こんにちは、
SEMにおけるカテゴリ変数の使用について2点質問があります。SEM分析を実行しており、カテゴリ変数（この場合は名義変数、コホート1、2、または3）をコントロールしながら、2つの連続変数をモデル化したいと考えています。分析実行時にコホートをどのようにコントロールすればよいでしょうか？
2つ目の質問：3つの時点を持つ並行成長曲線モデルを実行し、高校卒業率（3つの値を持つカテゴリ変数）を予測しようとしています。連続変数でSEMを実行して、4番目の時点におけるカテゴリ変数を予測することは可能ですか？
私の質問に答える時間を割いていただきありがとうございました!
こんにちは！
最初の質問には2つの選択肢があります。1つ目は、コホートをグループ化変数として用いた多群分析（MGA）です。このオプションは、コホート間の潜在的なグループ間差異を詳細に調査したい場合に役立ちます。SEMにおけるMGAについてさらに詳しく知るためのリソースをいくつかご紹介します。
ブログ投稿:
JMPドキュメントの例:
ビデオデモ:
- 回帰分析を伴うMGAは13:00に開始され、22:20に終了します。
- 潜在成長曲線を伴うMGAは29:30分に始まり、39:20分に終わります。
あるいは、コホートのみをコントロールしたい場合は、回帰分析と同じ方法でダミーのコード化変数を作成します（つまり、3つのレベルであれば2つの変数で済みます）。そして、それらの変数をモデルに予測変数として追加します。
2つ目の質問については、モデルショートカットメニューの「縦断分析 > 多変量潜在成長曲線」を必ず確認してください。カテゴリ変数を分析に入力する前に、このメニューを使用してください。これにより、何よりも先に成長の軌跡を理解することができます。
上記で投稿した同じビデオリンクでは、39:30 分に並列プロセス モデルを適合する方法が示されています。
内生的カテゴリ変数の扱いについては、今後の製品リリースで対応予定ですが、まだその機能はまだご利用いただけません。ところで、高校卒業の3段階レベルについてお伺いしたいのですが、どういったレベルでしょうか？「はい」「いいえ」「そしておそらく欠損値」の2段階になると思います。もしそうなら、2つの選択肢があると思いますが…
(1) 欠損値を含む二値変数を分析に追加し、それを結果（多変量成長曲線における切片と傾きの結果など）として指定することができます。推定値として最尤法（デフォルト）を使用すれば点推定値は正確になりますが、カテゴリ変数の予測値の標準誤差は正確ではありません。この問題に対処するには、メインの赤い三角のメニューから「推論 > ロバスト推論」を選択します。必要に応じてブートストラップ法を使用することもできます。
(2) オプション 1 で説明したようにモデルを指定できますが、メインの赤い三角のメニューから「R コードの生成」を選択します。これにより、カテゴリ変数を「順序付き」変数として指定するように調整できるスクリプトが生成され、適切な標準誤差を取得できます。
最後に、縦断的軌跡における潜在的なグループの違いを調査したい場合は、高校卒業をグループ化変数として扱い、ビデオリンクに示されているのと同じアイデアに従うだけで済みます。
HTH、
