1、结构方程模型的初衷在于针对潜变量之间关系进行建模。
(相关资料图)
2、例如，智商，情商，成功这三个潜变量之间到底是何种关系？但是它们三个本身不可直接测量，于是需要通过一定手段对它们进行测量。
3、你当然可以先通过量表各自“估计”这三个潜变量，再建立三者间的模型。
4、结构方程模型实现了这两步的一体化，优势在于，估计的过程中充分考虑了潜变量间的关系。
5、而分开两步是不能做到的。
6、当然这是否真的是优势有待商榷。
7、结构方程模型的估计方法主要有三类：第一种是协方差分析法，第二种是偏最小二乘法，第三种是贝叶斯法。
8、协方差分析认为，潜变量间的关系反映在可测变量的协方差关系中，由模型产生的协方差结构和真实协方差结构应一致（理想情况）。
9、于是以协方差矩阵的差异作为优化准则。
10、偏最小二乘的想法为：考虑潜变量结构的前提下，“最好”的潜变量应该与对应可测变量“最接近”。
11、于是，其优化准则本质是OLS。
12、贝叶斯也是对潜变量假定先验，然后用MCMC直接对潜变量进行抽样，既然潜变量的样本都有了，结构方程模型也就退化为了一堆回归。
13、国内很多文献把结构方程模型等同于上述第一种估计方法，这是一种误区。
14、每一种方法都有各自的检验和评价手段。
15、三种方法孰优孰劣？难以确定，只能说，各有各的优势和不足。
16、另外，结构方程模型定位是验证性分析，这需要大量背景知识支撑，否则建模必然失败。
17、近年来，发展了探索性的结构方程模型，题主不妨找找cnki。
本文就为大家分享到这里，希望小伙伴们会喜欢。
