你好，每个人。 我是劳拉卡斯特罗-斯基洛。 我是A高级的研究统计员开发商在职的和这结构方程模型平台。 我是真的兴奋的今天到展示你一些的这新的特征那我们有在联合管理计划专业版17.一的这大的那些是去到允许我们到探索团体差异。 是去到讲话关于那A很多今天。
我们的计划为了今天是，希望，出色地花费最多的这时间在A演示，真的显示你那些新的特征。 但非常简要地，前我们得到进入那，我想到提醒你什么结构方程模型是，为什么你可能想到使用它，和然后希望通过这演示，患病的展示你如何到使用它。
现在，我们的推介会今天是不是非常长的。 什么我还想到做是展示你分享和你一些额外的资源来自以前的发现演示文稿和开发商教程在哪里你会学习A很多更多的细节在如何到使用扫描电镜。
现在，这概述的新的特征是去到覆盖，是去到第一的讲话关于多种的团体分析和然后一些改进那我们已经完毕为了纵造型之内扫描电镜和为了民意调查发展。后我们去超过那些，出色地去直的进入这演示和真的展示你如何全部的那些是用过的。
结构方程模型是A非常一般的分析框架为了调查这协会之间变量。 现在，这是A非常广阔定义，和那是有目的的，因为结构方程模型是A非常广阔技术在哪里A数字的不同的楷模能是合身。
这里我有列出A很少的这楷模那你可以合身之内扫描电镜，但这是不是一个详尽的列表。 它真的是A A非常灵活的框架。
A自然的问题那可能来到头脑是，如果我能做一些的这些分析某处别的，然后为什么会我想到使用A扫描电镜？ 有时你可能不是需要到使用它，正确的？ 那会是只是美好的。 但那里是一些情况在哪个扫描电镜会是特别有帮助。 我有包括这里A列表的什么那些情况可能是。
这第一的是有时你可能是感兴趣的在理解这机制经过哪个事物发生。 这是A环境在哪里扫描电镜能是非常有用。 很多时候什么时候你想到理解机制，那方法那你有变量那是两个都预测因子和结果。
然而，不是许多统计技巧允许你到指定楷模在哪里你能有A多变的是两个都A预测器和一个结果。 那是实际上某物那是非常自然的在扫描电镜。 如果这是某物那你是在职的在，扫描电镜可以是非常有帮助的为了你。
你真的想到杠杆作用你的领域专业知识如果你是使用扫描电镜。 这原因是因为在命令到指定你的楷模，你真的需要到思考关于什么是你的理论？ 什么是它那你知道关于你的数据？ 你来向上和那些理论，你翻译他们进入A可测试的模型，和然后什么时候你合身你的楷模，你看无论或者不是有支持为了那些想法那你有。
现在， A非常重要的使用案件为了扫描电镜是什么时候你是在职的和变量那不能是测量的直接地。 所以晚的-在变量是非常重要的在A数字的不同的域。 如果你是感兴趣的，为了例子，在看着在顾客满意或者质量的A产品在这社会科学。 有所以许多晚的-在变量，性格，智力，那些是一些的这陈词滥调事物那你会听到。但真的吗，后期变量是全部超过这地方。如果你工作和那些，如果你有研究问题那蕴涵晚的-在变量，然后你是真的去到益处经过使用扫描电镜。
A有些有关的原因到使用扫描电镜是那如果你有变量那有测量错误和你实际上想到帐户为了那测量错误，扫描电镜能还是非常有帮助。 我说那这是有关的到这后期变量因为这方式在哪个我们帐户为了这测量错误是经过指定后期变量在扫描电镜。测量错误能有有时意外结果在我们的推论。 它能是相当有用到帐户为了它。
其他益处的扫描电镜，和这是一事物那是非常实际的真的吗，是什么时候它来了到拥有丢失的数据，哪个，的课程，是全部超过这地方，这最多受欢迎的估计算法为了扫描电镜把手丢失的数据在A无缝的时尚这样的那这用户不真的需要到做任何事物。 丢失的数据是处理过和A切割边缘算法和你真的不有到担心关于它作为很多。 如果你有丢失的数据，有时我告诉人们甚至如果你只是有A简单的线性回归，你能益处从使用扫描电镜只是因为丢失的数据是处理过和它是简单的。
最后，小路图表是A批判的工具为了结构方程模型。 那些图表是非常有帮助的因为有时甚至这最多复杂的统计楷模能是传达的在A非常直觉的时尚经过依靠在这些图表。
