你好，我是约旦沃尔特斯，
我是JMP 技术实习生
和我是去到展示到你今天
关于结构方程模型
和如何我们能使用这在线性侵略
到实际上寻找关系
和否则可能不是已经是明显的。
所以到做这，是去到有A看
在A案件学习关于制造业的制药片剂。
之内这案件学习，有地段的因素和回应
那需要监控和我们需要到尝试和决定这关系
之间这些因素和这些回应到尝试和工作出去如何系统作品。
和在正在做这，这是去到允许我们到寻找
这最佳的状况为了我们的药片到制作这最好的药片可能的。
但到制作这全部的案件学习A很多更简单，
相当比聚焦在全部的这回应和所有的这因素，
是只是去到重点在一回复和一因素。
所以在这案件，
这一因素是看着在是这百分作品的水
和这一回复那是去到看在
是这密度的这药片。
和那是去到是这公制的无论或者不是
我们有平板电脑或者不是。
所以只是为了参考，
这药片密度是在毫克每厘米立方体。
所以通常，如何我们定义这关系
之间这回复和因素
是只是通过A简单的线性回归
哪个从这姓名，
给出我们A线性关系之间这回复和因素。
和这个是什么我们需要到完全理解这系统。
但这问题和线性回归是它是仅有的去到允许我们到寻找
这直接的之间的影响改变
水作品和密度的这药片。
它是不是去到让我们寻找
任何事物别的关于这系统或者任何潜在的特征。
和所以因为的这，
它可能实际上失败到给一个印象为了系统。
和这是在哪里结构E方程M奥德林
能实际上来在到尝试和给我们A更多的综合的看法的这系统
哪个是去到允许我们到寻找不同的关系
哪个或许更多的支持和不需要明显的。
所以A少量的背景在线性回归，
在它是最简单的形式，线性回归
是只是A线性关系之间一多变的到其他。
和自从线性回归是经过定义，线性，
这是去到是连接的经过A线性方程。
在这个方程在这案件，是是等于米X加C。
出色地，是是这是回复，
X是这X因素，米是我们的容光焕发，和C是我们的抵消。
所以这米和这C是只是常量那是去到寻找
到充满这回归方程
所以那我们能涉及在是在X上变量。
所以到做这在这语境的这案件学习，
是去到阴谋这X和是变量
到尝试和来向上和这回归方程在JMP。
和联合管理计划能非常简单地做这对我们来说。
它给出我们A很多的信息，
一些的哪个我们不需要为了表演这线性回归。
但这二件的真的重要的信息那我们得到
是这回归系数哪个是我们的米和我们的C，
哪个是关于这里，
和这回归方程
哪个是这满的形式的我们的线性回归。
现在JMP做给这到我们在这形式的是等于米X加C
但为了这目的的明晰，和到看如何这作品
在我们的案件学习是呈现这里作为A恰当的关系
存在那这密度是平等的到0.11 7%的水加95. 903.
和这是报道多于和你的米和C价值观。
出色地，你可能简单地看那全部这关系方法
是那为了每一个一单元增加在百分比到L,
我们得到A一单元增加在密度。
但我们有那C价值在这结尾哪个偏移量我们的密度经过95 .93。
这目的的这C价值是到给A规模到我们的数据。
没有那规模，什么我们有是A关系
之间密度和百分组成的的水。
添加这持续的在这结尾给出我们那规模
到实际上是这单位那我们需要学习之内这案件学习。
所以现在那我们已经得到一个主意的如何我们传统上
去关于寻找这问题，
让我们尝试和开始建筑结构性的方程模型。
所以到转换传统的线性回归
进入这形式的A结构性方程模型，
我们需要到做A很少事物。
我们开始经过移动这关系
远离其图形形式，进入这视觉的形式。
出色地，我们能看那我们已经得到我们的X因素
在这长方形存在链接的到这其他长方形
哪个是我们的回复。
和之间这些二矩形，他们是链接的经过这箭。
现在， A单身的-为首的箭只是方法A关系去一方式。
进而结构方程模型，它是可能的到有双倍的-为首的箭
但那是不是特别重要的在这例子。
什么这单身的-为首的箭方法
是那H_2O作品影响这密度的这药片
但这密度的这药片做不是影响H_2O作品。
和这允许我们在这实例，
填写此个人X和A是执行线性回归。
现在这令人困惑的部分关于这图形
是大概这一在这三角形在这顶部。
和简单地，全部这做，和这是通常隐
之内A结构性的方程模型，
是它允许我们到放这规模为了我们的全部的模型。
和我们能看那通过
如何这结构性方程M奥德尔实际上报告这数据。
所以如果你看穿过这轴
之间这一在这三角形和这是响应，则密度片,
你会看那我们实际上得到A数字在那，
哪个是95. 903哪个我们已经见过前。
它是实际上我们的C来自我们的价值线性回归。
和这更远证明那这是这部分的图形
所使用的在这个给定规模。
所以如果我们能看在哪里这C来了从
和那直接地翻译在哪里做这米未来从。
出色地，这米是实际上从A联系在这底部那里
之间这百分比到A作品到这密度的这药片。
和我们能看那它是不是0.117,这精确的相同的作为我们成立。
熊在头脑这里那两个都的这些分析执行的
在二不同的平台。
