JMP(R) Pro 15 中的结构方程模型简介 (2020-EU-45MP-423)Laura Castro-Schilo，SAS JMP 研究统计开发人员
抽象的：
结构方程模型 (SEM) 是 JMP Pro 15 中的一个新平台，它提供了许多建模工具。验证性因子分析、路径分析、测量误差模型和潜在增长曲线模型只是其中的一些可能性。在本演示中，我们将通过描述 SEM 是什么、它为分析师和研究人员提供的独特功能、它在 JMP Pro 15 中的实现方式以及它如何应用于各种领域（包括市场和消费者研究、工程、教育、健康等）来提供 SEM 的一般介绍。我们使用一个每个人都能理解的实证示例来展示如何使用 SEM 平台探索变量之间的关系并测试相互竞争的理论。
概括：
以下视频展示了如何拟合与演示文稿中每个“情绪理论”一致的模型。结合随附的幻灯片，用户可以了解如何使用 SEM 平台。以下是要点：
- 我们有 3 个关于变量之间如何相互关联的先验理论
- 我们在 SEM 中拟合了映射到每个理论的模型
- 我们通过以下方式寻找最合适的模型：
- 检查单个模型拟合度。在这个例子中，我们使用了卡方，这是一种不拟合的度量——我们希望它相对于自由度 (df) 较小且不显著，但 CFI 和 RMSEA 也可以使用，而且对于大样本量来说效果更好。我们还使用了标准化残差热图；我们希望这些残差在 +/- 2 个单位内。
- 比较不同模型的拟合度。 AICc 权重 帮助我们完成这项任务。当模型嵌套时（即，一个模型完全包含在另一个模型中 - 在我们的示例中，理论 #1 的模型嵌套在理论 #2 的模型中），我们可以取卡方和 df 之间的差异来获得 delta-chi-square 和 delta-df，可以使用卡方分布来检验其显著性。
高级统计建模基础数据分析与建模消费者和市场研究数据探索与可视化实验设计预测模型和机器学习质量与工艺工程可靠性分析
