01
SEM的本質(zhì)是什么？
按照筆者膚淺的理解，SEM就像是網(wǎng)絡(luò)回歸分析的增強版。其最大的特點是在SEM中，一些因變量可以作為其他因變量的自變量，從而形成以因果關(guān)系表達為核心的復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)。因為是網(wǎng)絡(luò)結(jié)構(gòu)，通常需要提前建立概念模型，否則很難把握復(fù)雜的關(guān)系。這個多元網(wǎng)絡(luò)就是SEM中的結(jié)構(gòu)。有了結(jié)構(gòu)之后，還需要用數(shù)學(xué)方程來表達，所以就有了方程。同時，因為結(jié)構(gòu)方程模型的主要任務(wù)是驗證概念模型，而概念模型本身抽象了復(fù)雜自然現(xiàn)象背后的規(guī)律。就像我們通過玩具火車知道真實的火車一樣，SEM 也是一種模型方法。以上幾點綜合起來就是我目前理解的SEM。02SEM的結(jié)果是否必須用圖形表示（代表多元關(guān)系的結(jié)構(gòu)圖）？是的。SEM 想要檢查的通常是復(fù)雜的多元關(guān)系，因此圖表是顯示它的最佳方式。到目前為止看到的大多數(shù) SEM 都是通過圖表顯示的。03 到目前為止看到的大多數(shù) SEM 都是通過圖表顯示的。03 到目前為止看到的大多數(shù) SEM 都是通過圖表顯示的。03
路徑分析、路徑分析和SEM之間的關(guān)系是什么？
路徑分析 ( ) 和路徑分析 ( ) 都是 SEM 過去所說的?，F(xiàn)代 SEM 與傳統(tǒng)路徑分析在計算方法和包含潛變量（04
SEM 需要潛在變量和復(fù)合變量嗎？
不必要。潛變量在社會科學(xué)中主要用于表示難以直接測量的因果變量，例如心理狀態(tài)，而不是觀察變量（ ）。復(fù)合變量 ( ) 通常用作觀察變量的響應(yīng)變量。例如，結(jié)構(gòu)方程建模大師 James Grace 更喜歡在生態(tài)研究中使用復(fù)合變量。就筆者所見，在大多數(shù)生態(tài)SEM應(yīng)用中，所包含的變量主要是觀測變量，潛變量、復(fù)合變量等間接變量并沒有大規(guī)模使用。例如，許多使用復(fù)合變量的參考文獻都是由 James Grace 編寫的，例如：JB Grace 等。2016. 和植物。,529,390-393.
涉及潛在變量的參考文獻相對較多，例如 James Grace 作為合著者的一篇：
KC 等人。2013. 和城市的土地使用。奧伊克斯, 122, 682-694.
潛變量在 SEM 圖中用橢圓表示。下圖中的橢圓變量就是這個引文中的潛在變量：
05 SEM是否超越了相關(guān)性直接表達了因果關(guān)系？
沒有到這個程度。事實上，SEM 僅反映了作者根據(jù)現(xiàn)有條件和數(shù)據(jù)構(gòu)建的一種潛在關(guān)系。這很可能是受到作者自身認知和數(shù)據(jù)分析過程的影響。因此，雖然SEM在描述多變量關(guān)系方面具有一定的優(yōu)勢，但這種理解主要是研究人員主導(dǎo)的。
事實上，現(xiàn)代統(tǒng)計界并沒有解決因果推理的問題。雖然因果關(guān)系在 SEM 中用箭頭方向表示，但因果關(guān)系實際上是由研究人員判斷和指定的。人們往往在同一時間點獲得橫截面數(shù)據(jù)，這種情況下，變量之間的因果關(guān)系存在于人們的認知中，或者存在于一些已有的研究或經(jīng)驗中，而在應(yīng)用SEM中，需要研究者指定自變量和因變量. 在分析中，橫截面數(shù)據(jù)主要提供相關(guān)信息。正如一位老師所說：當(dāng)統(tǒng)計分析方法可以自動解決因果推理時，各個學(xué)科的研究人員很可能會失業(yè)。所以，