在杰普,我们使用这些图表到促进这规格的我们的楷模，但还到传达这结果的楷模。 那些图表能是非常有帮助的什么时候你是呈现你的结果到任何类型的观众，真的。
全部正确的，所以这是只是A非常简短的列表的为什么你可能想到使用扫描电镜。 我做想到分享A关联这里到A推介会那我给了沿着和詹姆斯·卡夫勒,谁是还在工作发展。 我们做过A开发商教程在哪里我们实际上去进入A很多更多的深度关于这原因为什么你可能想到使用扫描电镜。 如果你想到查看那出去，我只是通缉到分享这关联这里。 如果你下载这幻灯片从这社区，你不有到类型这长的关联。 你能只是点击在那和查看那视频出去。
全部正确的，所以如何到使用扫描电镜。 再次，我是去到去进入A演示和患病的展示你如何到使用扫描电镜，但我的演示是不是去到是也专注的在A教程类型的推介会，大多因为的时间限制。我们想到保持这短的和甜的。
什么我想到做在这滑动是分享和你额外的视频演示文稿在哪里你能去和学习更多的在A教程形式如何到使用结构方程模型为了A很少不同的案件学习，基本上。 这里，这第一的视频是A关联在哪里我覆盖如何到模型民意调查数据和潜伏变量。 我们覆盖事物喜欢确认性的因素分析与小路分析和和没有潜伏变量。
如果你有纵数据，这视频能是相当有帮助。 这里我去超过如何到合身生长后期曲线楷模和如何到解释那些结果。 出色地做A小的少量的纵造型这里今天在这演示，但我们惯于是有能力的成为有能力的到去进入这细节再次在A教程方式。 我确实鼓励你到手表那如果你是感兴趣的。
如果你不有事先的扫描电镜经验，我非常很多鼓励你到手表这其他视频在哪里詹姆士袖口和我谈过关于建筑结构方程模型在联合管理计划亲。 这一是非常介绍性的，和所以你可能想到开始和那一事先的到去到这其他的。
好的，所以现在它是时间到得到进入A小的概述的这新的特征在联合管理计划专业版17.多种的团体分析是A特征那我有到过真的看着向前到呈现在因为这是某物那延伸全部的这楷模那能是合身之内东南欧M。 它做所以经过允许我们到调查相似之处和差异穿过亚人群。我们做这经过并入A分组多变的进入我们的分析。
现在，这最多受欢迎的多种的团体分析例子通常展示A分组多变的那有很少水平。 事物喜欢人口统计变量是用过的非常经常。 的确，在这演示我是去到做，我是还去到使用A简单的人口统计多变的。 但真的吗，有不限制到如何许多级别你真的应该有。 什么真的事情是如何许多观察做你有为了每个等级。 你想到有A相对地好的样本尺寸为了每个的那些亚组。
现在，那里是A一般的战略为了这分析。 是去到看这在实践，但我想你到开始思维关于如何这真的作品。 它是实际上相当简单的。 什么我们做在多种的团体分析是合身二楷模。
一的那些楷模是去到是A更多的受限制的版本的这其他。 一次我们合身两个都的他们，出色地是有能力的到做A可能性比率测试或者A高的正方形不同之处测试在命令到制作一个推理关于无论这限制那我们强加的在一的这楷模是在事实站得住脚。 这是如何我们数字出去无论那里是统计上重要的差异穿过组。 再次，出色地看那玩出去在这演示。
在条款的纵数据分析，我们已经制成它A很多更轻松到解释这结果从你的楷模经过看着在这模型默示轨迹通过A新的预料到的价值观阴谋。 我们还有制成它A很多更轻松到指定多变量生长曲线。 如果你是熟悉的和这些楷模，他们允许你到调查这协会的多种的流程超过时间。 他们能是非常有帮助，但它用过的到是A小的乏味在条款的如何到指定那些。 现在我们已经完毕那非常简单的和快速地通过这使用的模型快捷方式。 为了一些先进的应用程序，我们已经还制成它更轻松到定义一个独立模型基于在什么用户想到有作为这独立模型。
那里是还一些改进为了调查。 这真的是大多专注的在精简你的工作流程为了发展调查。 通常这分析性的工作流程开始经过使用探索性的因素分析，和然后你拿那些结果和确认他们和一个独立的样本使用确认性的因素分析在扫描电镜。
