你好，每個人。 我是勞拉卡斯特羅-斯基洛。 我是A高級的研究統計員開發商在職的和這結構方程模型平台。 我是真的興奮的今天到展示你一些的這新的特徵那我們有在聯合管理計劃專業版17.一的這大的那些是去到允許我們到探索團體差異。 是去到講話關於那A很多今天。
我們的計劃為了今天是，希望，出色地花費最多的這時間在A演示，真的顯示你那些新的特徵。 但非常簡要地，前我們得到進入那，我想到提醒你什麼結構方程模型是，為什麼你可能想到使用它，和然後希望通過這演示，患病的展示你如何到使用它。
現在，我們的推介會今天是不是非常長的。 什麼我也想到做是展示你分享和你一些額外的資源來自以前的發現演示文稿和開發商教程在哪裡你會學習A很多更多的細節在如何到使用掃描電鏡。
現在，這概述的新的特徵是去到覆蓋，是去到第一的講話關於多種的團體分析和然後一些改進那我們已經完畢為了縱造型之內掃描電鏡和為了民意調查發展。後我們去超過那些，出色地去直的進入這演示和真的展示你如何全部的那些是用過的。
結構方程模型是A非常一般的分析框架為了調查這協會之間變量。 現在，這是A非常廣闊定義，和那是有目的的，因為結構方程模型是A非常廣闊技術在哪裡A數字的不同的楷模能是合身。
這裡我有列出A很少的這楷模那你可以合身之內掃描電鏡，但這是不是一個詳盡的列表。 它真的是A A非常靈活的框架。
A自然的問題那可能來到頭腦是，如果我能做一些的這些分析某處別的，然後為什麼會我想到使用A掃描電鏡？ 有時你可能不是需要到使用它，正確的？ 那會是只是美好的。 但那裡是一些情況在哪個掃描電鏡會是特別有幫助。 我有包括這裡A列表的什麼那些情況可能是。
這第一的是有時你可能是感興趣的在理解這機制經過哪個事物發生。 這是A環境在哪裡掃描電鏡能是非常有用。 很多時候什麼時候你想到理解機制，那方法那你有變量那是兩個都預測因子和結果。
然而，不是許多統計技巧允許你到指定楷模在哪裡你能有A多變的是兩個都A預測器和一個結果。 那是實際上某物那是非常自然的在掃描電鏡。 如果這是某物那你是在職的在，掃描電鏡可以是非常有幫助的為了你。
你真的想到槓桿作用你的領域專業知識如果你是使用掃描電鏡。 這原因是因為在命令到指定你的楷模，你真的需要到思考關於什麼是你的理論？ 什麼是它那你知道關於你的數據？ 你來向上和那些理論，你翻譯他們進入A可測試的模型，和然後什麼時候你合身你的楷模，你看無論或者不是有支持為了那些想法那你有。
現在， A非常重要的使用案件為了掃描電鏡是什麼時候你是在職的和變量那不能是測量的直接地。 所以晚的-在變量是非常重要的在A數字的不同的域。 如果你是感興趣的，為了例子，在看著在顧客滿意或者品質的A產品在這社會科學。 有所以許多晚的-在變量，性格，智力，那些是一些的這陳詞濫調事物那你會聽到。但真的嗎，後期變量是全部超過這地方。如果你工作和那些，如果你有研究問題那蘊涵晚的-在變量，然後你是真的去到益處經過使用掃描電鏡。
A有些有關的原因到使用掃描電鏡是那如果你有變量那有測量錯誤和你實際上想到帳戶為了那測量錯誤，掃描電鏡能也是非常有幫助。 我說那這是有關的到這後期變量因為這方式在哪個我們帳戶為了這測量錯誤是經過指定後期變量在掃描電鏡。測量錯誤能有有時出乎意料結果在我們的推論。 它能是相當有用到帳戶為了它。
其他益處的掃描電鏡，和這是一事物那是非常實際的真的嗎，是什麼時候它來了到擁有丟失的數據，哪個，的課程，是全部超過這地方，這最多受歡迎的估計算法為了掃描電鏡把手丟失的數據在A無縫的時尚這樣的那這用戶不真的需要到做任何事物。 丟失的數據是處理過和A切割邊緣算法和你真的不有到擔心關於它作為很多。 如果你有丟失的數據，有時我告訴人們甚至如果你只是有A簡單的線性回歸，你能益處從使用掃描電鏡只是因為丟失的數據是處理過和它是簡單的。
最後，小路圖表是A批判的工具為了結構方程模型。 那些圖表是非常有幫助的因為有時甚至這最多複雜的統計楷模能是傳達的在A非常直覺的時尚經過依靠在這些圖表。
