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。

以下回答的两个公式为基础：女生组：y1=a1+b1x+c1z； 男生组：y2=a2+b2x+c2z。1. 比较两个回归系数之间差别的公式为：(b1-b2)/se12，其中b1和b2是被比较的回归系，se12是两者的Join Standard Error(联合标准误差)，其结果是一个以自由度为n-k-2的t分布（其中n是样本量、k是原来的自变量数，本案中为x和c两个）。2. 在SPSS（其实是任何OLS回归）中，你如果将男女分成两个样本分布做回归，可以得到b1和b2，但得不到联合标准误差se12（因为b1和b2出现在不同的模型中），所以无法用到上述公式。3. SEM（包括AMOS）是通过比较男女样本的拟合度之差别来比较两组回归系数之间的等同性，这种方法在OLS回归中并不适用。同时，SEM的这种做法是有代价的：它将一个总样本分成两个小样本，其结果是降低了Power of Analysis (统计分析效力)，从而在没有降低犯Type I的误差的同时又提高了犯Type II误差。4.更合理的方法是男女不分组、保留在同一样本内，将性别转换成dummy变量，再生成性别与你想比较的自变量（如X）的交互变量（如X*性别），也就是说，将你的公式1（或公式2）中改成：Y = a + bX + cZ + dS +eSX + fSZ其中S是性别（假定男=0、女=1），SX是性别与X的交互变量、SZ是性别与Z的交互变量。如果男女在S上的取值（即0和1）代人该公式，就可以分解成以下两个公式（注意：样本还是一个）：女生组（S=1）：Y = a + bX + cZ + d1 +e1X + f1Z = (a+d) + (b+e)X + (c+f)Z男生组（S=0）：Y = a + bX + cZ + d0 + e0X + f0Z = a + bX + cZ如果d是显著的（即男女本身之差别），就说明女生在Y上的截距（即平均值）比男生高d个单位；如果e是显著的（即性别对X与Y之关系的影响），就说明女生的X斜率比男生大e个单位；如果f是显著的（即性别对Z与Y之关系的影响），就说明女生的Z斜率比男生大f个单位。

组间系数差异检验的结果：直接看最后一个表的Sig(双侧）,可以看到是.000，说明差异显著，一般Sig值小于.05就可以认为是显著了，这个配对T检验的结果表达的时候就说E1和E2在.01水平上差异显著即可。

SEM（包括AMOS）是通过比较男女样本的拟合度之差别来比较两组回归系数之间的等同性。不过，SEM的这种做法是有代价的：它将一个总样本分成两个小样本，结果是降低了Power of Analysis (统计分析效力)，从而在没有降低犯Type I的误差的同时又提高了犯Type II误差。

无效假设

显著性检验的基本原理是提出“无效假设”和检验“无效假设”成立的几率（P）水平的选择。所谓“无效假设”，就是当比较实验处理组与对照组的结果时，假设两组结果间差异不显著，即实验处理对结果没有影响或无效。经统计学分析后，如发现两组间差异是抽样引起的，则“无效假设”成立，可认为这种差异为不显著（即实验处理无效）。

---