论文中的SEM是什么意思

结构关系方程模型（SEM）属于验证式的协方差结构模型分析，完整的协方差结构模型包含两个次模型：①测量模型（如图），潜变量（即不可自我描述的因变量）被显性指标（即观察变量）所测量或概念化，测量模型也可以复杂一些，比如二阶测量模型，；②结构模型（如图），潜变量之间的假设关系，以及无法解释的变异量部分，以确认假设的潜变量之间的关系以及潜变量与显性指标的一致性程度。当然，复杂度更高的结构模型比比皆是，这就太考验理论能力、概念化能力、量表设计能力和SEM模型控制能力了。

变量效度检验（内容、建构、收敛、判别）

一、内容效度

内容效度（Content validity）是指测量内容的适当性，判断测量内容是否符合目，一般是定性的判定。 如果研究用于测量自变量、因变量以及调节变量的量表均是国内外学者的现有文献中使用过的测量量表，每个测量量表都具有可靠的数量指标，这些测量量表都有可靠的理论来源，具有较好的内容效度。

二、建构效度

建构效度反映了测量工具能够正确无误地测出潜在特质的程度，一般采用验证性因子分析（Confirmatory Factor Analysis，CFA）来检验构建效度。通常，我们可以用LISREL8.7软件检验外源变量（即自变量）和内源变量（即因变量）的量表建构效度，从而检验变量的CFA的整体模型拟合指数。拟合指数的指标判定选取绝对拟合、相对拟合和简约拟合等三类指数。

（1）外源变量CFA分析

因子载荷的判断：外源变量的各因子载荷（每个维度的语句）分别为均要求满足大于0.50的要求值，且没有大于或接近于1的数。

表5-5外源变量的CFA分析拟合指数

拟合指数分析用来判断模型的拟合度，一般通过以下一个指标判断。

其中，x²/df，RMSEA根据上图可直接观察到。

如果绝对拟合指数、相对拟合指数，简约拟合指数都基本符合所要求的接受值，表明测量模型具有良好的建构效度。

三、收敛效度

收敛效度是指量表与同一构念的其他指标相互关联的程度，一般通过CFA检验。各指标检验标准：因子载荷（λ）判断测量变量的收敛效度，要求λ值大于0.5，且t值大于1.97；平均变异萃取量（AVE）解释潜变量的程度，要求AVE值大于0.5；组合信度反映每个潜变量中所有测量题项是否一致的解释该潜变量，CR 值要满足大于 0.7，各潜变量的AVE值都大于0.5，满足以上所有条件，通常认为收敛效度较高。

利用“建构信度的计算”填写各变量值，计算出CR值和AVE值。例如：变量的维度A有3个语句，则输入观察变量的数目：3；X1,X2,X3分别填入各自的因子载荷值，点击“计算”，就得出平均变异抽取量（AVE）和组合信度（CR）的值。

四、判别效度

判别效度是指一个测量值与其他应该有所不同的构念之间不相互关联的程度。判别效度可通过CFA检验，如果各个因子的AVE的平方根均大于该因子与其同一列内所有其它的相关系数，则判别效度较高。如图，A因子的AVE的平方根（0.73）大于与其同一列的其他相关系数，即0.68，0.50.，0.49，0.51，0.55 。 

以上内容均转自百度文库

 

结构方程模型是：一般线性模型的扩展，并非单指某一种特定的统计方法，而是一套用以分析共变结构的技术整合。

结构方程模型组成及应用：

结构方程模型由两部分组成，即测量模型（Measurement Model）和结构模型（Structural Model）。本文将主要介绍以上两个模型的概念及其应用。

1、测量模型

在实际研究中，并非所有的概念都是可以被直接观察和测量的。

比如我们在调研爱采购卖家的体验时，这里的卖家体验其实就是一个抽象的概念，是卖家对平台所有可观测量化指标的综合反映，这些指标可能会包括卖家通过平台获得的询盘量、订单量、主要权益的满意度、接收到服务速度和质量等等。

在SEM中，如用户体验这些抽象且无法直接测量的概念，被称作“潜变量（Latent Variable）”，而那些能被直接观测的变量，如询盘量，则称为“观察变量（Observed Variable）”或“外显变量（Manifest Variable）”。

我们了解越多卖家对平台有效观察变量的反馈，对卖家体验的刻画就越真实可靠。

基于对测量模型的验证，我们发现卖家对平台的综合体验，可以在一定程度解释为卖家对平台的效果体验，权益体验和服务体验（满意度）的集合。

需要注意的是，观测变量并非能完全解释潜变量，在整体测量模型中同时存在无法解释的误差（也称残差），误差大小及分布的影响是实际施测中同样需要考虑的部分。

2、结构模型

与检验观测变量和潜变量之间关系的测量模型不同，结构模型主要用于检验潜变量间的关系。如果单独看待结构模型，就是传统的路径分析（Path Analysis），旨在解释变量间的因果或预测关系。

随着研究的深入，我们发现过去研究中常用的相关分析或一元/多元回归分析方法很难解释变量间的因果关系，比如在研究爱采购卖家续费意愿时，仅通过相关分析，很难判断是体验影响续费意愿，还是续费意愿影响体验。

而单纯的使用多元回归分析，我们只能发现各体验维度指标对续费意愿的独立影响，而忽视了各体验指标间的相互作用。

结构方程模型有以下几点需要注意：

1、SEM更多用于验证性的分析。

---