在傑普,我們使用這些圖表到促進這規格的我們的楷模，但也到傳達這結果的楷模。 那些圖表能是非常有幫助的什麼時候你是呈現你的結果到任何類型的觀眾，真的。
全部正確的，所以這是只是A非常簡短的列表的為什麼你可能想到使用掃描電鏡。 我做想到分享A關聯這裡到A推介會那我給了沿著和詹姆斯·卡夫勒,誰是也在工作發展。 我們做過A開發商教程在哪裡我們實際上去進入A很多更多的深度關於這原因為什麼你可能想到使用掃描電鏡。 如果你想到查看那出去，我只是通緝到分享這關聯這裡。 如果你下載這幻燈片從這社區，你不有到類型這長的關聯。 你能只是點擊在那和查看那視頻出去。
全部正確的，所以如何到使用掃描電鏡。 再次，我是去到去進入A演示和患病的展示你如何到使用掃描電鏡，但我的演示是不是去到是也專注的在A教程類型的推介會，大多因為的時間限制。我們想到保持這短的和甜的。
什麼我想到做在這滑動是分享和你額外的視頻演示文稿在哪裡你能去和學習更多的在A教程形式如何到使用結構方程模型為了A很少不同的案件學習，基本上。 這裡，這第一的視頻是A關聯在哪裡我覆蓋如何到模型民意調查數據和潛伏變量。 我們覆蓋事物喜歡確認性的因素分析與小路分析和和沒有潛伏變量。
如果你有縱數據，這視頻能是相當有幫助。 這裡我去超過如何到合身生長後期曲線楷模和如何到解釋那些結果。 出色地做A小的少量的縱造型這裡今天在這演示，但我們慣於是有能力的成為有能力的到去進入這細節再次在A教程方式。 我確實鼓勵你到手錶那如果你是感興趣的。
如果你不有事先的掃描電鏡經驗，我非常很多鼓勵你到手錶這其他視頻在哪裡詹姆士袖口和我談過關於建築結構方程模型在聯合管理計劃親。 這一是非常介紹性的，和所以你可能想到開始和那一事先的到去到這其他的。
好的，所以現在它是時間到得到進入A小的概述的這新的特徵在聯合管理計劃專業版17.多種的團體分析是A特徵那我有到過真的看著向前到呈現在因為這是某物那延伸全部的這楷模那能是合身之內東南歐M。 它做所以經過允許我們到調查相似之處和差異穿過亞人群。我們做這經過併入A分組多變的進入我們的分析。
現在，這最多受歡迎的多種的團體分析例子通常展示A分組多變的那有很少水平。 事物喜歡人口統計變量是用過的非常經常。 的確，在這演示我是去到做，我是也去到使用A簡單的人口統計多變的。 但真的嗎，有不限制到如何許多級別你真的應該有。 什麼真的事情是如何許多觀察做你有為了每個等級。 你想到有A相對地好的樣本尺寸為了每個的那些亞組。
現在，那裡是A一般的戰略為了這分析。 是去到看這在實踐，但我想你到開始思維關於如何這真的作品。 它是實際上相當簡單的。 什麼我們做在多種的團體分析是合身二楷模。
一的那些楷模是去到是A更多的受限制的版本的這其他。 一次我們合身兩個都的他們，出色地是有能力的到做A可能性比率測試或者A高的正方形不同之處測試在命令到製作一個推理關於無論這限制那我們強加的在一的這楷模是在事實站得住腳。 這是如何我們數字出去無論那裡是統計上重要的差異穿過組。 再次，出色地看那玩出去在這演示。
在條款的縱數據分析，我們已經製成它A很多更輕鬆到解釋這結果從你的楷模經過看著在這模型默示軌跡通過A新的預料到的價值觀陰謀。 我們也有製成它A很多更輕鬆到指定多變量生長曲線。 如果你是熟悉的和這些楷模，他們允許你到調查這協會的多種的流程超過時間。 他們能是非常有幫助，但它用過的到是A小的乏味在條款的如何到指定那些。 現在我們已經完畢那非常簡單的和快速地通過這使用的模型快捷方式。 為了一些先進的應用程序，我們已經也製成它更輕鬆到定義一個獨立模型基於在什麼用戶想到有作為這獨立模型。
那裡是也一些改進為了調查。 這真的是大多專注的在精簡你的工作流程為了發展調查。 通常這分析性的工作流程開始經過使用探索性的因素分析，和然後你拿那些結果和確認他們和一個獨立的樣本使用確認性的因素分析在掃描電鏡。
