第一，要看所用样本数据类型；

第二，要看模型设定有无误设；

第三，模型修正合理否。

当然，SEM中有些说不清的问题............

note里显示有一个测量变量的误差是负数，应改怎么办？

我也遇到过标准化系数大于1 现象，通常采取删除一个或几个路径的办法处理。

同问

个人认为这个方法不可取，SEM中的每一条路径的构建都需要有理论支持，删除路径同样也需要充分的理论说明，而不是单纯地以追求数据和模型的优良拟合为最终目标。个人之见，仅供参考！

关于结构方程模型结果标准化系数大于1的问题：

很多结构方程的初学者都会遇到这个问题！

即通常所说的“违犯估计”的问题。

所谓违犯估计是指结构模型或测量模型中统计所输出的估计系数超出可接受的范围。

导致这种情况出现的原因是多样的，主要有：1、样本量小，关于样本量的问题，请参考结构方程中“大样本”的规定；2、潜变量指标过少，导致模型不稳定，一般指标要求4个左右最为稳定；3、抽样的问题；4、模式的界定，这种错误是初学者最容易犯的，即模型本省的界定有问题；5、outlier（异常值）的影响，应先对异常值进行处理；6、缺失值的不当处理。等等原因。

违犯估计通常有三种情况：

1、误差出现负值；

2、标准化系数大于0.96即接近或超过了1；

3、标准误过大；

一般的做法，首先要重新评估你模型中的路径！很可能是你的模型本身的问题。最好的方法是根据上述所说的原因进行逐条检查！！

[此贴子已经被作者于2009-5-14 11:31:58编辑过]

那不标准化  可以进行解释吗

我的建议是： 看看探索性因子分析的结果与验证性因子分析的结果是不是不一致 如果不一致  出现标准路径系数大于1时正常的   所以眼下楼主有必要查查探索性因子与验证性因子分析的结果是不是一致  不一致 就通过数据的调整  将其调整一致  之后再进行操作一遍 这个时候  估计有不会出现这个问题  楼主不妨试试

大於1表示可能自變數之間具高度共線性造成

探索性因子分析与验证性因子分析在amos中的实现有什么不同？初学者提问。我们一般直接用的就是验证性因子分析吗？

可以参考王卫东的《结构方程模型原理与应用》第148页，摘录如下：
当迭代最终收敛，给出了一个参数估计值时，结构方程模型的参数估计仍然可能是有问题的。审视一下各参数估计值，也许会发现：1误差方差或因子方差为负；2 标准化负荷大于1；3相关系数大于1；4参数的标准误巨大。这些现象被总称为广义的Heywood问题。当存在Keywood问题是，参数估计的结果是不合理的，究其原因，主要有三点：1.模型设定太复杂；2.变量之间存在多重共线性；3.测量模型的过度因子化，即在测量模型的设定中，只有一个指标的负荷过大，其他因子的负荷都很微弱，仍然坚持使用这个测量模型。应对Keywood问题，可以采取的手段有几种：1.重新修订模型；2.去除多重共线性；3.采用新的估计方法。

初学者，能否具体给讲解下？万分感谢！

请问怎样去除多重共线性，我模型中有一个路径系数大于1，怎么调试都调试不好

这个解释可能对我有用

还是解决不了呀！我的标准直接作用和标准间接作用路径各有一条大于一，求高手指教！
如果出现这种情况是不是整个模型构架都不可取？

弱弱的问一下 这个“note”？是什么东西 在哪里看？是在view text 里面吗？

对的，学习中。

这里有消除多重共线性的帖子：https://bbs.pinggu.org/thread-751135-1-1.html

高人，未标准化时存在大于1的路径系数，标准化后全部小于1，这样有没有影响啊？

我也想问这个问题

呵呵，数据处理的事情真是让人头痛啊

学习，谢谢

头痛头痛啊