什么我们已经完毕和这帮助的剑峰丁， WHO是这开发商为了探索性因素分析，我们已经到过有能力的现在到关联这二平台经过基本上允许你到复制这模型规格从探索性的因素分析和然后粘贴那进入扫描电镜所以那你能容易地和迅速地确认你的结果。
我们还有A新的捷径为了交换这规模的你的迟到的变量。 有时这是有帮助的什么时候你是发展调查为了指定楷模。 我们还有A数字的更多的新的热地图那是只是去到制作它更轻松到解释这结果的你的分析。
现在，最后的但不是至少，我们的平台有总是到过非常快速地。 但在这发布，克里斯戈特韦尔放A很多的惊人的努力朝向改善甚至更多的这表现的我们的内部的算法。 如果你有地段的变量或者地段的数据，确实给它A射击。我是非常，非常印象深刻和兴奋的关于什么我们有到提供在条款的这表现的这平台作为出色地。
好的，所以它是时间为了这演示。 让我们去先和展示你什么我有超过这里。 我有A杂志在哪里我是去到工作通过，希望我们有足够的时间到工作通过三例子。
这第一的一这里，也许不是出奇，用途我们的大的班级数据桌子。 它是去到是A非常简单的例子只是到介绍这观念在后面多种的团体分析。 现在，什么我是去到做这里，我们有二变量，正确的？ 高度和重量。什么我想到做是调查这协会之间这些二变量经过性别。 我是去到去到这分析菜单，去向下到多变量方法，和然后结构性方程楷模。 我是去到使用两个都的那些变量和点击在模型变量。
现在，这品牌新的特征的多种的团体分析能是成立在这发射对话在下面这团体按钮。 这按钮是新的和那是什么是去到允许我们到选择我们的分组多变的和点击在团体在命令到使用那作为我们的分组多变的。是去到看在如何男性和女性和无论他们不同基本上在他们的协会之间高度和重量。 是去到单击O凯。
现在，这是这平台。 你能看如果你有见过我们的平台前，它看起来非常相似的作为前，和这例外的这些新的选项卡正确的这里。 这选项卡是那里到告诉我们关于这不同的团体那我们有在我们的分析。 在这案件，有仅有的二级别为了我们的分组变量。 我们有A标签为了这女性和A标签为了男性。
一的这事物你会注意是那这小路图表有A模型已经作为A默认为了每个的那些组。 那些默认楷模是这相同的。 那是为什么什么时候我转变选项卡，没有什么真的变化。 这联盟标签，作为这姓名暗示，它节目我们什么是在常见的穿过全部的我们的分组，出色地，这级别的我们的分组多变的。 这里，这是为什么这图表还看起来这相同的。
在命令到指定A简单的线性回归在扫描电镜,这里，我是只是去到选择在这从列表这高度多变的，和然后在这到列表，我是去到选择重量。我是去到关联那些二变量和A一为首的箭，哪个是什么添加那回归小路到我的模型。 这是只是A简单的线性回归在哪里高度是预测重量。
现在，有时我喜欢到右键点击在这帆布的这小路图表和我去到定制图表只是到制作这节点A小的少量更大因为我寻找那有时，尤其什么时候这图表是小的，那看起来A很多更好。这是只是A简单的线性回归。
现在，注意那因为我做过我的模型规格在下面这联盟标签，两个都这女性和这男性遗传那些相同的变化和规格到这模型那我制成。 如果我制作任何变化之内A团体具体的标签，然后那些变化将要仅有的申请到那团体。 但在这案件，什么我想到做是合身一个最初的模型在哪里两个都男性和女性和女性得到他们的自己的估计为了这线性回归。
现在，保持在头脑那这估计的这模型是全部完毕同时地。 是不是分别地配件这模型为了女性和为了男性。 一切是完毕同时地，但我是仍然有能力的到允许每个的这团体到有他们的自己的估计为了这模型。
我是去到点击在跑步，和出色地看有A模型比较桌子在哪里我们能学习A很多关于这合身的这模型。 但现在，某物那是新的在我们的报告是那我们有这些选项卡为了每个的我们的组。 我们有A标签为了这女性和A标签为了这男性。
现在，如果你重点在这回归系数，为了例子，我能去后退和向前和意识到那我做有，在事实， A不同的估计为了那系数。
