结构方程模型是一种多变量技术，用于分析结构关系并测试观察到的（显性）或未观察到的（潜在）变量之间的关系理论。SEM 结合了因子分析和多元回归分析。
新的JMP SEM 功能JMP Pro 16 中包括：
- 能够使用右键菜单自定义路径图
- 用于与模型交互的可用预测刻画器
- SEM 平台现在接受汇总数据，例如相关矩阵
- 能够构建各种模型并使用模型比较表进行比较
- 构建常用模型的快捷方式
使用附带的视频和日志以及文件和 JMP 脚本来探索路径分析、验证性因子分析和潜在变量回归。
2021 年 4 月 22 日曹健直播网络研讨会问答
问：它是否包括具有给定模型的所有估计值的预测方程？
A：是的，用于创建预测方程的所有信息都可以在输出中获得，但它们以表格而不是预测方程格式呈现。
问： JMP 是否还提供修改索引
A：是的，您可以在红色小三角菜单选项下找到修改索引。
问：是否使用训练、验证和测试集来构建和评估模型？
A：不，这是验证性分析，而不是预测性分析。
问：你能分析一下残差吗？
A：是的，可以对残差进行显式建模。
问：有没有办法获得不同重要性的排名顺序？
A：有标准化参数估计可以用作效果大小。 这些可以在输出中排名。
问： JMP Pro SEM 平台能否像 SAS Proc Causalgraph 一样协助因果分析（特别是 BackDoor Criterion 的概念？）
A：该平台类似于 PROC CALIS 而不是 PROC CAUSLGRAPH。
问：在网络示例的图表中，隐私潜在变量（圆形）与隐私响应变量（矩形）之间有什么区别？
A：方块是数据表中的变量。它们是有关网站隐私的几个问题的答案。 圆是一个未观察到的潜在变量，我们通过利用观察到的变量（它指向的正方形）的信息来对其进行建模。
问：是否有间接影响？
A：具有显着性值的总影响和间接影响将在 16.1 中提供，将于第三季度发布。
资源
- SEM 的 ABC Discovery Europe 2021 演示和视频，由 JMP 的 Laura Castro-Schilo 和 JMP 的 James R. Koepfler 提供
- 耦合双蒸馏塔的结构方程模型顾问 Markus Schafheutle 的“探索欧洲 2021”演示和视频；劳拉·卡斯特罗-斯基洛，JMP；克里斯托弗·戈特瓦尔特 (Christopher Gotwalt)，JMP
