结构方程模型（Structural Equation Modeling，SEM）

结构方程模型（Structural Equation Modeling，SEM）是一种多变量统计分析技术，用于分析变量之间的复杂关系。它结合了因子分析和多变量回归分析，允许研究者同时考察多个因果关系。

一、基本概念

1. 测量模型（Measurement Model）：测量模型关注的是观测变量（可以直接测量的数据）和潜在变量（不能直接测量的抽象概念）之间的关系。它通常使用因子分析来识别观测变量背后的潜在因子。
2. 结构模型（Structural Model）：结构模型关注的是潜在变量之间的关系。它可以是线性的或非线性的，允许研究者测试假设的因果关系。
3. 潜在变量（Latent Variables）：潜在变量是那些不能直接观察到的抽象概念或构造，例如情绪、态度或能力。它们通过观测变量来间接测量。
4. 观测变量（Observed Variables）：观测变量是可以直接测量的数据，例如问卷调查中的得分或实验中收集的数值。
5. 路径分析（Path Analysis）：路径分析是一种统计方法，用于探究变量之间的因果关系。在SEM中，路径分析帮助研究者理解变量如何相互影响。
6. 验证性因子分析（Confirmatory Factor Analysis, CFA）：CFA是SEM的一部分，用于测试特定因子结构的假设，即观测变量和潜在变