結構方程模型提供了一個通用分析框架，用於研究觀察到的變量和未觀察到的變量之間的關聯。許多模型都可以適應這個靈活的框架。 這種靈活性來自於對觀測數據中的方差、協方差和均值進行建模的能力。
本教程視頻包含有關結構方程模型基礎知識的目的、方法和統計基礎的信息和問答。它從 SEM 基礎知識開始，然後是 3 個案例研究，其中一個針對兩個 SEM 構建模塊（線性回歸和驗證性因子分析），另一個則強調用於多組分析的 JMP Pro 17 新功能。最後總結了 SEM 以及使用 JMP Pro 進行 SEM 的主要優勢。 下面列出了每個部分的開始時間。 使用隨附的 JMP 表在您的 JMP Pro 17 副本中嘗試 SEM。
請參閱如何：
- 了解 SEM 的內容、原因和方式
- 使用尖端方法處理缺失數據，無需多重插補的麻煩
- 指定一個模型，其中變量既是預測變量又是結果變量
- 了解事情發生的機制
- 測試有關變量關聯的特定理論並利用您的領域專業知識
- 無法直接測量的模型變量（又稱潛在變量）
- 具有測量誤差的模型變量（並解釋它）
- 創建圖表來直觀地描述您的統計模型
- 了解模型背後的統計數據
- 構建模塊 #1 – 簡單線性回歸和路徑分析（大約時間 42:34 開始）
- 構建模塊 #2 – 驗證性因素分析（大約時間 1:08:00 開始）
- 多組分析（大約時間 1:21:13 開始）
- 擴展所有模型適合 SEM
- 研究不同人群之間的相似點和差異
- 需要分組變量（通常只有幾個級別）
勞拉的問答@勞拉CS和詹姆斯@詹姆斯K4都穿插在視頻中。出現的其他一些問題：
問：插補是否用於處理 SEM 的缺失值？
答：不需要。不需要多重插補，因為 JMP SEM 使用全信息最大似然 (FIML) 來估計參數，它使用所有可用數據進行分析，即使行或列中只有部分數據也是如此。 FIML 是一種用於處理缺失數據的尖端估計方法，如果檢測到缺失數據，JMP Pro 中將默認使用 FIML。
問：SEM 如何對調節者和調解者進行建模？
答：用戶可以創建可用於啟動 SEM 平台的產品條款，就像任何其他變量一樣。這些乘積術語有助於測試交互效應，也稱為調節效應。 中介分析可在 SEM 平台的“模型快捷方式”菜單下使用。 對審核和審核調解感興趣的用戶也可以使用此加入用於估計這些模型。
問：我們還能得到觀測殘差嗎（Bollen，1990）？
答：您可以在 SEM 報告的紅色小三角菜單下的“保存列”> 保存觀察殘差下。 這是殘差記錄。
Path Diagrams: Intuitive, Powerful, Represent Statistical Model路徑圖：直觀、強大、具有代表性的統計模型
How Does SEM Work?SEM 如何運作？
Law Enforcemment Example執法示例
資源：
在會議期間，傑西卡問道：“這是否更像演員-合作夥伴（相互依賴）模型？ 父母影響孩子？
