구조 방정식 모형은 구조적 관계를 분석하고 관찰된(명백한) 또는 관찰되지 않은(잠재적인) 변수 간의 관계에 대한 이론을 테스트하는 다변량 기법입니다. SEM은 요인 분석과 다중 회귀 분석을 결합합니다.
JMP Pro 16의 새로운 JMP SEM 기능은 다음과 같습니다.
- 마우스 오른쪽 버튼 메뉴를 사용하여 경로 다이어그램을 사용자 정의하는 기능
- 모델과 상호 작용하기 위한 사용 가능한 예측 프로파일러
- SEM 플랫폼은 이제 상관 관계 행렬과 같은 요약 데이터를 허용합니다.
- 다양한 모델을 구축하고 모델 비교표를 사용하여 비교하는 능력
- 자주 사용되는 모델을 빌드하기 위한 단축키
첨부된 비디오와 저널 파일과 JMP 스크립트를 사용하여 경로 분석, 확인 요인 분석, 잠재 변수를 활용한 회귀 분석을 살펴보세요.
2021년 4월 22일 Jian Cao의 라이브 웨비나 Q&A
질문 : 주어진 모델에 대한 모든 추정치를 포함하는 예측 방정식이 포함되어 있나요?
대답: 네, 예측 방정식을 만드는 데 필요한 모든 정보는 출력에서 확인할 수 있지만 예측 방정식 형식이 아닌 표 형식으로 표시됩니다.
질문: JMP는 수정 인덱스도 제공합니까?
대답: 네, 빨간색 삼각형 메뉴 옵션 아래에서 수정 지수를 찾으실 수 있습니다.
질문: 모델을 구축하고 평가하는 데 훈련, 검증, 테스트 세트가 사용됩니까?
대답: 아니요. 이것은 예측 분석이 아니라 확인 분석입니다.
질문: 잔차를 분석할 수 있나요?
대답: 네, 잔차를 명시적으로 모델링할 수 있습니다.
질문: 변수의 중요도에 따른 순위를 매기는 방법이 있나요?
A: 효과 크기로 사용할 수 있는 표준화된 매개변수 추정치가 있습니다. 이는 출력에서 순위를 매길 수 있습니다.
질문: JMP Pro SEM 플랫폼은 SAS Proc Causalgraph와 마찬가지로 인과 분석(특히 BackDoor Criterion 개념)에 도움을 줄 수 있습니까?
A: 이 플랫폼은 PROC CAUSALGRAPH보다는 PROC CALIS와 비슷합니다.
질문: 웹 예제의 다이어그램에서 개인정보 잠재변수(원형 모양)와 개인정보 응답 변수(직사각형 모양)의 차이점은 무엇입니까?
A: 사각형은 데이터 테이블에 있는 변수입니다. 이는 웹사이트의 인식된 프라이버시에 대한 여러 질문에 대한 답입니다. 원은 관찰된 변수(이것이 가리키는 사각형)의 정보를 활용하여 모델링하는 관찰되지 않은 잠재 변수입니다.
질문: 간접적인 효과가 있나요?
답변: 유의수준을 포함한 총 효과와 간접 효과는 3분기에 출시될 예정인 16.1에서 확인할 수 있을 것입니다.
자원