什麼我們已經完畢和這幫助的劍峰丁，世界衛生組織是這開發商為了探索性因素分析，我們已經到過有能力的現在到關聯這二平台經過基本上允許你到複製這模型規格從探索性的因素分析和然後粘貼那進入掃描電鏡所以那你能容易地和迅速地確認你的結果。
我們也有A新的捷徑為了交換這規模的你的遲到的變量。 有時這是有幫助的什麼時候你是發展調查為了指定楷模。 我們也有A數字的更多的新的熱地圖那是只是去到製作它更輕鬆到解釋這結果的你的分析。
現在，最後的但不是至少，我們的平台有總是到過非常快速地。 但在這發布，克里斯戈特韋爾放A很多的驚人的努力朝向改善甚至更多的這表現的我們的內部的算法。 如果你有地段的變量或者地段的數據，確實給它A射擊。我是非常，非常印象深刻和興奮的關於什麼我們有到提供在條款的這表現的這平台作為出色地。
好的，所以它是時間為了這演示。 讓我們去先和展示你什麼我有超過這裡。 我有A雜誌在哪裡我是去到工作通過，希望我們有足夠的時間到工作通過三例子。
這第一的一這裡，也許不是出奇，用途我們的大的班級數據桌子。 它是去到是A非常簡單的例子只是到介紹這觀念在後面多種的團體分析。 現在，什麼我是去到做這裡，我們有二變量，正確的？ 高度和重量。什麼我想到做是調查這協會之間這些二變量經過性別。 我是去到去到這分析菜單，去向下到多變量方法，和然後結構性方程楷模。 我是去到使用兩個都的那些變量和點擊在模型變量。
現在，這品牌新的特徵的多種的團體分析能是成立在這發射對話在下面這團體按鈕。 這按鈕是新的和那是什麼是去到允許我們到選擇我們的分組多變的和點擊在團體在命令到使用那作為我們的分組多變的。是去到看在如何男性和女性和無論他們不同基本上在他們的協會之間高度和重量。 是去到單擊O凱。
現在，這是這平台。 你能看如果你有見過我們的平台前，它看起來非常相似的作為前，和這例外的這些新的選項卡正確的這裡。 這選項卡是那裡到告訴我們關於這不同的團體那我們有在我們的分析。 在這案件，有僅有的二級別為了我們的分組變量。 我們有A標籤為了這女性和A標籤為了男性。
一的這事物你會注意是那這小路圖表有A模型已經作為A默認為了每個的那些組。 那些默認楷模是這相同的。 那是為什麼什麼時候我轉變選項卡，沒有什麼真的變化。 這聯盟標籤，作為這姓名暗示，它節目我們什麼是在常見的穿過全部的我們的分組，出色地，這級別的我們的分組多變的。 這裡，這是為什麼這圖表也看起來這相同的。
在命令到指定A簡單的線性回歸在掃描電鏡,這裡，我是只是去到選擇在這從列表這高度多變的，和然後在這到列表，我是去到選擇重量。我是去到關聯那些二變量和A一為首的箭，哪個是什麼添加那回歸小路到我的模型。 這是只是A簡單的線性回歸在哪裡高度是預測重量。
現在，有時我喜歡到右鍵點擊在這帆布的這小路圖表和我去到定制圖表只是到製作這節點A小的少量更大因為我尋找那有時，尤其什麼時候這圖表是小的，那看起來A很多更好。這是只是A簡單的線性回歸。
現在，注意那因為我做過我的模型規格在下面這聯盟標籤，兩個都這女性和這男性遺傳那些相同的變化和規格到這模型那我製成。 如果我製作任何變化之內A團體具體的標籤，然後那些變化將要僅有的申請到那團體。 但在這案件，什麼我想到做是合身一個最初的模型在哪裡兩個都男性和女性和女性得到他們的自己的估計為了這線性回歸。
現在，保持在頭腦那這估計的這模型是全部完畢同時地。 是不是分別地配件這模型為了女性和為了男性。 一切是完畢同時地，但我是仍然有能力的到允許每個的這團體到有他們的自己的估計為了這模型。
我是去到點擊在跑步，和出色地看有A模型比較桌子在哪裡我們能學習A很多關於這合身的這模型。 但現在，某物那是新的在我們的報告是那我們有這些選項卡為了每個的我們的組。 我們有A標籤為了這女性和A標籤為了這男性。
現在，如果你重點在這回歸係數，為了例子，我能去後退和向前和意識到那我做有，在事實， A不同的估計為了那係數。
