구조 방정식 모델링은 구조적 관계를 분석하고 관찰된(명시된) 변수 또는 관찰되지 않은(잠재된) 변수 간의 관계 이론을 테스트하는 다변량 기술입니다.SEM은 요인 분석과 다중 회귀 분석을 결합합니다.
새로운 JMP SEM 기능 JMP Pro 16에는 다음이 포함됩니다.
- 마우스 오른쪽 버튼 클릭 메뉴를 사용하여 경로 다이어그램을 사용자 정의하는 기능
- 모델과의 상호작용에 사용 가능한 예측 프로파일러
- SEM 플랫폼은 이제 상관 행렬과 같은 요약 데이터를 허용합니다.
- 다양한 모델을 구축하고 모델비교표를 활용하여 비교할 수 있는 능력
- 일반적으로 사용되는 모델 구축 단축키
파일과 JMP 스크립트가 포함된 첨부된 비디오와 저널을 사용하여 경로 분석, 확인 요인 분석 및 잠재 변수를 사용한 회귀 분석을 살펴보세요.
Jian Cao의 라이브 웹 세미나 Q&A 2021년 4월 22일
큐 : 특정 모델에 대한 모든 추정치를 포함한 예측 방정식이 포함되어 있나요?
ㅏ: 예, 예측 방정식 생성을 위한 모든 정보는 출력에서 사용할 수 있지만 예측 방정식 형식이 아닌 테이블로 표시됩니다.
큐: JMP는 수정 지수도 제공합니까?
ㅏ: 예, 빨간색 삼각형 메뉴 옵션에서 수정 색인을 찾을 수 있습니다.
큐: 모델을 구축하고 평가하는 데 교육, 검증 및 테스트 세트가 사용됩니까?
ㅏ: 아니요, 이것은 예측이 아닌 확인 분석입니다.
큐: 잔차를 분석할 수 있나요?
ㅏ: 예, 잔차는 명시적으로 모델링될 수 있습니다.
큐: 변수 중요도의 순위를 얻는 방법이 있습니까?
ㅏ: 있다 표준화된 매개변수 추정 효과크기로 사용할 수 있다. 출력에서 순위를 매길 수 있습니다.
큐: JMP Pro SEM 플랫폼은 SAS Proc Causalgraph(특히 BackDoor Criterion의 개념)와 마찬가지로 인과 분석을 지원할 수 있습니까?
ㅏ: 이 플랫폼은 PROC CAUSALGRAPH보다는 PROC CALIS와 비슷합니다.
큐: 웹 예의 다이어그램에서 개인 정보 보호 잠재(원 모양)과 개인 정보 보호 응답 변수(직사각형)의 차이점은 무엇입니까?
ㅏ: 사각형은 데이터 테이블에 있는 변수입니다.이는 웹사이트의 개인 정보 보호에 대한 몇 가지 질문에 대한 답변입니다. 원은 관찰된 변수(가리키는 사각형)의 정보를 활용하여 모델링하는 관찰되지 않은 잠재 변수입니다.
큐: 간접효과가 가능한가요?
ㅏ: 유의성 값이 포함된 전체 효과와 간접 효과는 3Q 출시로 인해 16.1에서 제공될 예정입니다.
자원
- SEM의 ABC Laura Castro-Schilo(JMP) 및 James R. Koepfler(JMP)의 Discovery Europe 2021 프레젠테이션 및 동영상
- 결합된 이중 증류탑의 구조 방정식 모델링 컨설턴트 Markus Schafheutle의 유럽 2021 프레젠테이션 및 비디오를 살펴보세요. 로라 카스트로-스칠로, JMP; JMP 크리스토퍼 고트월트(Christopher Gotwalt)
