sem模型和logit模型的区别

区别在于广义化线性模型中的联系函数的形式。

logit 采用对数形式。应用上，普通logit的响应变量是二元的。 logit的响应变量可以是多元的。统计软件 spss中: logit属于对数线性模型，分析结果主要为因变量和自变量之间的关系，可以细化到各分类因变量与分类自变量之间。sem属于回归分析，分析结果为估计出自变量参数。

能。

首先SEM更加灵活，更加综合。传统方法的模型是提前规定的或者说是默认的，而做结构方程的时候，它对变量关系的限制几乎没有，需要你自己根据理论知识设定变量之间的关系。SEM既包含显变量又有潜变量，而传统的方法之分析显变量。在SEM中我们认为误差是存在的，你甚至可以规定不同变量之间误差的关系，但是传统的方法认为误差是没有的。传统方法能够输出变量间关系的直接的显著性检验结果，而SEM没有这样的结果，我们得用拟合指标来评价模型。结构方程模型可以很好地容忍多重共线性。

结构方程模型实证要多久:

结构方程模型实证要1个半小时。

结构方程模型（SEM）=因子分析（测量模型）+路径分析（结构模型）

在社会科学领域很多概念比如智商、自尊等，是不可以直接观测的，称为潜变量。这些概念只能通过多个指标来测量，通过这些观测指标利用因子分析技术得到潜变量，这个过程是测量部分（模型）。

有时，我们需要构建多个潜变量之间的关系，此时要用到路径分析，这个部分就称为结构模型。

---