现在，这系数看起来不同的，但我不有A测试， A正式的统计测试那告诉我无论或者不是那协会是统计上重要的。 这不同之处和这协会是不同的。 在任何速度，这男性这里有关于3.4、女性有A小的少量更大价值。 但什么我们真的想是到合身A第二模型在哪里我们力量一个平等约束在那范围估计，和然后我们能使用那到比较反对这模型。 让我们去先和做那。
我是去到是在这联盟标签和我是去到选择那回归小路和我是去到点击这按钮，放平等的。这是去到带来向上这对话哪个是只是去到问我到确认那我做想到申请这平等约束穿过全部的我的团体，哪个我做。 我是去到点击好的。 现在注意那我有这新的标签那曾是放这里在这边缘。 如果我看在这女性标签和这男性标签，那标签是仍然显示向上在那边缘在那箭。那是我们的方式到传达到你，这用户，那这相同的范围估计是去到是用过的基本上到描述那协会。
好的，所以让我们去后退和模型姓名。 是去到改变这到是回归影响是平等的。 我们力量那到是平等的在这模型。 是去到去先和点击在跑步。 现在，再次，我们可以看在我们的模型比较到看在这合身的我的不同的楷模。 我能选择这二楷模那我只是合身，和因为一的那些楷模是A受限制的版本的这其他，我们称呼这那这楷模是嵌套,我们能实际上做A可能性比率测试。
那是完毕非常容易地在我们的平台简单地经过选择这二楷模和点击在比较已选择楷模。 我们将要获得A不同之处在这志正方形，哪个代表这改变在这不适应的这模型。 我们还看在这不同之处在度的自由之间这二楷模和这差异在这合身根据到一些的这最多受欢迎的合身统计数据在扫描电镜。
现在，根据到这具体的测试，它出现那这改变在志正方形，这增加在不适应是不是统计上重要的。 如果我们使用只是这志正方形不同之处测试，我们会然后来到这结论那甚至尽管那些二价值观是不同的，他们是不是统计上不同的。 现在我们可以去后退向下这里到我们的标签结果和你能看那这回归系数是这相同的甚至什么时候我去穿过这选项卡。我们可以然后说，出色地，有不不同之处之间男性和女性在条款的如何高度预测重量。
这是A非常简单的例子的如何我们可以使用平等限制条件穿过团体在命令到测试A具体的假设。 现在，作为你能想象，我可以去后退进入我的模型规格和我可以放平等限制条件还在这方差的高度和在这剩余的方差的重量。如果那是某物那是的兴趣到我，如果我想到测试那些差异，这框架允许我到做那。
现在， A很多的次你是去到有更多的复杂的楷模出色地超过线性回归，或者你可能有更多的级别的你的分组多变的，和那是完全美好的。 这是A简单的例子那希望你能... 那允许你到看如何你可以延长这进入A更多的复杂的环境。好的，所以那是这例子。
我想到移动在到一个例子那用途纵数据。 现在，是不是去到移动离开从多种的团体分析完全。 是基本上去到强调一些的那些纵分析改进，但然后仍然带来后退这概念的多种的团体分析。
为了这例子，我想你到想象那我们有数据桌子在哪里我们有数据从学生那有采取一个学术的成就测试为了四连续的年。 也许什么我们真的想到寻找出去从这些数据是无论学生成就... 如何是它发展超过时间？ 无论男性和女性不同在他们的轨迹超过时间？ 这些是去到是这二问题那是去到重点在为了这特别的例子。
现在，那里是A样本数据桌子那你将要寻找之内我们的样本数据文件夹。 它是被称为学术的成就。 你可以使用那到跟随沿着和这例子。 在这数据，我们有100行。 每个排代表A不同的学生那拿这学术的成就测试。 你能看那这里，这些四列代表这分数在那多种的选择测试那曾是采取为了年在A排。那些是这数据那我是去到重点在为了配件A纵模型。
我是去到去到这分析菜单，多变量方法，结构方程模型，和那些四变量是已选择。 我是只是去到点击在模型变量在命令到使用那些在扫描电镜。 我是去到点击好的。 记住，这第一的问题曾是，如何做学生'学术的成就发展超过时间？ 我们想到表征那生长或者数字出去无论那里是生长的确。