現在，這係數看起來不同的，但我不有A測試， A正式的統計測試那告訴我無論或者不是那協會是統計上重要的。 這不同之處和這協會是不同的。 在任何速度，這男性這裡有關於3.4、女性有A小的少量更大價值。 但什麼我們真的想是到合身A第二模型在哪裡我們力量一個平等約束在那範圍估計，和然後我們能使用那到比較反對這模型。 讓我們去先和做那。
我是去到是在這聯盟標籤和我是去到選擇那回歸小路和我是去到點擊這按鈕，放平等的。這是去到帶來向上這對話哪個是只是去到問我到確認那我做想到申請這平等約束穿過全部的我的團體，哪個我做。 我是去到點擊好的。 現在注意那我有這新的標籤那曾是放這裡在這邊緣。 如果我看在這女性標籤和這男性標籤，那標籤是仍然顯示向上在那邊緣在那箭。那是我們的方式到傳達到你，這用戶，那這相同的範圍估計是去到是用過的基本上到描述那協會。
好的，所以讓我們去後退和模型姓名。 是去到改變這到是回歸影響是平等的。 我們力量那到是平等的在這模型。 是去到去先和點擊在跑步。 現在，再次，我們可以看在我們的模型比較到看在這合身的我的不同的楷模。 我能選擇這二楷模那我只是合身，和因為一的那些楷模是A受限制的版本的這其他，我們稱呼這那這楷模是嵌套,我們能實際上做A可能性比率測試。
那是完畢非常容易地在我們的平台簡單地經過選擇這二楷模和點擊在比較已選擇楷模。 我們將要獲得A不同之處在這志正方形，哪個代表這改變在這不適應的這模型。 我們也看在這不同之處在度的自由之間這二楷模和這差異在這合身根據到一些的這最多受歡迎的合身統計數據在掃描電鏡。
現在，根據到這具體的測試，它出現那這改變在志正方形，這增加在不適應是不是統計上重要的。 如果我們使用只是這志正方形不同之處測試，我們會然後來到這結論那甚至儘管那些二價值觀是不同的，他們是不是統計上不同的。 現在我們可以去後退向下這裡到我們的標籤結果和你能看那這回歸係數是這相同的甚至什麼時候我去穿過這選項卡。我們可以然後說，出色地，有不不同之處之間男性和女性在條款的如何高度預測重量。
這是A非常簡單的例子的如何我們可以使用平等限制條件穿過團體在命令到測試A具體的假設。 現在，作為你能想像，我可以去後退進入我的模型規格和我可以放平等限制條件也在這方差的高度和在這剩餘的方差的重量。如果那是某物那是的興趣到我，如果我想到測試那些差異，這框架允許我到做那。
現在， A很多的次你是去到有更多的複雜的楷模出色地超過線性回歸，或者你可能有更多的級別的你的分組多變的，和那是完全美好的。 這是A簡單的例子那希望你能... 那允許你到看如何你可以延長這進入A更多的複雜的環境。好的，所以那是這例子。
我想到移動在到一個例子那用途縱數據。 現在，是不是去到移動離開從多種的團體分析完全。 是基本上去到強調一些的那些縱分析改進，但然後仍然帶來後退這概念的多種的團體分析。
為了這例子，我想你到想像那我們有數據桌子在哪裡我們有數據從學生那有採取一個學術的成就測試為了四連續的年。 也許什麼我們真的想到尋找出去從這些數據是無論學生成就... 如何是它發展超過時間？ 無論男性和女性不同在他們的軌跡超過時間？ 這些是去到是這二問題那是去到重點在為了這特別的例子。
現在，那裡是A樣本數據桌子那你將要尋找之內我們的樣本數據文件夾。 它是被稱為學術的成就。 你可以使用那到跟隨沿著和這例子。 在這數據，我們有100行。 每個排代表A不同的學生那拿這學術的成就測試。 你能看那這裡，這些四列代表這分數在那多種的選擇測試那曾是採取為了年在A排。那些是這數據那我是去到重點在為了配件A縱模型。
我是去到去到這分析菜單，多變量方法，結構方程模型，和那些四變量是已選擇。 我是只是去到點擊在模型變量在命令到使用那些在掃描電鏡。 我是去到點擊好的。 記住，這第一的問題曾是，如何做學生'學術的成就發展超過時間？ 我們想到表徵那生長或者數字出去無論那裡是生長的確。
