我有一個包含 768 行數據的數據集，這些數據是在 32 個月內從具有不同地面植被和植物基因型的地塊中獲取的。 氣候數據（T、RH 和降雨）是在同一時期從附近的氣象站收集的。 我有蚜蟲的密度估計以及螞蟻和通才捕食者的發生數據。 我想使用JMP中的路徑分析來探索氣候的外生變量如何影響植物上蚜蟲和螞蟻捕食者的發生，以及螞蟻和捕食者的發生如何影響植物上蚜蟲的密度。 我一直在探索使用JMP 16 Pro的結構方程模型功能來構建合適的模型，但我仍然對如何在保持適當擬合的同時簡約地選擇合適的模型沒有信心。 我建立了以下具有 26 個參數的模型
氣溫、相對濕度和降雨量對蚜蟲的單向影響
螞蟻和捕食者與蚜蟲共變
T 與 RH 共變
RH 與降雨量同變
我的 CIF 接近 1，RMSEA 接近 0
輸出似乎還不錯，但內生變量（蚜蟲、螞蟻和捕食者）的 R2 相當低。
我嘗試對數據摘要進行相同的分析 - 樣本量減少到 64。 這給了我較低的 CIF 和較高的 RMSEA（即較差的擬合），但三個內生變量中每一個的 R2 都很大。
我的問題是：
1.是否可以使用平均值匯總而不是原始數據（樣本量下降但參數沒有變化）
2. 與 CIF 和 RMSEA 相比，內生變量的 R2 重要嗎？
3. 如何證明減少模型中的參數數量但刪除變量和/或減少變量配對是合理的。
我期待與 JMP 社區感興趣的成員進行互動，以澄清我的問題，並希望獲得有用的反饋，以確保我使用正確的方法來分析我的數據集。
謝謝
瑞克