我们有我们的模型捷径向下在这底部左边，和你能看那在下面这经度分析菜单，我们有A新的选项。 是去到得到到这选项之后今天，多变量，晚的在生长曲线。
但我们还有有A很少其他选项这里那制作纵造型非常快的和简单的。 为了这例子，我是去到使用这合身和比较生长楷模。 什么时候我做那，三不同的楷模是合身。 我获得A志正方形不同之处测试为了全部的这可能的组合这里。 如果我看在这合身指数和还这结果从这志正方形不同之处测试，我将要认出那这最好的配件模型这里是这线性生长曲线模型。 在其他字，它出现那这分数在这学术的成就测试超过时间能是最好的特征化的经过线性生长。
基于在那，我将要去先和重点在口译这结果从这线性生长曲线模型。 我是去到打开那和记起那那一的这新的特征为了纵造型是A新的预料到的价值观阴谋那允许我们到解释这结果的我们的楷模A很多更多的容易地。 如果你是熟悉的和生长曲线楷模，你知道那一些的这钥匙范围估计是这些正确的这里。 他们告诉我们在平均的如何我们的学生在哪里做他们开始和如何是他们改变超过时间和如何很多变化性那里是在那些轨迹。
在下面这红色的三角形菜单的这特别的模型，如果我滚动向下，我是去到寻找一个选项被称为预料到的价值观阴谋。 如果我点击在那，你将要看那作为A默认，我们展示你盒子地块的这预料到的价值观为了全部的这结果变量在这模型。
现在，什么时候你有纵数据，我们有A非常方便的选项这里那允许你到连接这数据点和实际上获得A意大利细面条阴谋那节目你每个的这个人预料到的轨迹经过这模型。 现在，它是漂亮的凉爽的因为这阴谋是，在事实，链接的到这数据桌子。 任何选择你有这里在这阴谋，你能还看那些在你的数据桌子，哪个是某物那你知道到预计从JMP。
在条款的口译这结果的这模型，它是不惊喜那这些是全部直的线因为我们合身A线性模型。 但你能当然看那那里是A很多的变化性在这方式这些学生是改变。 一些学生开始在这顶部在这开始和是仍然增加。 其他学生是开始低的和是实际上展出A小的少量的衰退超过时间。
但我们还看一个平均的弹道这里那似乎到展示A小的少量的增加超过时间。 在平均的，那里是一些增加，但有A很多的变化性在如何人们是改变。 的课程，一的这自然的问题你可能有是，什么因素预测那些不同的轨迹，喜欢这变化性在那截距坡，那是某物那我有覆盖在其他演示文稿，所以我是不是去到讲话关于那现在。但再次，我鼓励你到使用这预测性的价值观阴谋到更好的解释你的纵分析。
我们谈过关于用户存在有能力的到指定他们的自己的独立模型。 那是某物那我们做这里在这模型比较桌子和能是非常有用为了纵分析。 我们做有一个独立模型那是美联储经过默认，但如果你选择到改变那，然后你可以总是右键点击在任何给定模型那你想到放作为这独立独立模型，和我们将要拿关心的那改变为了你。
那是一个先进的技术。 我非常很多建议你到，如果你是不是熟悉的作为到什么是这恰当的独立模型为了你的分析，你应该真的拿A看在这文学到制作当然那你是使用A好的独立模型因为它真的各不相同有时经过语境。
我是坐着下一个到这美丽的窗户和这太阳，它是A华丽的天所以我是去到有到调整这里我的电脑所以那我不有全部这光在我的脸。 我道歉为了那。
好的，所以让我们得到后退到这问题。 我们说那如何做学生达到和发展超过这时期的时间？ 我们现在有一个理解那它发展在这线性时尚和那那里是重大的变化性。 那是这回答到那问题。
出色地，这下一个事物是，做男性和女性不同在这些轨迹？ 这方式是去到承认和地址那问题是经过使用多种的团体分析。 时间他的可以是后退在这平台，我们可以使用这主要的三角形菜单到重做和重新启动我们的分析。
现在什么是去到做是带来这分组多变的，我有A性别作为一个团体多变的。 只是经过正在做这，出色地是有能力的到调用我们的多种的团体分析功能。 我是去到点击好的，和现在你能看那我们的报告为了这平台有这级别的我们的分组多变的这里作为选项卡。
只是作为前，你能看那这男性和这女性有这相同的模型作为A默认，但我们能制作变化到那。 是去到工作之内这联盟标签因为我想这变化那我是关于到做到这模型规格，我想他们到申请为了两个都男性和女性。