我們有我們的模型捷徑向下在這底部左邊，和你能看那在下面這經度分析菜單，我們有A新的選項。 是去到得到到這選項之後今天，多變量，晚的在生長曲線。
但我們也有有A很少其他選項這裡那製作縱造型非常快的和簡單的。 為了這例子，我是去到使用這合身和比較生長楷模。 什麼時候我做那，三不同的楷模是合身。 我獲得A志正方形不同之處測試為了全部的這可能的組合這裡。 如果我看在這合身指數和也這結果從這志正方形不同之處測試，我將要認出那這最好的配件模型這裡是這線性生長曲線模型。 在其他字，它出現那這分數在這學術的成就測試超過時間能是最好的特徵化的經過線性生長。
基於在那，我將要去先和重點在口譯這結果從這線性生長曲線模型。 我是去到打開那和記起那那一的這新的特徵為了縱造型是A新的預料到的價值觀陰謀那允許我們到解釋這結果的我們的楷模A很多更多的容易地。 如果你是熟悉的和生長曲線楷模，你知道那一些的這鑰匙範圍估計是這些正確的這裡。 他們告訴我們在平均的如何我們的學生在哪裡做他們開始和如何是他們改變超過時間和如何很多變化性那裡是在那些軌跡。
在下面這紅色的三角形菜單的這特別的模型，如果我滾動向下，我是去到尋找一個選項被稱為預料到的價值觀陰謀。 如果我點擊在那，你將要看那作為A默認，我們展示你盒子地塊的這預料到的價值觀為了全部的這結果變量在這模型。
現在，什麼時候你有縱數據，我們有A非常方便的選項這裡那允許你到連接這數據點和實際上獲得A意大利細麵條陰謀那節目你每個的這個人預料到的軌跡經過這模型。 現在，它是漂亮的涼爽的因為這陰謀是，在事實，鏈接的到這數據桌子。 任何選擇你有這裡在這陰謀，你能也看那些在你的數據桌子，哪個是某物那你知道到預計從JMP。
在條款的口譯這結果的這模型，它是不驚喜那這些是全部直的線因為我們合身A線性模型。 但你能當然看那那裡是A很多的變化性在這方式這些學生是改變。 一些學生開始在這頂部在這開始和是仍然增加。 其他學生是開始低的和是實際上展出A小的少量的衰退超過時間。
但我們也看一個平均的彈道這裡那似乎到展示A小的少量的增加超過時間。 在平均的，那裡是一些增加，但有A很多的變化性在如何人們是改變。 的課程，一的這自然的問題你可能有是，什麼因素預測那些不同的軌跡，喜歡這變化性在那截距坡，那是某物那我有覆蓋在其他演示文稿，所以我是不是去到講話關於那現在。但再次，我鼓勵你到使用這預測性的價值觀陰謀到更好的解釋你的縱分析。
我們談過關於用戶存在有能力的到指定他們的自己的獨立模型。 那是某物那我們做這裡在這模型比較桌子和能是非常有用為了縱分析。 我們做有一個獨立模型那是美聯儲經過默認，但如果你選擇到改變那，然後你可以總是右鍵點擊在任何給定模型那你想到放作為這獨立獨立模型，和我們將要拿關心的那改變為了你。
那是一個先進的技術。 我非常很多建議你到，如果你是不是熟悉的作為到什麼是這恰當的獨立模型為了你的分析，你應該真的拿A看在這文學到製作當然那你是使用A好的獨立模型因為它真的各不相同有時經過語境。
我是坐著下一個到這美麗的窗戶和這太陽，它是A華麗的天所以我是去到有到調整這裡我的電腦所以那我不有全部這光在我的臉。 我道歉為了那。
好的，所以讓我們得到後退到這問題。 我們說那如何做學生達到和發展超過這時期的時間？ 我們現在有一個理解那它發展在這線性時尚和那那裡是重大的變化性。 那是這回答到那問題。
出色地，這下一個事物是，做男性和女性不同在這些軌跡？ 這方式是去到承認和地址那問題是經過使用多種的團體分析。 時間他的可以是後退在這平台，我們可以使用這主要的三角形菜單到重做和重新啟動我們的分析。
現在什麼是去到做是帶來這分組多變的，我有A性別作為一個團體多變的。 只是經過正在做這，出色地是有能力的到調用我們的多種的團體分析功能。 我是去到點擊好的，和現在你能看那我們的報告為了這平台有這級別的我們的分組多變的這裡作為選項卡。
只是作為前，你能看那這男性和這女性有這相同的模型作為A默認，但我們能製作變化到那。 是去到工作之內這聯盟標籤因為我想這變化那我是關於到做到這模型規格，我想他們到申請為了兩個都男性和女性。
