结构方程模型及其在医学中的应用
结构方程模型,1基本原理,2结构方程建模及分析步骤,3实例分析,4小结,参考文献
结构方程模型(Structural Equation Modeling, SEM)也称协方程结构模型(covariance Structure Models, CSM)或线性结构模型(Linear Stuctural Relations Models), LISREL模型是自20世纪六、七十年代才开始出现的新兴的统计分析手段，被称为近年来统计学三大进展之一[1]。结构方程模型是一种建立、估计和检验因果关系模型的方法，模型中既包含有可观测的显在变量(observed variable)，也可能包含无法直接观测的潜在变量(latent variable)。从数理角度看，结构方程模型综合了通径分析和证实性因子分析(confirmatory factor analysis, CFA)，是一种杂合体[2]。目前结构方程模型已在心理、行为、教育和社会科学等学科领域里得到广泛的应用，但在医学领域的应用还不多，随着社会和行为科学研究问题复杂性的增加，以及统计软件的进一步发展，结构方程模型在医学领域将会逐步得到重视及应用。1基本原理
结构方程模型包括测量模型(Measurement Model)与结构模型(Structural Equation Model)[3]。测量模型部分求出观察指标与潜变量之间的关系；结构模型部分求出潜在变量与潜在变量之间的关系。在结构方程模型中，对于所研究的问题，无法直接测量的现象记为潜变量(Latent Variable)或称隐变量；可直接测量的变量记为观测变量(Manifest Variable)或显变量。
11测量模型(Measurement Model)
一般由两个方程式组成，分别规定了内生的潜在向量η和内生的显在向量Y之间 ，以及外生的潜在变量ξ和外生的显在向量X间的关系，分别用方程表示为：
Y=ΛYη+ω(1)
X=ΛXξ+δ(2)
其中 ......
您现在查看是摘要页，全文长 7377 字符。