我将要还强调，和这是只是A小的边笔记，那在下面这地位标签，你是去到寻找团体具体的信息那我们没有有前什么时候我们没有有多种的团体分析。 你能有一些信息关于你的数据，丢失的数据，和所以在那是具体的到这组。
好的，所以让我们去先和回答这问题。 做男性和女性有差异在他们的轨迹？ 出色地，我已经知道那这线性模型适合最好的，所以我是去到去到我们的模型快捷方式，经度分析，和我是去到点击在这线性潜伏生长曲线。 这快捷方式非常迅速地放向上这模型为了我，制作它非常简单的，和他们做那穿过全部的这级别的这分组多变的。 我有这线性生长曲线模型。
注意那这些钥匙方面的这模型，这估计那真的表征这改变在我们的数据，不有任何标签在那些边缘，哪个方法那他们是自由地估计的穿过男性和女性。 我的第一的模型这里是A线性生长曲线模型。 我是只是去到放A小的关键词这里。 哎呀，我被抹去它。 线性生长曲线。 但我通缉到包括这里那这是自由地估计的正确的穿过这组。 我是去到点击在跑步。 出色的。
我们能看这里一些合身指数。 在我的报告，我能看A标签为了这男性和为了这女性。 的课程，作为你预计，如果我去后退和向前，我可以拿A看在这结果为了这女性和然后去后退和看在如何那些结果是也许不同的为了这男性。 这是有趣的。 那里出现到是一些差异，但再次，我们可能想到数字出去无论这差异那我们观察只是从看着在这些估计但那些是在事实，统计上重要的。
什么患病的做是我是去到去后退到我的模型规格和我是去到做一个OmniVis测试。在其他字，相当比只是推杆一个平等约束在一的这些估计，我是实际上去到做那为了全部的这些估计，这截距意思是，这意思是为了这坡，和这协方差的这截距和坡，和他们的差异。
你不有到做它这方式，但真的它是你的研究问题那应该是指导在哪里做你地方那些平等限制？ 在我的案件，我只是想到做一个全方位可见光测试在哪里我数字出去无论这轨迹为了男性和女性是不同的和无论或者不是我需要A分离估计为了那些参数。
我有全部的那些边缘已选择和我是去到点击在放平等的。 这里我确认的那我做想那些平等限制条件穿过两个都组。 这是实际上相当有帮助的什么时候你有更多的比二级别在你的分组多变的。 它可能是那你想平等限制条件穿过，说，二团体但不是这第三。 你能取消选中一些的那些团体这里如果你需要的到。
我是去到点击好的。 现在全部的那些边缘得到A不同的标签。 你能看那如果我去和看在这男性和这模型为了这女性,那些标签是这相同的。再次，只是到提醒我们那是去到估计仅有的一估计为了每个的那些边缘穿过组。
好的，所以这，一次再次，是A线性生长曲线，但我有平等的生长估计。 让我们去先和跑步那模型。 我们能看，再次，我们可以重点在这合身的这模型。 它不似乎到是作为好的作为这以前的一。 因为这第二模型是A受限制的版本的这第一的，我们能实际上选择那些二楷模和做A有意义的比较经过点击在比较已选择楷模。
作为前，我们是有能力的到看这里这改变在这志正方形沿着和这改变在这度的自由。 这告诉我们如何很多增加在不适应是那里在我们的模型，和是那增加在不适应统计上重要的？
如果它是，哪个在这案件它是，然后我们基本上是说那那些平等限制条件是不是站得住脚。 它曾是不是A好的主意到地方那些。 现在我们能说和A正式的统计测试那那里是统计上重要的差异在这轨迹穿过男性和女性。
现在，你可能想到看在那些差异经过使用这预料到的价值观阴谋。那是某物那我们能做只是经过去进入这红色的三角形菜单。 但什么我是去到做第一的，实际上是我不真的想到看在这模型那有这平等的生长估计因为我们只是实现了那那些平等限制条件是真的不是A好的主意。 我是不是去到看在那。 反而，我是去到看在这第一的模型我们合身，和我是去到做这相同的为了这男性这里。在下面这红色的三角形菜单，我是去到点击在预料到的价值观阴谋，和我是去到连接那些点因为我知道我的数据是纵。
