结构方程模型提供了一个通用的分析框架，用于研究观测变量和未观测变量之间的关联。许多模型都可以在这个灵活的框架内拟合。这种灵活性源于它能够对观测数据的方差、协方差和均值进行建模。
本教程视频包含有关结构方程模型 (SEM) 的目的、方法和统计基础的信息和问答。视频首先介绍 SEM 的基础知识，然后通过三个案例研究，分别针对 SEM 的两个基本组成部分（线性回归和验证性因子分析）以及 JMP Pro 17 新增的多组分析功能。最后总结了 SEM 的主要优势以及如何使用 JMP Pro 进行 SEM 分析。各部分的开始时间如下所示。您可以使用随附的 JMP 表格在您的 JMP Pro 17 版本中尝试 SEM。
看看如何：
- 了解搜索引擎营销的定义、原理和方法。
- 利用前沿方法处理缺失数据，无需繁琐的多重插补。
- 指定一个模型，其中变量既是预测变量又是结果变量。
- 理解事物发生的机制
- 检验关于变量之间关联的特定理论，并充分利用您的领域专业知识。
- 无法直接测量的模型变量（又称潜在变量）
- 存在测量误差的模型变量（并对其进行校正）
- 创建能够直观描述统计模型的图表
- 了解模型背后的统计数据
- 构建模块 1 – 简单线性回归和路径分析（大约从 42:34 开始）
- 构建模块#2 – 验证性因素分析（大约从1:08:00开始）
- 多组分析（大约从 1:21:13 开始）
- 扩展所有适用于 SEM 的模型
- 调查不同人群的异同
- 需要分组变量（通常只有几个级别）
视频中穿插了Laura (@LauraCS)和James (@JamesK4)的提问和回答。其他一些问题包括：
问：SEM中是否使用插补法来处理缺失值？
答：不需要进行多重插补，因为 JMP SEM 使用全信息最大似然法 (FIML) 来估计参数，即使某些行或列只有部分数据，FIML 也能利用所有可用数据进行分析。FIML 是一种先进的缺失数据处理估计方法，如果检测到缺失数据，JMP Pro 默认使用该方法。
问：结构方程模型如何对调节变量和中介变量进行建模？
答：用户可以创建产品术语，这些术语可以像其他变量一样用于启动SEM平台。这些产品术语有助于测试交互效应，也称为调节效应。SEM平台的“模型快捷方式”菜单下提供中介分析功能。对调节效应和调节中介效应感兴趣的用户也可以使用此插件来估计这些模型。
问：我们能否获得观测残差（Bollen，1990）？
答：您可以在SEM报告中点击红色三角形菜单，然后选择“保存列”>“保存观测残差”。这里有关于残差的文档。
Path Diagrams: Intuitive, Powerful, Represent Statistical Model路径图：直观、强大、代表统计模型路径图：直观、强大、代表统计模型
How Does SEM Work?SEM（搜索引擎营销）的工作原理是什么？SEM（搜索引擎营销）的工作原理是什么？
Law Enforcemment Example执法示例执法示例
资源：
