如何在結構方程模型中使用歸一化殘差熱圖？我知道殘差是樣本協方差矩陣和模型隱含協方差矩陣之間的差異。 但我不知道如何使用它。 誰能告訴我如何使用歸一化殘差熱圖來識別模型中的問題並找到潛在的方法（例如添加或刪除變數之間的路徑）來改進模型擬合？ 附件是我的模型的矩陣和熱圖。 謝謝！
數據探索和視覺化蘋果系統回覆：如何在結構方程模型中使用歸一化殘差熱圖？非常感謝您的參考！
回覆：如何在結構方程模型中使用歸一化殘差熱圖？非常不客氣！ Bollen (1989) 是最好的參考：
堪薩斯州博倫 （1989）。具有潛在變數的結構方程（第 210 卷）。 約翰威利父子。
第 259 頁顯示了歸一化殘差的公式，它只是殘差除以其漸近變異數。 該公式為歸一化殘差提供了與標準常態變數相似*的標度，這就是為什麼值約為 |2| 的原因建議作為指導。
哈特哈，
~勞拉
*需要注意的是，公式中的漸近方差已被證明有點高（Joreskog & Sorbom，1988），因此歸一化殘差的規模並不完全像標準正態變量，而是更小一些。 儘管如此，|2|使用指南。
回覆：如何在結構方程模型中使用歸一化殘差熱圖？嗨勞拉，
非常感謝您的回答！ 這篇文章也很有幫助。 我看了這篇文章，裡面談到了參數估計的T值閾值和修正指標。 您提到標準化殘差應在 |2| 範圍內。 如果有的話，您能否向我提供任何談論它的文章，以便我可以在我的文章中引用？ 謝謝！
回覆：如何在結構方程模型中使用歸一化殘差熱圖？你好@lujc07 ,
好問題！ 可以直觀地掃描歸一化殘差（及其熱圖）以查看是否存在過度擬合或欠擬合。 一般來說，我們希望這些值在 |2| 左右。單位，讓我們確信我們的模型非常適合。 熱圖有助於人們了解不匹配（如果存在）是否遍布各處，或者是否是由於模型較小部分內的錯誤指定造成的。 在你的例子中，似乎後者是正確的；也就是說，涉及 BFI、CrFungiPar、SrPhelnsec 和 BcDO 變數的指定錯誤。 由於這些值是透過從樣本協方差矩陣 (SCM) 中減去模型隱含協方差矩陣 (MIC) 來計算的，因此您可以透過查看殘差的符號來判斷是否過度擬合或欠擬合 - 如果SCM 和MIC 均為正值，則殘差較大的負值表示過擬合，殘差較大的正值表示欠擬合。 但是，如果 SCM 和 MIC 中混合有負值和正值，則此過程可能會變得更加複雜。 事實上，如果您的興趣在於確定應添加哪些路徑，那麼下一步將需要使用「修改索引」選項。 此選項將顯示可改善模型擬合的路徑（它們按擬合改善程度從高到低排列）。 但請注意，應謹慎使用修改索引（即與領域專業知識結合），因為否則它們可能會讓您誤入歧途。 這裡有一個有用的文章描述了潛在的問題。
哈特哈，
~勞拉
回覆：如何在結構方程模型中使用歸一化殘差熱圖？