这是这阴谋那是具体的到这男性,到这男性样本。 但它会是真的有帮助的到看在这阴谋边经过边和这阴谋为了这女性。 它是实际上相当好的那全部的我们的红色三角形菜单选项这里是自动地转身在穿过全部的你的团体，所以你不有到去团体经过团体转动在这事物你想到看。
但其他诡计那我真的喜欢是，什么时候你有A选项卡式的报告，你能总是正确的-点击在它和改变这风格的这报告所以那它是在A水平的传播。这是去到允许你到看这选项卡边经过边，这内容的他们。
我是去到点击在H水平的传播。 现在注意那我有这男性和这女性边经过边。 我是去到使用这红色的三角形菜单沿着和这选项或者替代钥匙在命令命令到转动离开这概括的合身，这范围估计，和这图表。 真的吗，全部我想到看是这预料到的价值观阴谋。 我是去到点击好的。 完美的。
现在我能看这预料到的价值观阴谋为了这男性和为了这女性。 我能看那边经过边。 非常有目的地，我们有这里这是轴在这相同的规模所以那这些地块是可比。 现在你能看如何这轨迹不同。 我们看那有A很多更多的传播为了这样本为了这女性。 那里还似乎到是A小的少量的A不同之处在那平均的弹道在这数量的生长。
再次，有许多更多的跟随向上测试那我们可以做这里在命令到数字出去在哪里这具体的差异说谎。 如果我们通缉到测试那，我们可以说，出色地，是那里A不同之处具体来说在这方差的这坡？我们可以放那平等约束和做更多的具体的测试作为后续行动。 但为了现在，我希望那只是显示你这例子真的允许你到看如何多种的团体分析能是用过的在A更多的复杂的环境和如何这新的预测性的价值观阴谋能是用过的到真的促进这解释的你的纵楷模。
全部正确的。 是几乎在这结尾的这演示和什么我想到做非常迅速地和这相同的数据，我真的通缉到强调这多变量生长曲线捷径。 L等我去先和去后退这里到这结构方程模型平台，和这时间，想象那我们有二套的分数超过时间。
所以是去到是看着在二流程。 我们不只是有学术的成就在那一测试。 我们有它在二不同的测试和我们想到看如何那些二流程是改变。 如何是他们有关的超过时间？ 我是去到使用全部的这些变量这里，点击在模型变量和好的。 U恩德尔这模型捷径，记住那纵分析多变量潜伏生长曲线，那捷径允许我到选择变量为了一具体的过程。
这里，我可能有那些第一的四变量。 那曾是我的第一的过程我想到看在。 让我们只是说那那些是数学分数。 我是去到称呼那数学。 是欧得到到选择这里什么类型的生长你想到指定为了那具体的过程为了那放的变量。 是去到戳到A线性生长，和然后我们能点击这加按钮在命令到有那完毕为了我们正确的离开。 是欧能看这预览在这背景这里。 瓦e有一个截距和A坡为了数学。 时间母鸡我们能改变这姓名这里。 或许这第二过程是科学，和现在我们能选择这变量，这重复措施为了那科学测试超过这四年。
A获得，是去到戳到这线性模型，和是去到点击这加按钮。 V埃里迅速地，那模型是改变那里在这背景。 是完毕现在。 所以我是只是去到点击好的。 A获得，现在我可以只是点击跑步和非常迅速地得到这结果为了那模型。 这是一个先进的应用，但它是A真的有趣的一因为它允许你到看在如何这最初的时间观点，这拦截穿过二流程在这案件，如何是那些截距分数有关的？是他们联系？ A伊索这费率的改变超过时间。
如果你有A更高分数在数学，做你还趋向到有不是只是A更高分数，但A更高坡超过时间在数学？ 做那意思是你还有A更高速度的改变在科学？ A记录到这，你做，因为我们有A积极的协会之间那些二因素。
再次，只是突出显示一些的那新的功能。 我的非常最后的例子是为了民意调查发展。 这是去到是非常简短的，我承诺。 让我们只是说这里那我们想到数字出去什么是这钥匙司机的顾客满意？ 瓦e知道那感知到的质量的我们的产品和这名声的我们的品牌是真的重要的。 但真的吗，前我们能甚至回答任何问题关于顾客满意，我们真的需要到制作当然那我们有A有效的和可靠的方式到评估那些变量。 因为这些是变量那是不是观察到的直接地，他们是潜变量，和所以，它是难的到制作当然那我们是测量他们在A可靠的和有效的方式。 S厄维发展是全部关于实现那目标。
