-
1
结构方程模型概述
1.1
结构方程模型的基本概念
结构方程模型
(Structural
Equation
Modeling
,
SEM)
早期又被称为线性结
构方程模型(
Linea
r Structural Relationships
,简称
LISREL
)或称为工变数
结构分析(
Coratiance Strucyure Analysis
)
。
SEM
起源于二十世纪二十年代遗
< br>传学者
Eswall
Wrihgt
发明的路径分析,七十年代开始应用于心理学、社会学等
领域,
八十年代初与计量经济学密切相连,
现在
SEM
技术己广泛运用到众多的学
科。
结构方程模型是在已有的因果理论基础上,
< br>用与之相应的线性方程系统表示
该因果理论的一种统计分析技术,
其目的在于探索事物间的因果关系,
并将这种
关系用因
果模式、
路径图等形式加以表述。与传统的探索性因子分析不同,在
结构方程模型中,我们可以提出一个特定的因子结构,并检验它是否吻合
数据。另外
,通过结构方程多组分析,我们还可以了解不同组别内各变量
的关系是否保持不变,各因
子的均值是否有显著差异。结构方程模型可以
替代多重回归、通径分析、因子分析、协方
差分析等方法。
1.2
结构方程模型的优点
(
一
)
SEM
可同时考虑和处理多个因变量
在传统的回归分析或路径分析中
,
就算
统计结果的图表中展示多个因
变量
,
其
实在计算回归系数或路径系数时
,
仍然是对每一因变量逐一计算
。
表面看来是在同时考虑多个因变量
,
但在计算对某一因变量的影响或关系
时
,
其实都忽略了其他因变量的存在与影响。
(
二
)
<
/p>
SEM
容许自变量及因变量项含测量误差
例如在心理学研究中
,
若将人们的态度
、
行为等作为变量进行测量时
,
往往含
有误差并不能使用单一指标
(
题目
p>
),
结构方程分析容许自变量和因变量均含有测