我有一个包含 768 行数据的数据集，这些数据是在 32 个月内从具有不同地面植被和植物基因型的地块中获取的。 气候数据（T、RH 和降雨）是在同一时期从附近的气象站收集的。 我有蚜虫的密度估计以及蚂蚁和通才捕食者的发生数据。 我想使用JMP中的路径分析来探索气候的外生变量如何影响植物上蚜虫和蚂蚁捕食者的发生，以及蚂蚁和捕食者的发生如何影响植物上蚜虫的密度。 我一直在探索使用JMP 16 Pro的结构方程模型功能来构建合适的模型，但我仍然对如何在保持适当拟合的同时简约地选择合适的模型没有信心。 我建立了以下具有 26 个参数的模型
气温、相对湿度和降雨量对蚜虫的单向影响
蚂蚁和捕食者与蚜虫共变
T 与 RH 共变
相对湿度与降雨量共同变化
我的 CIF 接近 1，RMSEA 接近 0
输出似乎还不错，但内生变量（蚜虫、蚂蚁和捕食者）的 R2 相当低。
我尝试对数据摘要进行相同的分析 - 样本量减少到 64。 这给了我较低的 CIF 和较高的 RMSEA（即较差的拟合），但三个内生变量中每一个的 R2 都很大。
我的问题是：
1.是否可以使用平均值汇总而不是原始数据（样本量下降但参数没有变化）
2. 与 CIF 和 RMSEA 相比，内生变量的 R2 重要吗？
3. 如何证明减少模型中的参数数量但删除变量和/或减少变量配对是合理的。
我期待与 JMP 社区感兴趣的成员进行互动，以澄清我的问题，并希望获得有用的反馈，以确保我使用正确的方法来分析我的数据集。
谢谢
瑞克
