Esta es una pregunta muy interesante. Supongamos que tenemos una matriz de covarianza bidimensional (ejemplo muy poco realista para SEM pero tenga paciencia conmigo). Luego, puede trazar los contornos iso de la matriz de covarianza observada con respecto a la matriz de covarianza estimada para tener una idea del ajuste del modelo.
Sin embargo, en realidad tendrá una matriz de covarianza de alta dimensión. En tal situación, probablemente podría hacer varias gráficas bidimensionales tomando 2 variables a la vez. No es la solución ideal, pero quizás pueda ayudar hasta cierto punto.
Editar
Un método ligeramente mejor es realizar el análisis de componentes principales (PCA) en la matriz de covarianza observada. Guarde la matriz de proyección del análisis de PCA en la matriz de covarianza observada. Use esta matriz de proyección para transformar la matriz de covarianza estimada.
Luego graficamos iso-contornos para las dos variaciones más altas de la matriz de covarianza observada rotada con respecto a la matriz de covarianza estimada. Dependiendo de cuántas parcelas queramos hacer, podemos tomar la segunda y la tercera variaciones más altas, etc. Comenzamos a partir de las variaciones más altas ya que queremos explicar la mayor variación posible en nuestros datos.