结构方程模型提供了一个通用分析框架，用于研究观察到的变量和未观察到的变量之间的关联。许多模型都可以适应这个灵活的框架。 这种灵活性来自于对观测数据中的方差、协方差和均值进行建模的能力。
本教程视频包含有关结构方程模型基础知识的目的、方法和统计基础的信息和问答。它从 SEM 基础知识开始，然后是 3 个案例研究，其中一个针对两个 SEM 构建模块（线性回归和验证性因子分析），另一个则强调用于多组分析的 JMP Pro 17 新功能。最后总结了 SEM 以及使用 JMP Pro 进行 SEM 的主要优势。 下面列出了每个部分的开始时间。 使用随附的 JMP 表在您的 JMP Pro 17 副本中尝试 SEM。
请参阅如何：
- 了解 SEM 的内容、原因和方式
- 使用尖端方法处理缺失数据，无需多重插补的麻烦
- 指定一个模型，其中变量既是预测变量又是结果变量
- 了解事情发生的机制
- 测试有关变量关联的特定理论并利用您的领域专业知识
- 无法直接测量的模型变量（又称潜在变量）
- 具有测量误差的模型变量（并解释它）
- 创建图表来直观地描述您的统计模型
- 了解模型背后的统计数据
- 构建模块 #1 – 简单线性回归和路径分析（大约时间 42:34 开始）
- 构建模块 #2 – 验证性因素分析（大约时间 1:08:00 开始）
- 多组分析（大约时间 1:21:13 开始）
- 扩展所有模型适合 SEM
- 研究不同人群之间的相似点和差异
- 需要分组变量（通常只有几个级别）
劳拉的问答@劳拉CS和詹姆斯@詹姆斯K4都穿插在视频中。出现的其他一些问题：
问：插补是否用于处理 SEM 的缺失值？
答：不需要。不需要多重插补，因为 JMP SEM 使用全信息最大似然 (FIML) 来估计参数，它使用所有可用数据进行分析，即使行或列中只有部分数据也是如此。 FIML 是一种用于处理缺失数据的尖端估计方法，如果检测到缺失数据，JMP Pro 中将默认使用 FIML。
问：SEM 如何对调节者和调解者进行建模？
答：用户可以创建可用于启动 SEM 平台的产品条款，就像任何其他变量一样。这些乘积术语有助于测试交互效应，也称为调节效应。 中介分析可在 SEM 平台的“模型快捷方式”菜单下使用。 对审核和审核调解感兴趣的用户也可以使用此加入用于估计这些模型。
问：我们还能得到观测残差吗（Bollen，1990）？
答：您可以在 SEM 报告的红色小三角菜单下的“保存列”> 保存观察残差下。 这是残差记录。
Path Diagrams: Intuitive, Powerful, Represent Statistical Model路径图：直观、强大、具有代表性的统计模型
How Does SEM Work?SEM 如何运作？
Law Enforcemment Example执法示例
资源：
在会议期间，杰西卡问道：“这是否更像演员-合作伙伴（相互依赖）模型？ 父母影响孩子？