想深入學(xué)習(xí)的朋友可以了解一下Judea Pearl、Bill等人，包括Judea Pearl的兩本書，The book of why: The New of Cause and , : , and , and Bill's Cause and in 。雖然附上了這些書，但實際上作者目前還沒有精力和能力去閱讀這些書。這是統(tǒng)計的前沿問題，公眾號的讀者應(yīng)該有更多有這種能力和野心的大佬。為我們開創(chuàng)了因果推理！
一個簡單的問題：如果 A 與 B 有關(guān)，那么 A 和 B 之間的可能關(guān)系實際上是什么，沒有限制？A導(dǎo)致B；B導(dǎo)致A；C導(dǎo)致A和B；A和B是因果關(guān)系；A和B的相關(guān)性是巧合。
06
什么時候應(yīng)該使用 SEM？
總體而言，當(dāng)人們想要研究復(fù)雜的多元因果關(guān)系時，SEM 是最合適的。尤其是當(dāng)你想解釋機制相關(guān)的問題時結(jié)構(gòu)方程模型軟件mac，SEM 可以更直觀地展示復(fù)雜的路徑關(guān)系。使用 SEM 需要作者對多個變量之間的關(guān)系有一定的了解。有一些方法如限制排序分析（如果研究中不涉及這種復(fù)雜的多變量關(guān)系，SEM 在很大程度上將毫無用處。執(zhí)行 SEM 后，仍然可以單獨分析一些變量。
07
SEM結(jié)果的基本要素是什么？
目前的SEM有一個基本固定的形式。首先應(yīng)該有一張圖顯示因果關(guān)系，以及模型對數(shù)據(jù)的整體擬合度（比如適應(yīng)度指數(shù)），單條路徑的顯著性和相對效應(yīng)的大小，以及解釋的R2變量等
08
SEM應(yīng)用中存在哪些誤區(qū)？
誤用 SEM 很常見。SEM雖然看似簡單，但存在樣本量大、如何將不連續(xù)變量作為內(nèi)生變量和外生變量納入模型等問題，比較麻煩。
作者最常遇到的問題往往是樣本量不足結(jié)構(gòu)方程模型軟件mac，即用小樣本量構(gòu)建復(fù)雜的模型，可能會導(dǎo)致嚴重的過擬合問題，即模型結(jié)果不可信，包括top期刊。可能會出現(xiàn)此問題。因此，為了正確使用SEM，我們需要對這種方法的原理有一個清晰的認識。
09結(jié)構(gòu)方程建模的具體建模方法和工具有哪些？
據(jù)我所知，有三種主要的 SEM 建模方法。一是傳統(tǒng)的SEM方法，通過比較實際數(shù)據(jù)中變量間的方差-協(xié)方差矩陣與概念模型擬合的方差-協(xié)方差矩陣，來評價概念模型和實際數(shù)據(jù)的充分性。代表工具有包、Amos軟件等，特點是可以容納潛變量，但因變量需要滿足多元正態(tài)分布。第二種，基于一種稱為定向分離（d-）的方法，首先單獨估計每條路徑，然后使用特定方法評估模型中所有路徑的狀況并找到可能的關(guān)鍵缺失路徑。與傳統(tǒng)方法相比，該方法是一種局部估計方法，其主要特點是因變量可以是非正態(tài)數(shù)據(jù)（如二項式、泊松等）。將工具表示為包。第三種，基于貝葉斯統(tǒng)計方法的SEM模型構(gòu)建，其特點是能夠構(gòu)建復(fù)雜的模型。代表工具是brms包等。
目前，第一種和第二種方法仍然是 SEM 的主流方法，但隨著貝葉斯統(tǒng)計逐漸不再受計算時間的限制，未來貝葉斯方法在 SEM 建模中的應(yīng)用正在逐漸增加。另外，筆者想到了一個方向，就是Meta分析和SEM的結(jié)合。Meta分析在收集數(shù)據(jù)時，不同來源的數(shù)據(jù)準確性存在差異，因此需要考慮數(shù)據(jù)的權(quán)重。這時候如果要在meta分析數(shù)據(jù)的基礎(chǔ)上構(gòu)建加權(quán)SEM，目前看來是不可能完成這個任務(wù)的，而基于貝葉斯方法的SEM理論上可以完成這個任務(wù)。筆者的一個感受是，目前基于貝葉斯統(tǒng)計的統(tǒng)計方法，Meta分析、SEM、混合模型等發(fā)展迅速，應(yīng)用廣泛。頂級期刊使用貝葉斯統(tǒng)計。潛在的。