我將要也強調，和這是只是A小的邊筆記，那在下面這地位標籤，你是去到尋找團體具體的信息那我們沒有有前什麼時候我們沒有有多種的團體分析。 你能有一些信息關於你的數據，丟失的數據，和所以在那是具體的到這組。
好的，所以讓我們去先和回答這問題。 做男性和女性有差異在他們的軌跡？ 出色地，我已經知道那這線性模型適合最好的，所以我是去到去到我們的模型快捷方式，經度分析，和我是去到點擊在這線性潛伏生長曲線。 這快捷方式非常迅速地放向上這模型為了我，製作它非常簡單的，和他們做那穿過全部的這級別的這分組多變的。 我有這線性生長曲線模型。
注意那這些鑰匙方面的這模型，這估計那真的表徵這改變在我們的數據，不有任何標籤在那些邊緣，哪個方法那他們是自由地估計的穿過男性和女性。 我的第一的模型這裡是A線性生長曲線模型。 我是只是去到放A小的關鍵詞這裡。 哎呀，我被抹去它。 線性生長曲線。 但我通緝到包括這裡那這是自由地估計的正確的穿過這組。 我是去到點擊在跑步。 出色的。
我們能看這裡一些合身指數。 在我的報告，我能看A標籤為了這男性和為了這女性。 的課程，作為你預計，如果我去後退和向前，我可以拿A看在這結果為了這女性和然後去後退和看在如何那些結果是也許不同的為了這男性。 這是有趣的。 那裡出現到是一些差異，但再次，我們可能想到數字出去無論這差異那我們觀察只是從看著在這些估計但那些是在事實，統計上重要的。
什麼患病的做是我是去到去後退到我的模型規格和我是去到做一個OmniVis測試。在其他字，相當比只是推桿一個平等約束在一的這些估計，我是實際上去到做那為了全部的這些估計，這截距意思是，這意思是為了這坡，和這協方差的這截距和坡，和他們的差異。
你不有到做它這方式，但真的它是你的研究問題那應該是指導在哪裡做你地方那些平等限制？ 在我的案件，我只是想到做一個全方位可見光測試在哪裡我數字出去無論這軌跡為了男性和女性是不同的和無論或者不是我需要A分離估計為了那些參數。
我有全部的那些邊緣已選擇和我是去到點擊在放平等的。 這裡我確認的那我做想那些平等限制條件穿過兩個都組。 這是實際上相當有幫助的什麼時候你有更多的比二級別在你的分組多變的。 它可能是那你想平等限制條件穿過，說，二團體但不是這第三。 你能取消選中一些的那些團體這裡如果你需要的到。
我是去到點擊好的。 現在全部的那些邊緣得到A不同的標籤。 你能看那如果我去和看在這男性和這模型為了這女性,那些標籤是這相同的。再次，只是到提醒我們那是去到估計僅有的一估計為了每個的那些邊緣穿過組。
好的，所以這，一次再次，是A線性生長曲線，但我有平等的生長估計。 讓我們去先和跑步那模型。 我們能看，再次，我們可以重點在這合身的這模型。 它不似乎到是作為好的作為這以前的一。 因為這第二模型是A受限制的版本的這第一的，我們能實際上選擇那些二楷模和做A有意義的比較經過點擊在比較已選擇楷模。
作為前，我們是有能力的到看這裡這改變在這志正方形沿著和這改變在這度的自由。 這告訴我們如何很多增加在不適應是那裡在我們的模型，和是那增加在不適應統計上重要的？
如果它是，哪個在這案件它是，然後我們基本上是說那那些平等限制條件是不是站得住腳。 它曾是不是A好的主意到地方那些。 現在我們能說和A正式的統計測試那那裡是統計上重要的差異在這軌跡穿過男性和女性。
現在，你可能想到看在那些差異經過使用這預料到的價值觀陰謀。那是某物那我們能做只是經過去進入這紅色的三角形菜單。 但什麼我是去到做第一的，實際上是我不真的想到看在這模型那有這平等的生長估計因為我們只是實現了那那些平等限制條件是真的不是A好的主意。 我是不是去到看在那。 反而，我是去到看在這第一的模型我們合身，和我是去到做這相同的為了這男性這裡。在下面這紅色的三角形菜單，我是去到點擊在預料到的價值觀陰謀，和我是去到連接那些點因為我知道我的數據是縱。
