尊敬的 JMP 開發團隊：
我寫信是為了建議對 JMP 中的結構方程模型 (SEM) 平台進行有價值的增強，即納入基於變異數的估計技術。
變異數估計在 SEM 中起著至關重要的作用，特別是在提供更可靠、更準確的標準誤差和置信區間方面，尤其是在多元正態性等假設未完全滿足時。在實際應用中，特別是在市場研究、行為科學和社會科學等領域，數據往往偏離理想條件，因此穩健變異數估計對於有效推論至關重要。
目前，SmartPLS 和 WarpPLS 等偏最小二乘 SEM (PLS-SEM) 工具已經獲得了顯著的關注，正是因為它們強調基於變異數的方法。它們允許研究人員處理具有較小樣本量和非正常資料結構的複雜模型。
在 JMP 的 SEM 平台中添加類似甚至更靈活的方差估計選項將使其在該領域更具競爭力。它還具有一個優勢，即允許用戶留在強大且用戶友好的 JMP 環境中，而無需使用外部工具。
透過基於變異數的估計來增強 SEM 平台不僅可以加強模型診斷，還可以擴大 JMP 在學術研究人員和應用行業專業人士中的影響力，他們越來越需要強大且靈活的 SEM 解決方案。
我非常感謝團隊為不斷改進 JMP 所做的努力，並期待看到該領域取得進一步的進步。
謝謝
錢德拉
非常感謝您提交此請求，Chandra！我非常同意在 SEM 中提供處理小樣本量和多元常態性偏差的方法的重要性。雖然我們還沒有 PLS-SEM，但我們在這個方向上已經取得了一些重大進展！當數據假設不成立時，請查看我們的「穩健推斷」選項（這有助於提高標準誤差和置信區間的準確性）。此外，即將推出的新功能使小樣本 SEM 估計更加有效，並具有放寬所有預測變數分佈假設的額外優勢！我們對此感到非常興奮...請繼續關注版本 19 的改進 
。
當然，我們會考慮您的請求，以確保我們能夠為用戶提供最好的工具！您提供的資訊非常有用！
謝謝你，
〜勞拉CS
