歡迎閱讀我的第一篇關於結構方程模型及其在JMP Pro中對應平台的文章。我計劃每月發布一篇系列文章，講解結構方程模型的原理以及如何在 JMP Pro 中應用這些原理。在這篇第一篇文章中，我將介紹結構方程模型，並簡要闡述它過去的應用場景以及未來的發展方向。
什麼是 SEM？
結構方程模型 (SEM)是一種歷史悠久的多元系統建模方法，在行為科學和社會科學領域中得到了廣泛的應用。它在這些領域廣受歡迎的原因很大程度上在於它能夠以簡潔直觀的方式呈現複雜的多元系統。 SEM 非常適合理解變數之間的複雜關係，即使在建模或方程組領域經驗不足的人員也能理解這些複雜的關係。不僅如此，SEM 還能定量確定變數的間接效應，並允許將任何變數同時作為輸入和輸出進行建模。因此，SEM 可以發現傳統建模方法可能遺漏或混淆的關係。
動機
身為化學工程專業的應屆畢業生，我注意到了SEM的這些獨特屬性，並有興趣探索它在科學和工程領域的應用，而這方面的前提仍有待檢驗。因此，我開始學習SEM，以及如何在最近新增的JMP SEM平台中建構、評估和修改這些模型。該平台是JMP Pro 15中新增的，也是許多部落格文章的主題。隨著JMP Pro 16的推出，SEM模組中也新增了許多功能，現在似乎是時候編寫一個教學系列，來記錄我學習SEM以及如何使用JMP Pro 16應用SEM的歷程了。
隨著我對這個主題和模組的開發不斷了解，我計劃更新這個正在運行的 JMPer Cable 系列教程；這個系列也將作為 JMP Pro 16 SEM 模組的「入門」教程系列。在這個系列中，我希望指出常見的障礙，並解決我最近遇到的一些難題。在整個系列中，我將透過簡短的影片演示，運用簡單易懂的資料集，講解各種 SEM 概念。
什麼時候可以使用 SEM？
您可能想知道，為什麼SEM在行為科學和社會科學領域應用廣泛，但在工程領域卻鮮少應用。主要原因有兩個。首先，在任何情況下使用SEM都存在著很大的門檻，因為需要對不同的統計指標和方法有深入的了解。之前的SEM軟體通常比較難懂，而且缺乏完整的教學。 JMP SEM平台克服了其他SEM軟體套件的缺點，它整合了視覺化分析平台和統計輸出，可以輕鬆比較不同的模型。
此外，SEM 使用者需要深入了解各種規則，才能成功識別模型並避免在求解過程中出現錯誤。 JMP 附帶一個狀態窗口，可以自動標記任何可能妨礙模型識別的錯誤或規則違規，並附帶一個簡潔的解釋，說明錯誤發生的原因以及如何修復錯誤。我將在後續文章中介紹這個錯誤選項卡，但目前只需知道，它為我節省了無數的調試時間，並減少了我對不收斂模型的沮喪。
其次，SEM 通常用於底層模型存在假設結構的情況，即基於使用者對系統的了解以及變數之間的關係來創建模型。然後，收集到的數據被用來支持或反駁模型所描述的假設。然而，在工程領域，模型建構通常遵循數據驅動的方法，即研究從實驗或系統中收集的數據，然後得出假設和結論。這就是為什麼其他資料驅動方法（例如機器學習）在工程領域中更常被採用的原因，這也凸顯了 SEM 在該領域應用的一個明顯問題。我認為 SEM 仍有一些應用場景，但您需要閱讀本系列的後續文章才能了解更多。
SEM 的典型問題
使用SEM的一個缺點是，它需要大量的樣本量才能做出合理且準確的推論。在工程領域，典型的觀察單位是被研究的單一系統。在將SEM應用於工程領域時，許多公司需要分享類似系統的數據，以便驗證SEM模型，而這種情況並不常見。然而，一些先進的SEM應用程式可以透過使用與時間相關的流程資料來規避這個問題。
SEM方法論
由於擬合SEM的典型過程可以被認為是一個四階段方法，因此在本系列文章中，我將大致遵循此方法，解釋每個概念與此典型方法的關係。這四個階段如下：
感謝您的閱讀，希望本文能引起您對 SEM 在工程領域的應用以及 SEM 和 JMP Pro 中 SEM 平台的強大功能的興趣。期待您在評論區留言。
偉大的第一個後喬丹。 我有興趣將 SEM 應用於商業和財務問題。 將繼續閱讀您即將發表的帖子。
感謝您的關注@gzmorgan0 ，這是一個有趣的主題，我確信我的一篇文章將深入探討這個想法。
謝謝@喬丹沃爾特斯。我期待您對模型修改的討論。 我的興趣是在具有經過驗證的 SEM 的過程中有效地設計實驗。 不確定您即將舉行的演講是否解決了這個問題，但期待討論。
真的很想了解更多關於 SEM 的內容！ 做得很好@喬丹沃爾特斯
很棒的第一篇文章， @喬丹沃爾特斯！ 已經期待下一篇了。
