基於選擇性雙邊因果分析結果的結構方程式建模_Masashi Kawasaki (2021-JA-50MP-23)等級：中級
結構方程模型（SEM）通常用於驗證複雜的假設模型，以獲得全面的知識。然而，作為方法核心的假設模型的建構需要仔細的事先研究和該學科領域的專業知識，並且準備和檢查需要大量的時間和精力。此外，即使重複試驗和錯誤來檢驗假設模型，也並非總是可以獲得適合良好的模型。此外，結果往往是無法提出既令自己信服又令他人信服的考慮。
在本次演講中，我們將從基於優先方向的選擇性雙邊因果分析的結果開始，並介紹一種使用線上調查範例逐步接近假設 SEM 模型的方法。透過這種逐步擴展假設模型的方法，利用 JMP Pro 的分析工具，您可以有效地建立假設 SEM 模型，並輕鬆比較多個模型的適合度指標。在演示過程中，我們將以易於理解的方式詳細解釋該方法，包括使用實際調查資料的 JMP 演示。
*本公告不會發布影片。
進階統計建模基礎資料分析與建模消費者與市場研究資料混合與清理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分享和交流成果
