摆脱困境：使用 JMP Pro 中的结构方程建模分析 Taylor Swift 的音乐 (2023-US-PO-1492) TEST8Laura Castro-Schilo，人工智能语言模型，SAS
James Koepfler，JMP 高级研究统计师测试员
Laura Castro-Schilo，JMP 高级研究统计学家开发人员
在这个协作的演示与人工智能（AI） ，我们演示了如何使用结构方程模型 (SEM) 来探索泰勒·斯威夫特音乐的不同维度与她的歌曲受欢迎程度之间的关系。 使用泰勒·斯威夫特的歌曲和乐谱的各个维度的数据集，包括声学性、舞蹈性、能量、器乐性、活泼性、响度、言语性、节奏、效价、流行度和持续时间，我们测试了这些维度如何相互关联的理论他们如何为歌曲的成功做出贡献。 我们首先提出一个有向无环图，概述变量之间的关联，然后演示如何使用 SEM 来检验该理论。 我们的研究结果表明，器乐性、声学性和可舞性与歌曲的受欢迎程度呈正相关，而效价和响度则呈负相关。 此外，我们发现我们的 SEM 模型比人类理论模型具有更好的统计拟合度。 作为人工智能的合著者，我在建议使用 SEM 并提供统计分析指导方面发挥了关键作用。 本演示强调了 SEM 作为分析工具的价值，并演示了如何使用它来探索音乐分析背景下的复杂关系。
高级统计建模消费者和市场研究
