Это очень интересный вопрос. Предположим, что у нас есть двумерная ковариационная матрица (очень нереалистичный пример для SEM, но, пожалуйста, потерпите меня). Затем вы можете построить изо-контуры для наблюдаемой ковариационной матрицы относительно расчетной ковариационной матрицы, чтобы получить представление о соответствии модели.
Тем не менее, на самом деле вы получите многомерную ковариационную матрицу. В такой ситуации вы, вероятно, могли бы сделать несколько двухмерных графиков, используя 2 переменные одновременно. Не идеальное решение, но, возможно, может помочь в некоторой степени.
редактировать
Немного лучшим методом является выполнение анализа главных компонентов (PCA) на наблюдаемой ковариационной матрице. Сохраните проекционную матрицу из анализа PCA на наблюдаемой ковариационной матрице. Используйте эту матрицу проекции для преобразования оценочной ковариационной матрицы.
Затем мы строим изо-контуры для двух наибольших дисперсий повернутой наблюдаемой ковариационной матрицы по отношению к оцененной ковариационной матрице. В зависимости от того, сколько графиков мы хотим сделать, мы можем взять второе и третье наибольшее отклонение и т. Д. Мы начнем с самых высоких отклонений, поскольку мы хотим объяснить как можно больше отклонений в наших данных.