這是這陰謀那是具體的到這男性,到這男性樣本。 但它會是真的有幫助的到看在這陰謀邊經過邊和這陰謀為了這女性。 它是實際上相當好的那全部的我們的紅色三角形菜單選項這裡是自動地轉身在穿過全部的你的團體，所以你不有到去團體經過團體轉動在這事物你想到看。
但其他詭計那我真的喜歡是，什麼時候你有A選項卡式的報告，你能總是正確的-點擊在它和改變這風格的這報告所以那它是在A水平的傳播.這是去到允許你到看這選項卡邊經過邊，這內容的他們。
我是去到點擊在H水平的傳播. 現在注意那我有這男性和這女性邊經過邊。 我是去到使用這紅色的三角形菜單沿著和這選項或者替代鑰匙在命令命令到轉動離開這概括的合身，這範圍估計，和這圖表。 真的嗎，全部我想到看是這預料到的價值觀陰謀。 我是去到點擊好的。 完美的。
現在我能看這預料到的價值觀陰謀為了這男性和為了這女性。 我能看那邊經過邊。 非常有目的地，我們有這裡這是軸在這相同的規模所以那這些地塊是可比。 現在你能看如何這軌跡不同。 我們看那有A很多更多的傳播為了這樣本為了這女性。 那裡也似乎到是A小的少量的A不同之處在那平均的彈道在這數量的生長。
再次，有許多更多的跟隨向上測試那我們可以做這裡在命令到數字出去在哪裡這具體的差異說謊。 如果我們通緝到測試那，我們可以說，出色地，是那裡A不同之處具體來說在這方差的這坡？我們可以放那平等約束和做更多的具體的測試作為後續行動。 但為了現在，我希望那只是顯示你這例子真的允許你到看如何多種的團體分析能是用過的在A更多的複雜的環境和如何這新的預測性的價值觀陰謀能是用過的到真的促進這解釋的你的縱楷模。
全部正確的。 是幾乎在這結尾的這演示和什麼我想到做非常迅速地和這相同的數據，我真的通緝到強調這多變量生長曲線捷徑。 L等我去先和去後退這裡到這結構方程模型平台，和這時間，想像那我們有二套的分數超過時間。
所以是去到是看著在二流程。 我們不只是有學術的成就在那一測試。 我們有它在二不同的測試和我們想到看如何那些二流程是改變。 如何是他們有關的超過時間？ 我是去到使用全部的這些變量這裡，點擊在模型變量和好的。 U恩德爾這模型捷徑，記住那縱分析多變量潛伏生長曲線，那捷徑允許我到選擇變量為了一具體的過程。
這裡，我可能有那些第一的四變量。 那曾是我的第一的過程我想到看在。 讓我們只是說那那些是數學分數。 我是去到稱呼那數學。 是歐得到到選擇這裡什麼類型的生長你想到指定為了那具體的過程為了那放的變量。 是去到戳到A線性生長，和然後我們能點擊這加按鈕在命令到有那完畢為了我們正確的離開。 是歐能看這預覽在這背景這裡。 瓦e有一個截距和A坡為了數學。 時間母雞我們能改變這姓名這裡。 或許這第二過程是科學，和現在我們能選擇這變量，這重複措施為了那科學測試超過這四年。
A獲得，是去到戳到這線性模型，和是去到點擊這加按鈕。 V埃里迅速地，那模型是改變那裡在這背景。 是完畢現在。 所以我是只是去到點擊好的。 A獲得，現在我可以只是點擊跑步和非常迅速地得到這結果為了那模型。 這是一個先進的應用，但它是A真的有趣的一因為它允許你到看在如何這最初的時間觀點，這攔截穿過二流程在這案件，如何是那些截距分數有關的？是他們聯繫？ A伊索這費率的改變超過時間。
如果你有A更高分數在數學，做你也趨向到有不是只是A更高分數，但A更高坡超過時間在數學？ 做那意思是你也有A更高速度的改變在科學？ A記錄到這，你做，因為我們有A積極的協會之間那些二因素。
再次，只是突出顯示一些的那新的功能。 我的非常最後的例子是為了民意調查發展。 這是去到是非常簡短的，我承諾。 讓我們只是說這裡那我們想到數字出去什麼是這鑰匙司機的顧客滿意？ 瓦e知道那感知到的品質的我們的產品和這名聲的我們的品牌是真的重要的。 但真的嗎，前我們能甚至回答任何問題關於顧客滿意，我們真的需要到製作當然那我們有A有效的和可靠的方式到評估那些變量。 因為這些是變量那是不是觀察到的直接地，他們是潛變量，和所以，它是難的到製作當然那我們是測量他們在A可靠的和有效的方式。 S厄維發展是全部關於實現那目標。
