結構方程模型提供了一個通用的分析框架，用於研究觀測變數和未觀測變數之間的關聯。許多模型都可以在這個靈活的框架中擬合。這種靈活性源自於它能夠對觀測資料的變異數、協方差和平均值進行建模。
本教學影片包含有關結構方程模型 (SEM) 的目的、方法和統計基礎的資訊和問答。影片首先介紹 SEM 的基礎知識，然後透過三個案例研究，分別針對 SEM 的兩個基本組成部分（線性迴歸和驗證性因子分析）以及 JMP Pro 17 新增的多組分析功能。最後總結了 SEM 的主要優勢以及如何使用 JMP Pro 進行 SEM 分析。各部分的開始時間如下所示。您可以使用隨附的 JMP 表格在您的 JMP Pro 17 版本中嘗試 SEM。
看看如何：
- 了解搜尋引擎行銷的定義、原理和方法。
- 利用前沿方法處理缺失數據，無需繁瑣的多重插補。
- 指定一個模型，其中變數既是預測變數又是結果變數。
- 理解事物發生的機制
- 檢驗關於變數之間關聯的特定理論，並充分利用您的領域專業知識。
- 無法直接測量的模型變數（又稱潛在變數）
- 存在測量誤差的模型變數（並對其進行校正）
- 建立能夠直觀描述統計模型的圖表
- 了解模型背後的統計數據
- 建立模組 1 – 簡單線性迴歸和路徑分析（大約從 42:34 開始）
- 建構模組#2 – 驗證性因素分析（大約從1:08:00開始）
- 多組分析（大約從 1:21:13 開始）
- 擴展所有適用於 SEM 的模型
- 調查不同人群的異同
- 需要分組變數（通常只有幾個等級）
影片中穿插了Laura (@LauraCS)和James (@JamesK4)的提問和回答。其他一些問題包括：
Q：SEM中是否使用插補法來處理缺失值？
答：不需要進行多重插補，因為 JMP SEM 使用全資訊最大似然法 (FIML) 來估計參數，即使某些行或列只有部分數據，FIML 也能利用所有可用數據進行分析。 FIML 是一種先進的缺失資料處理估計方法，如果偵測到缺失數據，JMP Pro 預設使用該方法。
Q：結構方程模型如何對調節變數和中介變數進行建模？
答：使用者可以建立產品術語，這些術語可以像其他變數一樣用於啟動SEM平台。這些產品術語有助於測試互動效應，也稱為調節效應。 SEM平台的「模型快捷方式」選單下提供中介分析功能。對調節效應和調節中介效應感興趣的使用者也可以使用此外掛程式來估計這些模型。
問：我們能否獲得觀測殘差（Bollen，1990）？
答：您可以在SEM報告中點選紅色三角形選單，然後選擇「儲存欄位」>「儲存觀測殘差」。這裡有關於殘差的文檔。
Path Diagrams: Intuitive, Powerful, Represent Statistical Model路徑圖：直覺、強大、代表統計模型路徑圖：直覺、強大、代表統計模型
How Does SEM Work?SEM（搜尋引擎行銷）的工作原理是什麼？SEM（搜尋引擎行銷）的工作原理是什麼？
Law Enforcemment Example執法範例執法範例
資源：
