結構方程模型是一種多變量技術，用於分析結構關係並測試觀察到的（顯性）或未觀察到的（潛在）變數之間的關係理論。SEM 結合了因子分析和多元迴歸分析。
新的JMP SEM 功能JMP Pro 16 中包含：
- 能夠使用右鍵選單自訂路徑圖
- 用於與模型互動的可用預測刻畫器
- 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
使用附帶的影片和日誌以及檔案和 JMP 腳本來探索路徑分析、驗證性因子分析和潛在變數迴歸。
2021 年 4 月 22 日曹健直播網路研討會問答
問：它是否包括具有給定模型的所有估計值的預測方程式？
A：是的，用於創建預測方程式的所有資訊都可以在輸出中獲得，但它們以表格而不是預測方程式格式呈現。
問： JMP 是否也提供修改索引
A：是的，您可以在紅色小三角選單選項下找到修改索引。
問：是否使用訓練、驗證和測試集來建立和評估模型？
A：不，這是驗證性分析，而不是預測性分析。
問：能分析一下殘差嗎？
A：是的，可以對殘差進行明確建模。
問：有沒有辦法獲得不同重要性的排名順序？
A：有標準化參數估計可用作效果大小。 這些可以在輸出中排名。
問： JMP Pro SEM 平台能否像 SAS Proc Causalgraph 一樣協助因果分析（特別是 BackDoor Criterion 的概念？）
A：該平台類似於 PROC CALIS 而不是 PROC CAUSLGRAPH。
問：在網路範例的圖表中，隱私潛在變數（圓形）與隱私回應變數（矩形）之間有什麼區別？
A：方塊是資料表中的變數。它們是有關網站隱私的幾個問題的答案。 圓是一個未觀察到的潛在變量，我們透過利用觀察到的變數（它指向的正方形）的資訊來對其進行建模。
問：是否有間接影響？
A：具有顯著性值的總影響和間接影響將在 16.1 中提供，並將於第三季發布。
資源
- SEM 的 ABC Discovery Europe 2021 演示和視頻，由 JMP 的 Laura Castro-Schilo 和 JMP 的 James R. Koepfler 提供
- 耦合雙蒸餾塔的結構方程模型顧問 Markus Schafheutle 的「探索歐洲 2021」演示和影片；勞拉·卡斯特羅-斯基洛，JMP；克里斯多福‧戈特瓦爾特 (Christopher Gotwalt)，JMP
