结构方程模型中的观测残差虽然 SEM 平台提供了探索异常值的功能，但增加估计基于模型的残差和利用 SEM 中的观测值的功能将非常有用。这增加了在观测级别对 SEM 进行残差分析并识别异常和有问题的情况的能力。由于回归和因子分析是 SEM 的特殊情况，因此此功能也将扩展到这些类型的模型。使用这些变量创建附加列可以增加进行进一步探索的额外能力。在 SAS 中实现（参见 Truxillo (2017)）。
高级统计建模消费者和市场研究关于结构方程建模中的观测残差-状态更改为：开发中你好：
期待JMP16中的这一新功能。对于拥有观察数据的用户而言，这将是关键的SEM诊断。
关于结构方程建模中的观测残差-状态更改为：开发中JMP 16将提供“保存观测残差”的选项。谢谢你的建议。
