JMP(R) Pro 15 (2020-EU-45MP-423) 中的結構方程模型簡介Laura Castro-Schilo，JMP 研究統計學家開發人員，SAS
抽象的：
結構方程模型 (SEM) 是 JMP Pro 15 中的一個新平台，提供眾多建模工具。驗證性因素分析、路徑分析、測量誤差模型和潛在成長曲線模型只是其中的一些可能性。在本次演示中，我們透過描述SEM 是什麼、它為分析師和研究人員提供的獨特功能、它在JMP Pro 15 中的實施方式以及它如何應用於包括市場和消費者在內的各個領域，對SEM 進行了總體介紹。我們使用一個每個人都可以聯繫到的實證範例來展示如何使用 SEM 平台來探索變數之間的關係並測試相互競爭的理論。
概括：
下面的影片展示如何擬合與演示中的每個「情緒理論」一致的模型。結合隨附的幻燈片，可以指導使用者如何使用 SEM 平台。以下是重點：
- 我們有 3 個關於變數如何相互關聯的先驗理論
- 我們在 SEM 中擬合映射到每個理論的模型
- 我們透過以下方式尋找最合適的模型：
- 檢查單一模型的適合度。在這個例子中，我們使用了卡方，一種失配的測量值——我們希望它相對於自由度 (df) 來說很小且不顯著，但是 CFI 和 RMSE 也可以使用，對於大樣本量效果更好。我們也使用了歸一化殘差熱圖；我們希望這些殘差在 +/- 2 個單位之內。
- 比較不同模型的適配度。這 AICc 權重 幫助我們完成這項任務。當模型嵌套時（即，一個模型完全包含在另一個模型中- 在我們的範例中，理論#1 的模型嵌套在理論#2 的模型中），我們可以計算卡方和df 之間的差值獲得可透過卡方分佈測試顯著性的 delta-chi-square 和 delta-df。
進階統計建模基礎資料分析與建模消費者與市場研究數據探索和視覺化實驗設計預測建模和機器學習品質和工藝工程可靠度分析
