“更正”与对比：结构方程模型

昨天咋讲述结构方程的时候，案例可能稍微有点误差，其中，学术成绩，我们一般是把它当成形成性指标来对待。（其实，我们也完全可以把学术成绩作为多维度来理解：强调学术成绩可能涉及多个方面的知识、技能和能力，这些方面可能难以通过单一指标来衡量。因此，将学术成绩视为潜变量可以帮助我们更全面地理解和评估学生的学术表现。也是可以的~）

链接：为了便于理解，我们用一个简单的例子来解释结构方程模型

所以，今天做一个案例对比。（#更多讨论，可以去社群中提问）

通过两个案例来解释基于协方差的结构方程模型（CB-SEM）和偏最小二乘结构方程模型（PLS-SEM）之间的区别和联系。

1

案例：大学生心理健康与学术成绩的关系

CB-SEM：

在这个案例中，我们将使用CB-SEM研究大学生的心理健康（潜变量）与学术成绩之间的关系。我们可以通过问卷调查来测量大学生的心理健康，例如包括以下几个内容的条目：自尊、抗压能力、自我效能等。这些观测变量都是心理健康的反映性指标，因为它们是心理健康的表现。

CB-SEM主要关注因果关系和理论假设的检验，以及潜变量之间的关系。在这种情况下，我们可以利用CB-SEM方法分析心理健康与学术成绩之间的关系，以检验心理健康对学术成绩的影响。

2

案例：恋爱满意度与婚姻稳定性的关系

PLS-SEM：

在这个案例中，我们将使用PLS-SEM研究恋爱满意度（潜变量）与婚姻稳定性之间的关系。我们可以将恋爱满意度视为一个形成性指标，即各种不同的因素共同构成恋爱满意度。这些因素可能包括信任、沟通、亲密度、共同兴趣等。这些观测变量共同定义了恋爱满意度这一概念，而非恋爱满意度的结果。

PLS-SEM主要关注预测和解释方差，适用于形成性指标和理论发展阶段的研究。在这种情况下，我们可以使用PLS-SEM方法来分析恋爱满意度与婚姻稳定性之间的关系，以了解不同因素如何共同影响恋爱满意度和婚姻稳定性。

总结：

1. CB-SEM关注因果关系和理论假设的检验，适用于反映性指标，更关注模型的拟合程度。

2. PLS-SEM关注预测和解释方差，适用于形成性指标，更关注模型的预测能力。

3. 这两种方法的选择取决于研究的目的和数据特点。在理论发展阶段或关注预测能力时，PLS-SEM可能更合适；而在理论验证和因果关系检验时，CB-SEM可能更为合适。

联系：

1. 这两种方法都属于结构方程模型的范畴，用于分析潜变量（未观测变量）之间的关系。

2. 无论是CB-SEM还是PLS-SEM，都可以处理多重因果关系和复杂的研究设计。

3. 它们都可以通过路径分析、测量模型和结构模型等组件来描述变量之间的关系。

实际研究中，需要根据研究目的、数据类型和理论发展阶段来选择合适的结构方程模型方法。

2023#护理科研指导