Author Description

Il mio primo incontro col modello di equazioni strutturali con variabili latenti (o brevemente: SEM, acronimo di Structural Equation Modeling) avvenne nel 2009, quando come dipendente di una primaria banca italianami occupavo della progettazione e analisi di indagini di customer satisfactionrivoltealla clientela del segmento imprese. Per inciso, questa mia esperienza qui affiora in vari momenti esemplificativi, e specialmentenegli ultimi due capitoli della Parte Seconda. A quel tempo parlare di SEM presentava aspetti alquanto pionieristici, se non altro sotto il profilo applicativo nelle aziende; ricordo in particolare che unconsulente, cui la banca si rivolse in fase di avvio della nuova attività, asseriva che il SEM determina l'indice di soddisfazione complessiva mediante una formula segreta, il che conferiva a questo modello unalone di mistero, perlomeno ai miei occhi. Al di là di questo "aneddoto", va detto che la specifica letteratura era ancora un po'carente, perché importanti contributi in forma di testo monograficosono stati pubblicati soltanto nel giro di questi ultimi quattro o cinque anni, senza contare poi l'uscita di numerosi articoli, nonché l'arricchimento di certi softwarestatistici, per esempio XLSTAT, che ora comprende anche la risoluzione GSCA (acronimo di Generalized Structural Component Analysis; vedi il cap. 1.5 per un accenno). Stante la mutata situazione, credo che sia doveroso motivare la presente pubblicazione, nel senso di metterne in luce quei tratti che dovrebbero renderla di ausilio per gli studenti dei corsi di Econometria e, nella tradizione anglosassone, di Psycometrics e Sociometricsnonché, più in generale, per tutti coloro che intendono affrontare questo modello disponendo soltantodi nozioni di base di Statistica inferenziale e di Algebra matriciale.