【SEM】1 基本概念

【SEM】1 基本概念

2018-2020结构方程笔记整理
资料by扬帆老师

（1）结构方程概述

结构方程（SEM, Structual Equation modeling）是一种检验潜变量和观测变量之间关系的假设的统计方法。

SEM框架下主要处理的两类变量：观测变量（observed variable）、潜变量（latent variable）

常见的观测变量：测试的分数、问卷的回答、其他数值材料……

常见的潜变量:
心理学——智力、抑郁、自尊心、饮酒行为、感受
社会学——社会阶层、职业期待、抱负、歧视
经济——经济预期、妇女赋权
商业——顾客满意度、顾客忠诚度
政治科学——工业发展程度、政治影响力

SEM可以：
1、研究测量值（measure）、被测量值之间的区别
2、研究潜变量，以及潜变量之间的关系
3、评价关于潜变量以及其测量值的理论模型
4、 对因果关系（causal relation）建模，以预测在一个复杂系统中，干预（interventions）如何产生影响

（2）图表语法

图形	含义
椭圆	潜变量、未观测到的变量
矩形	观测变量
连接两个变量的一个、单向、直箭头	因果关系，箭头尾导致箭头尖
连接两个变量的两个、单向、直箭头	反馈关系（ feedback relation）或互为因果关系
连接两个变量的一个、双向、弯箭头	关联关系

（3）主要模型及符号含义

1、测量模型

$$\begin{gathered} x={\lambda }_x\xi +\delta \\ y={\lambda }_y\eta +ϵ \end{gathered}$$
假设$E(\xi )=0,E(\eta )=0,E(\delta )=0,E(ϵ)=0$，且$ϵ\ne \delta \ne \xi ,\eta$

方程中符号具体含义如下表

主要研究：观察变量x能否准确测量潜变量$\xi$，每个xi的可信度（应做“系数大小”理解？）

例子：

2、结构模型
$$\eta =B\eta +\Gamma \xi +\zeta$$
假设$E(\eta )=0,E(\xi )=0,E(\zeta )=0$，且$\zeta ,\xi$不相关，$(I-B)$是非奇异阵
方程中符号具体含义如下表

主要研究：潜变量间的因果关系及其大小

例子：

latent endogenous variables-内生潜变量
latent exogenous variables-外生潜变量

（4）典型理论模型

1、一个潜变量对应一个观测变量

2、一个潜变量对应多个观测变量

3、潜变量之间存在因果关系

4、潜变量之间存在关联关系

例：“教育成就与期待模型”（Educational Achievement and Aspirations Model）的路径图（path diagram）

（5）关键环节

1、相关理论

• 概念
• 结构
• 形式化（Formalization）

2、基本问题

• 因果关系
• 模型构建：理论驱动or数据驱动
• 探索性分析or验证性分析
• 测量单位、标准化
• 尺度类型（Scale types）

3、统计相关问题

• 模型的规范化
• 模型和参数的识别
• 模型和参数的估计
• 模型的拟合和检验：评估拟合效果、检测未拟合部分（Detection of lack of fit）
• 检验关于结构的假设

4、计算相关问题

例子：计划行为理论（TPB）

• 理论模型
  
• Path diagram
  

（6）软件：LISREL

LISREL主要用于：

• 模型构建
• 精确估计和评估拟合效果
• 拟合和测试许多标准和非标准模型（non-standard models）

PRELIS主要用于：

• 处理数据：筛选、探索、摘要
• 计算：协方差矩阵、相关矩阵、动量矩阵（Moment matrix）、渐近协方差矩阵

（7）协方差代数

基本假设：$$H_0:\Sigma =\Sigma (\theta )$$

目的：选择合适的参数θ，使$\Sigma (\theta )$和样本协方差矩阵S尽量接近

$\Sigma$：方程中观测变量一侧对应的协方差阵，下三角
$\theta$：观测变量对应的向量
$\Sigma (\theta )$：方程中潜变量一侧对应的协方差阵，下三角

例子：简单回归 $y=\gamma x+z$

Σ = ( v a r ( y ) c o v ( x , y )