, d'estimation.
Expertise sectorielle. Le savoir des analystes leur permet de spécifier des modèles en phase avec la théorie et les connaissances qu'ils ont déjà acquises. Dans de nombreuses situations, il importe peu de comprendre pourquoi ou comment certains facteurs prédisent un résultat. Dans ces cas précis, des modèles sans supervision, entièrement alimentés par les données, constituent un choix adapté, contrairement aux modèles d'équations structurelles.
Par chance, l'accessibilité et la facilité d'utilisation ne constituent plus un frein à l'utilisation des SEM. JMP Pro a récemment ajouté une plate-forme SEM à sa collection de méthodes statistiques déjà bien fournie. Ainsi, les analystes peuvent trouver de nombreuses ressources afin d'apprendre à utiliser les SEM pour guider des décisions à même d'optimiser leur entreprise. La plate-forme SEM dans JMP Pro hérite de toutes les fonctionnalités interactives et dynamiques qui font le succès de JMP. De plus, la convivialité est au cœur de son développement, avec un contrôle continu des erreurs pour alerter les utilisateurs de potentiels problèmes avant qu'ils ne surviennent lors de l'estimation. Il n'a jamais été aussi simple d'ajouter les SEM à votre kit d'outils statistiques. Cette technique sophistiquée est peut-être celle qui permettra à votre entreprise de prendre de meilleures décisions en se basant sur des données.