我有一个例子这里那是去到允许我们到看如何探索性的因素分析是现在链接的到扫描电镜所以那你能做民意调查发展在A真的精简的时尚。 我有第843章行在这数据桌子。 每个排代表一个个人WHO填充出去A民意调查。 在那民意调查，他们给了我们收视率，回答了问题关于这感知到的质量的我们的产品。 他们还给了我们不同的答案为了这感知到的品牌的我们的品牌。 时间母鸡他们还回答问题关于他们的满意和这产品。 这可以是事物喜欢，如何可能是你到推荐我们的产品到某人你知道？ 那些类型的问题。
我已经有A已保存脚本为了这因素分析平台。 我是不是去到得到进入这细节的如何你使用这平台，但我做想到重点在这事实那这结果从这分析是正确的这里在这旋转的因素加载中矩阵。 那是这钥匙结果从这分析。 U通常，什么我们想到看这里是那这问题那是应该到措施，在这案件，满意，那他们是在事实，加载中进入这相同的因素。
在这个案件他们是，和那是好的消息。 我们看这相同的图案为了质量。 这更多的重大的负载是为了这些第一的三问题的质量。 注意那那里是一质量问题那不似乎到有A好的高的加载中在任何的这因素。 所以或许我们会去后退和制作当然那这措辞的那问题是好的，或者我们可能只是想到扔出去那问题共。
有还A夫妻的问题为了看法的我们的品牌那没有似乎到做非常出色地。 A获得，通常你做非常小心选择的你的问题。 你会去后退，读什么是那些问题，是那里某物我们应该调整，或者将我们只是得到摆脱的他们？ 现在，为了这时间存在，这特征我想到强调是那在下面这红色的三角形菜单的这模型，那里是A新的选项为了复制这模型规格为了扫描电镜。 我是去到点击那。 瓦帽子它做是那这负载那是大胆的这里在我们的最终的旋转的因素正在加载，那些负载是去到是已存储所以那我们能使用他们在这扫描电镜平台。
通常情况下，你想到收集A新的独立的样本所以那你能确认这些探索性的结果。 现在，让我们只是认为为了A分钟这里那这数据桌子是我的新的独立的样本，和我会现在去到分析，多变量方法，结构方程模型，和我能使用全部那些相同的变量，喜欢在模型变量，和然后好的到发射这平台。
通常情况下，再次，你想到确认这结果那你成立和一个独立的样本。 什么你能做是在这主要的红色的三角形菜单，你能点击在粘贴模型规格。 氮噢注意那这因素负载从这因素分析平台是重新调整经过这标准偏差的这指标。 我是去到点击好的，和你能看现在那这价值观这里是固定的为了这负载的那些晚的在变量。 他们是固定的到对应到这价值观从这因素分析平台。
现在，再次，他们有到是重新调整因为这方差的这变量是采取进入考虑。 那是这恰当的方式到指定这模型。 但它是真的好的到是有能力的到精简这工作流程因为通常情况下，如果你真的想到合身A确认性的因素模型基于在一个探索性的因素分析，你会有到放这些限制条件经过手。时间帽子的真的乏味。 所以我们已经制成它非常简单的。 这些潜变量有负载那是固定的到已知的价值观从A以前的学习，从A以前的探索性的分析，和我们能现在确认无论或者不是那阶乘结构仍然持有和A新的样本。
一事物我应该阐明是那这三变量那做过不是有重大的因素负载在这报告是不是存在链接的到任何的这潜变量。 右埃利,我们不想这些到是这里在这分析。 瓦帽子我能做是这红色三角形菜单还有一个选项为了去除显现变量从这分析。
我是去到使用那所以那我能迅速地只是寻找质量3、品牌3、和品牌5个ND我能只是点击好的到得到摆脱的那些变量因为我不真的想到合身我的模型和他们在那里。 A获得，现在我能只是跑步这模型，评估这合身，和数字出去无论我能，在事实，确认我的结果从探索性的因素分析使用确认性的因素分析在扫描电镜。 时间帽子是全部我有为了这演示。 我希望那这是有帮助的和我看向前到回答全部你的问题期间这居住问答。感谢你非常很多。