我有一個例子這裡那是去到允許我們到看如何探索性的因素分析是現在鏈接的到掃描電鏡所以那你能做民意調查發展在A真的精簡的時尚。 我有第843章行在這數據桌子。 每個排代表一個個人世界衛生組織填充出去A民意調查。 在那民意調查，他們給了我們收視率，回答了問題關於這感知到的品質的我們的產品。 他們也給了我們不同的答案為了這感知到的品牌的我們的品牌。 時間母雞他們也回答問題關於他們的滿意和這產品。 這可以是事物喜歡，如何可能是你到推薦我們的產品到某人你知道？ 那些類型的問題。
我已經有A已保存腳本為了這因素分析平台。 我是不是去到得到進入這細節的如何你使用這平台，但我做想到重點在這事實那這結果從這分析是正確的這裡在這旋轉的因素加載中矩陣。 那是這鑰匙結果從這分析。 U通常，什麼我們想到看這裡是那這問題那是應該到措施，在這案件，滿意，那他們是在事實，加載中進入這相同的因素。
在這個案件他們是，和那是好的消息。 我們看這相同的圖案為了品質. 這更多的重大的負載是為了這些第一的三問題的品質. 注意那那裡是一品質問題那不似乎到有A好的高的加載中在任何的這因素。 所以或許我們會去後退和製作當然那這措辭的那問題是好的，或者我們可能只是想到扔出去那問題共。
有也A夫妻的問題為了看法的我們的品牌那沒有似乎到做非常出色地。 A獲得，通常你做非常小心選擇的你的問題。 你會去後退，讀什麼是那些問題，是那裡某物我們應該調整，或者將我們只是得到擺脫的他們？ 現在，為了這時間存在，這特徵我想到強調是那在下面這紅色的三角形菜單的這模型，那裡是A新的選項為了複製這模型規格為了掃描電鏡。 我是去到點擊那。 瓦帽子它做是那這負載那是大膽的這裡在我們的最終的旋轉的因素正在加載，那些負載是去到是已存儲所以那我們能使用他們在這掃描電鏡平台。
通常情況下，你想到收集A新的獨立的樣本所以那你能確認這些探索性的結果。 現在，讓我們只是認為為了A分鐘這裡那這數據桌子是我的新的獨立的樣本，和我會現在去到分析，多變量方法，結構方程模型，和我能使用全部那些相同的變量，喜歡在模型變量，和然後好的到發射這平台。
通常情況下，再次，你想到確認這結果那你成立和一個獨立的樣本。 什麼你能做是在這主要的紅色的三角形菜單，你能點擊在粘貼模型規格。 氮噢注意那這因素負載從這因素分析平台是重新調整經過這標準偏差的這指標。 我是去到點擊好的，和你能看現在那這價值觀這裡是固定的為了這負載的那些晚的在變量。 他們是固定的到對應到這價值觀從這因素分析平台。
現在，再次，他們有到是重新調整因為這方差的這變量是採取進入考慮。 那是這恰當的方式到指定這模型。 但它是真的好的到是有能力的到精簡這工作流程因為通常情況下，如果你真的想到合身A確認性的因素模型基於在一個探索性的因素分析，你會有到放這些限制條件經過手。時間帽子的真的乏味。 所以我們已經製成它非常簡單的。 這些潛變量有負載那是固定的到已知的價值觀從A以前的學習，從A以前的探索性的分析，和我們能現在確認無論或者不是那階乘結構仍然持有和A新的樣本。
一事物我應該闡明是那這三變量那做過不是有重大的因素負載在這報告是不是存在鏈接的到任何的這潛變量。 右埃利,我們不想這些到是這裡在這分析。 瓦帽子我能做是這紅色三角形菜單也有一個選項為了去除顯現變量從這分析。
我是去到使用那所以那我能迅速地只是尋找品質3、品牌3、和品牌5個ND我能只是點擊好的到得到擺脫的那些變量因為我不真的想到合身我的模型和他們在那裡。 A獲得，現在我能只是跑步這模型，評估這合身，和數字出去無論我能，在事實，確認我的結果從探索性的因素分析使用確認性的因素分析在掃描電鏡。 時間帽子是全部我有為了這演示。 我希望那這是有幫助的和我看向前到回答全部你的問題期間這居住問答。感謝你非常很多。
