Castro-Schilo, L., & Russo, E. (2021). 構造方程式モデリング：学際的ジャーナル.
JMP Pro 18.1 の最新機能の詳細については、 ここをクリックしてください。
本稿では、JMP Pro バージョン16.0のSEMプラットフォームを用いて、共通構造方程式モデル（SEM）をフィッティングする例を段階的に示します。本稿の分析に使用したデータは、Open Science Frameworkから入手できます。
分析に必要な特定のファイルは次のとおりです。
OSF_COVID_脅威_研究2.sav
OSF_COVID_脅威_研究3.sav
以下のビデオでは、新しい構成要素の信頼性と妥当性の評価、潜在変数を使用したパス分析、縦断的因子不変性モデルなど、確認因子モデルを適合するための SEM プラットフォームのインタラクティブで動的な機能を紹介します。
確証的因子分析
著者らは、COVID-19の脅威に対する現実的認識と象徴的認識という新たに開発された2つの構成要素の確認因子モデルの分析を再現した（Kachanoff、Bigman、Kapsaskis、Gray、2020）。
今すぐ見る（1:25 / ビデオに音声はありません）
構成概念の信頼性と妥当性の評価
Kachanoffら（2020）による2番目の研究のデータを用いて、6因子検証的因子分析を実施し、JMP Pro 16.0のSEMプラットフォームの「測定モデルの評価」機能を示します。このオプションは、無形概念を測定する新しい調査の妥当性を定量化するための統計情報と視覚化を提供します。
今すぐ見る（2:15 / ビデオに音声はありません）
潜在変数を用いたパス分析
著者らは、Kachanoff et al. (2020) の研究2のデータを用いて、潜在変数を用いたパス分析の適用方法を示している。パス分析は、原著論文の主要な知見を再現するものである。
今すぐ見る （2:06 / ビデオに音声はありません）
縦断的因子不変性
このビデオでは、Kachanoff とその同僚 (2020) の研究 3 データを使用して、現実的な脅威構成の縦断的因子不変性分析を実行する手順を示します。
今すぐ見る （4:57 / ビデオに音声はありません）
注: JMP Pro 18 では縦断的測定不変性の新しいモデル ショートカットが追加され、モデルの適合と比較がさらに簡単になりました。
