回答:
PLSパスモデリング用の素敵なRパッケージplspmを提供してくれたLaura Trincheraに会いました。さまざまな種類の2ブロックおよびkブロックのデータ構造のいくつかのグラフィック出力が含まれています。
plotSEMM Rパッケージを発見しました。ただし、2番目のポイントにより関連しており、2変量関係のグラフ化に制限されています。
SEMの診断プロットに関する最近の参考文献については、興味深い可能性のある2つの論文があります（2つ目の論文については、最近抄録を閲覧しましたが、非修飾バージョンは見つかりません）。
これは非常に興味深い質問です。2次元の共分散行列があると仮定します（SEMの非常に非現実的な例ですが、ご容赦ください）。次に、推定された共分散行列に対して観測された共分散行列の等高線をプロットして、モデルの適合感を得ることができます。
ただし、実際には、高次元の共分散行列になります。このような状況では、一度に2つの変数を取る複数の2次元プロットを実行できます。理想的な解決策ではありませんが、おそらくある程度役立つかもしれません。
編集
もう少し良い方法は、観測された共分散行列に対して主成分分析（PCA）を実行することです。観測された共分散行列のPCA分析から投影行列を保存します。この投影行列を使用して、推定された共分散行列を変換します。
次に、推定された共分散行列に対して、回転した観測された共分散行列の2つの最も高い分散の等高線をプロットします。プロットの数に応じて、2番目と3番目に大きい分散などを取得できます。データのできるだけ多くの変動を説明するため、最も高い分散から始めます。
相関行列または共分散行列の多次元スケーリングができると思います。正確な構造方程式モデリングではありませんが、相関行列または共分散行列のパターンと構造を強調する場合があります。これは適切なモデルで形式化できます。