如果存在多重共线性还能用Sem吗

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。

一般情况下，公差和方差扩展因子（vif，公差倒数）被用作共线性诊断指标。一般来说，公差值在0到1之间。如果该值太小，则表明该自变量与其他自变量之间存在共线性问题。vif值越大，共线性问题越明显。一般以不到10分为判断标准。

具体的解决方法如下：

1、首先单击“打开数据文档 ”，将xls格式的全国各地区能源消耗量与产量的数据导入SPSS中。

2、接着在导入过程中，每个字段的值都转换为字符串，我们需要手动将相应的字段转换回数值类型。单击菜单栏中的“->”将所选变量更改为数字类型。

3、数据清理包括填写缺失值和使用spss分析工具检查每个变量的数据完整性。单击“->”检查缺失值的数量和输入数据的百分比。

4、SPSS提供了填充缺失值的工具，点击菜单栏“>”，也就是说，它可以使用软件提供的几种工具来填补缺失值，包括序列平均值、近点中值、近点中值等。结合本次实习数据的具体情况，我们没有使用spss软件提供的缺失值替换工具，主要是手工将缺失值替换为零值。