276605_zh-CN

liliconcom

使用结构方程模型揭示观测变量和潜在变量之间的关系

 

 

请参阅如何：

• 了解 SEM 的基础知识
  • 验证性因素分析 (CFA) – 一种多变量统计程序，用于测试测量变量代表结构数量的程度并确认或拒绝理论
  • 路径分析 - 根据相关矩阵构建的回归模型的扩展，比较两个或多个临时模型并使用图表流程图来建模路径和因果关系
  • 结构方程模型 (SEM) – 多元统计分析技术，将因子分析与多元回归分析相结合，分析测量变量和潜在结构之间的结构关系，在单次分析中估计多重和相互关联的依赖性
• 使用工业案例研究选择模型并处理测量区域
  • 导航 3 面板 SEM 窗口（从列表、到列表、图表）
  • 使用 SEM 查看测量结果中是否存在任何内置误差
  • 了解如何检查和比较受限模型和独立模型结果
  • 迭代构建多个模型并在运行模型之前解释需求规则状态
  • 查找并解释模型统计数据和报告警告，然后根据需要修改或重新运行模型
  • 使用本地数据过滤器按变量过滤
  • 保存因子得分并将潜在变量应用于观察到的变量
• 使用 SEM 通过体育案例研究检验假设

注：问答时间为 36:43。

资源

• SEM JMP 发现演示和博客

高级统计建模