基于选择性双边因果分析结果的结构方程建模_Masashi Kawasaki (2021-JA-50MP-23)级别：中级
结构方程模型（SEM）通常用于验证复杂的假设模型，以获得全面的知识。然而，作为该方法核心的假设模型的构建需要仔细的事先研究和该学科领域的专业知识，并且准备和检查需要大量的时间和精力。此外，即使重复试验和错误来检验假设模型，也并不总是可以获得拟合良好的模型。此外，结果往往是无法提出既令自己信服又令他人信服的考虑。
在本次演讲中，我们将从基于优先方向的选择性双边因果分析的结果开始，并介绍一种使用在线调查示例逐步接近假设 SEM 模型的方法。通过这种逐步扩展假设模型的方法，利用 JMP Pro 的分析工具，您可以有效地构建假设 SEM 模型，并轻松比较多个模型的拟合优度指标。在演示过程中，我们将以易于理解的方式详细解释该方法，包括使用实际调查数据的 JMP 演示。
*本公告不会发布视频。
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混合和清理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分享和交流结果
