残差变量是什么？

SEM中各个因变量（也叫内生因子）的残差（残差比你用的误差更准确一些）之间的相关关系（i.e.,correlationbetweenerrorvariancesofendogenousfactors)，由以下来源：由有关因变量之间本身的内在联系（这是理论问题、但也许不属于你的研究范围）所造成；由一至数个对这些因变量同时有影响、但没有被收入模型的第三者自变量所造成（即所谓modelmisspecificationl问题)；由相同的测量工具（如5-级态度量表）所造成（即存在若干common-methodfactors）；由个别个案的极端值所造成（这是数据预处理的问题）等等。上述多个问题也许同时存在。除非你有直接或间接的证据来判断其性质，否则很难说清到底是哪种问题。

原则上都尽量不让残差相关啊。

当然实在没法了可以适当允许同一个测量模型内的残差相关，也就是在修正时 优先选择同一个测量模型内的残差相关，最后再考虑选择跨测量模型的残差相关。

但实际上，这样的残差模型在一定程度上已经违背了sem的简约假设了，同一个测量模型内的残差相关还好解释，但是跨了测量模型的残差相关就表示这两个维度之间没有区分的很好，也就是模型的区分效度不是很好。

这样构建的模型其实是失败的

最大的MI系数 应该删掉对应的一个题项或2两个，一个个试着来看哪个结果比较合适。

残差拉相关违背了 残差独立性的基本假设，是不可以拉相关的。除非你的研究逻辑假设证明残差之间有相关（比如追踪研究设计），不能以数据为驱动进行残差相关。

看你的目的是什么啦，如果仅仅估计参数，无论是异方差还是自相关，你的参数都是无偏的；但方差较大，预测准确度较低。你要克服异方差同时还有自相关，建议拟采用FGLS（可行广义二乘），可同时达到目的。广义差分尽管也可以，但损失自由度，而且要你自己推断出相关系数。但我觉得奇怪的是，你为什么同时既有异方差又有序列相关；所以我觉得你很可能是有遗漏变量，遗漏变量进入残差项中，且与自变量相关，最终会导致你估计非无偏且非一致。所以，最好先用直接做回归，后得到的残差，与自变量测下相关性；如相关性强，则说明存在遗漏变量。然后你采用工具变量法进行回归就可以了。

---