結構方程建模是一種多元技術，用於分析結構關係並測試觀察到的（清單）變量或未觀察到的（潛在）變量之間的關係理論。SEM將因子分析和多元回歸分析相結合。
新的JMP SEM功能在JMP Pro 16中包括：
- 使用右鍵菜單自定義路徑圖的能力
- 可用的預測分析器，用於與模型進行交互
- SEM平台現在接受匯總數據，例如相關矩陣
- 能夠建立各種模型並使用模型比較表進行比較
- 建立常用模型的快捷方式
使用附帶的視頻和日記以及文件和JMP腳本來探索路徑分析，確認性因子分析和具有潛在變量的回歸。
曹劍現場網絡研討會的問答環節，2021年4月22日
問：它包括給定模型的所有估計的預測方程嗎？
A：是的，所有用於創建預測方程式的信息都可以在輸出中獲得，但它們以表格而非預測方程式的形式顯示。
問： JMP是否也提供修改索引
A：是的，您可以在紅色三角形菜單選項下找到修改索引。
問：是否使用培訓，驗證和測試集來構建和評估模型？
A：不，這是確定性分析，不是預測性分析。
問：您可以分析殘差嗎？
A：是的，可以對殘差進行顯式建模。
問：有沒有辦法獲得可變重要性的等級順序？
A：有標準化參數估計可以用作效果大小。 這些可以在輸出中排名。
問：與SAS Proc因果圖（尤其是BackDoor Criterion概念）一樣，JMP Pro SEM平台可以協助因果分析嗎？
A：該平台可與PROC CALIS媲美，而與PROC CAUSALGRAPH相當。
問：在該網絡示例的圖表上，隱私隱性（圓形）與隱私響應變量（矩形）之間有什麼區別？
A：平方是我們在數據表中擁有的變量。它們是有關網站感知隱私的幾個問題的答案。 圓是我們無法觀察到的潛在變量，我們利用來自觀察變量的信息（它指向的平方）進行建模。
問：可以使用間接效應嗎？
A：由於發布了第3季度，具有顯著性值的總和間接影響將在16.1年發布。
資源
- 掃描電子顯微鏡JMP的Laura Castro-Schilo和JMP的James R.Koepfler演講和視頻
- 偶合雙精餾塔的結構方程建模探索歐洲2021年的演講和視頻，由Markus Schafheutle（顧問）提供； JMP勞拉·卡斯特羅·舒洛（Laura Castro-Schilo）和JMP Christopher Gotwalt
