结 构 方 程 模 型 (SEM) 结 构 方 程 这 几 年 热 度 不 减 ， 有 必 要 研 究 一 下 它 的 R语 言 实 现 过 程 ， 今 天 先复 习 一 下 结 构 方 程 的 相 关 理 论 ， 参 考 吉 林 大 学 余 翠 林 的 ppt 一 、 为什么使用 SEM
1、回归分析有 几 方 面的 限制： （1）不 允许有 多个因变量或输出变量 （2）中间变量不 能包含在与预测因子一 样的 单一 模 型 中 （3）预测因子假设为没有 测量误差 （4）预测因子间的 多重共线性会妨碍结 果解释 （5）结 构 方 程 模 型 不 受这 些方 面的 限制 2、SEM的 优点： （1）SEM程 序同时提供总体模 型 检验和独立参 数估计检验； （2）回归系数， 均值和方 差同时被比较， 即使多个组间交叉； （3）验证性因子分析模 型 能净化误差， 使得潜变量间的 关 联估计较少地被测量误差污染； （4）拟合非标准模 型 的 能力， 包括灵活处理 追踪数据， 带自相 关 误差结 构 的 数据库（时间序列分析）， 和带非正态分布变量和缺失数据的 数据库
3、结 构 方 程 模 型 最为显著的 两个特点是： （1）评价多维的 和相 互关 联的 关 系； （2）能够发现 这 些关 系中没有 察觉到的 概念关 系， 而且能够在评价的 过 程 中解释测量误差
同时具有 联系信息技术吸纳能力： SEM能 够 反 映 模 型 中 要 素 之 间 的 相 互 影 响 ； 吸 纳 能 力 概 念 作 为 一 个 重 要 的 模 型 要 素 ， 难 以 直 接 度 量 ， 结 构 方 程 模 型 技 术 能 够更 为 充 分 地 体 现 其 蕴 含 的 要 素 信 息 和 影 响 作 用
二 、SEM的 基本思想与方 法 SEM是基于变量 的 协方 差矩阵来分 析变量 之