现在，我们可能有二部分的我们的是，它在C方程那里。
但这示意图是在这形式的三双方。
和所以你可能是想知道什么是那最终的边？
和简单地放，这左边手边，
哪个是本质上是数字一和%H2_O作品，
是只是这X和扫描电镜。
相似的到怎么样这C价值，
哪个给出我们这抵消的这是进入C图形，
是这Y-截距的这图形
哪个是通常重要的和相当有用统计上。
我们做还得到这X值给定到我们经过这结构性方程模型，
哪个不是特别重要的
因为我们不有A好的看在这X截距
但它是有趣的那这分析能提供我们
有了这个额外的信息没有真的询问为了它。
这是全部计算的自动地喜欢我说。
和那么通常，有顶部部分隐，
当然，只是到给我们语境作为到什么是实际上正在发生这里。
和所以看着在什么这我们已经实际上得到这里，
我们已经得到这些坚硬的线
哪个表示那某物是统计上重要的。
和之间这H_2O作品和这片剂的密度，
我们有这虚线线哪个实际上表示
那那是不是A统计上重要的相关性。
和这事实这相关性是非常低的， 0.117
暗示它是不是那出色地相关的反正。
所以如果我们只是拿这在地方价值，
你可能是倾斜的到同意和我们的最初的线性回归
和说有不影响
从H_2O作品在密度的这药片。
但自从我们已经已经得到关于数据
在这形式的这结构性方程模型，
让我们继续与探索到天
和看如果我们能覆盖任何隐关系。
所以我们知道那这全部的案件学习
是建成向上的地段的X因素，地段的是回应，
和是当然那我们简化它向下到只是一因素和一回复。
所以让我们思考关于一些的这其他括号之内这系统
和如何他们可能涉及到这回复。
一例子哪个发生相当A很多之内这案件学习
是一个例子的A调解多变的。
和什么我们意思是经过A调解多变的，
是它是A多变的哪个不能确切地是受控直接地，
但有一个影响在我们的最终的回复
尽管仍然存在做作的经过一的我们的因素那我们能控制。
所以在这案件，是去到拿A看在抗碎强度
作为存在一的我们的调解变量。
还有原因为了这存在A调解多变的
是因为这压碎力量能是改变了在这个流程。
和它做有一个影响在这密度的这药片。
但这压碎力量能仅有的是[听不清 00:08:50]
肯定操作范围
取决于在这水作品之内这药片。
如果这平板电脑的也干燥，
我们需要到改变这压碎力量到匹配那
所以它不完全地粉末这药片。
如果它是也湿，它是得到也很多水作品在那里，
然后它可能是A很多较软压碎。
所以在这方式，你看那这是A多变的
那我们不能改变直接地
因为它需要到是做作的经过这水作品
但它是重要的有些
在这密度的这药片哪个出色地探索然后。
所以如果我们添加这进入我们的小路图表在我们的结构性方程模型，
你能看那我们得到这新的三角形之间每个的我们的变量
和这数字一这时间现在，在这中间。
和什么这是正在做在这语境的这案件学习，
是它是说那现在我们有我们的直接的回复
哪个是这联系
之间这H_2O作品和这密度的这药片。
和我们还有我们的间接回复，
哪个来了从这联系哪个去全部这方式大约这图表
通过cr催促力量和进入这密度药片。
现在，什么这方法是这是实际上A二-部分方程。
所以不是仅有的做我们有额外的C像之前一样什么时候那里曾是一X多变的，
我们现在还有其他多变的哪个是在A中间部分的这方程。
所以因为的那，这第一的事物那我们注意是在这小路图表，
这联系之间这H _2O作品
和这密度的这药片是0.054,
哪个是已经显著地较少的的A相关性比我们锯最后的时间
什么时候我们只是包括这一多变的。
和这是因为这休息的这成分
实际上来了从别处作为是探索这里。
所以再次，我们能看那个那个联系仍然
是不是统计上重要的。
和在事实，有一个甚至较弱相关性比以前的。
现在，如果我们看在我们的其他连接，
说，之间我们的压碎力量和密度的这药片，
是看见A统计上重要的相关性
和A合理地相关的一在0.593。
所以什么做这实际上意思是在这语境的这案件学习？
出色地，它方法A夫妻的事物
和我们画A夫妻的结论从这。
首先，这关系之间这H_2O作品
和这的密度药片是统计上重要的
哪个不是某物我们知道前那曾是隐
在后面这事实那我们仅有的履行线性的回归。
和这第二事物那我们已经学到了
是那压碎力量和这密度的这药片
是相关的。
所以在A实际的感觉，这方法那我们能得出结论
如果我们想到控制这密度的我们的药片，
然后这必须是完毕通过改变这H_2O作品
但仅有的作为A方法到改变那压碎力量
到这想要的价值。
和所以如果我们实际上来了到优化这全部的情况
在这全部的案件学习，
这压碎力量是在哪里我们想到支付注意力到
和任何事物我们能做到影响那
哪个不是某物我们能改变和只是A拨号。
所以在这方式，你能看如何扫描电镜有允许我们到揭露关系
哪个可能是错过了在传统的造型方法。
和在转动，它提供A很多更深理解的如何我们的系统作品。
所以下一个时间你是探索这系统， ID鼓励你到考虑获取
扫描电镜到帮助你更好的理解
这系统两个都视觉上和更多的在深度。
