结构方程模型应该看R2还是调整后的R2

答：分情况：R2是回归平方和与总平方和的比值。根据定义，它就是反应了回归方程对y的解释能力。

在它基础上，又派生出一个调整确定系数，是因为在多元线性回归方程中，自变量个数的增加会引起余差平方和的减少，R2增大；因此，尽管有的自变量与y线性关系不显著，将其引入方程后，也会使R2增大。也就是说，R2本身还受自变量个数的影响。

因此，为了剔除自变量个数对R2的影响，让R2的大小只反应回归方程的拟合优度，引入了调整的R2，从其可以看出，调整的R2随k的增加而减小，（n是样本个数，在调查之后分析时，是固定的），可以识别自变量个数对R2的影响。

经验上，一般当k：n大于1:5时，R2会高估实际的拟合优度，这时，宜用调整后的R2来说明方程的拟合优度，也就是自变量对y的解释能力。

结构方程模型 (structural equation modeling，SEM)是一种建立、估计和检验因果关系模型的方法。它可以替代多重回归、通径分析、因子分析、协方差分析等方法，清晰分析单项指标对总体的作用和单项指标间的相互关系。

为何要用结构方程模型？

很多社会、心理研究中所涉及到的变量，经常不能准确、直接地测量，这种变量称为 潜变量 ，如工作自主权、工作满意度等。传统的统计分析方法不能妥善处理这些潜变量，而结构方程模型能同时很好地处理这些潜变量及其指标。

矩形是可视变量draw observed，椭圆形是潜变量draw unobserved

B站资源【推荐视频】https://www.bilibili.com/video/BV1PW411E7kz?p=14

---