结构方程模型是一种多元技术，用于分析结构关系并测试观察到的（显性）或未观察到的（潜在）变量之间的关系理论。SEM 结合了因子分析和多元回归分析。
JMP Pro 16 中的新JMP SEM 功能包括：
- 可以使用右键菜单自定义路径图
- 可用于与模型交互的预测分析器
- SEM 平台现在接受汇总数据，例如相关矩阵
- 能够构建各种模型并使用模型比较表进行比较
- 构建常用模型的快捷方式
使用附带的视频和日志以及文件和 JMP 脚本来探索路径分析、验证性因子分析和潜在变量回归。
2021 年 4 月 22 日曹建直播网络研讨会问答
问：它是否包括给定模型的所有估计值的预测方程？
答：是的，创建预测方程的所有信息都可以在输出中找到，但它们以表格形式呈现，而不是以预测方程格式呈现。
问： JMP 是否也提供修改指标
答：是的，您可以在红色三角形菜单选项下找到修改索引。
问：是否使用训练、验证和测试集来构建和评估模型？
答：不，这是验证性分析，而不是预测性分析。
问：您能分析一下残差吗？
答：是的，残差可以明确地建模。
问：有没有办法获得变量重要性的排序顺序？
答：有标准化参数估计值可用作效果大小。这些可以在输出中排序。
问： JMP Pro SEM 平台能否像 SAS Proc Causalgraph 一样协助进行因果分析（特别是 BackDoor 准则的概念）？
答：该平台与PROC CALIS相当，而不是PROC CAUSALGRAPH。
问：在网络示例图上，隐私潜在变量（圆形）与隐私响应变量（矩形）之间有什么区别？
答：方块是数据表中的变量。它们是对有关网站隐私感知的几个问题的回答。圆圈是一个未观察到的潜在变量，我们利用观察到的变量（它指向的方块）的信息对其进行建模。
问：有间接影响吗？
答：由于第 3 季度发布，具有显著性的总体和间接效应值将在 16.1 版本中提供。
资源
- Laura Castro-Schilo（JMP）和 James R. Koepfler（JMP）在 2021 年欧洲SEM Discovery 大会上发表演讲并制作视频
- 耦合双蒸馏塔的结构方程建模Discover Europe 2021 演示文稿和视频，由顾问 Markus Schafheutle、JMP 的 Laura Castro-Schilo 和 JMP 的 Christopher Gotwalt 提供
