4# yangyang9189
我看了你上传的文献，感觉作者得出潜变量值的方法不是采用因子得分值，而是简单地用各指标与相应潜变量的相关系数作为权重，进行加权平均求得，甚至都没有进行相关系数归一化处理（这个漏洞较大，如果指标越多，潜变量得分值必然越高，这显然是不合理的）。至于作者采用简单平均方式获取潜变量得分值就更值得商量了

“甚至都没有进行相关系数归一化处理（这个漏洞较大，如果指标越多，潜变量得分值必然越高，这显然是不合理的）”  这个不是什么问题，无需事先进行归一化处理，因为现代的回归技术都会提供标准化结果。   

“作者采用简单平均方式获取潜变量得分值就更值得商量了” 我也这么觉得，但实际上，主流计算中，都采用的直接平均的方法。 这个6楼的lele213也说到了。

5# firewater

另外，个人觉得，结构方程实质上时因子分析 回归分析 通过路径分析的可视化。  你说的那几个方法，实质是一样的

8# yangyang9189
“文中作者得出潜变量值的方法不是采用因子得分值”，他确实是用AMOS计算出的各观测变量的载荷（即是因子得分）加权得到的。
我没有用过AMOS，但既然称作观测变量的载荷，那就应该是因子载荷，不是因子得分（Factor scores，相当于潜变量值了）。在因子分析法中，因子得分确实是观测变量的线性加权平均，但权数不是因子载荷，其具体计算方法，参见 郭志刚—《社会统计分析方法-spss软件应用》中的第三章P109，见附件。
“因子分析模型是用因子的线性组合来表示一个观测变量，因子负载实际上是该线性组合的权数。”——书中原话。
你该不是搞混了吧
“简单地用各指标与相应潜变量的相关系数作为权重，进行加权平均求得” 各指标与潜变量之间的那个系数不是相关系数，而是因子得分。  这是个基本概念，你最好还是看一些书。
根据侯杰泰—《结构方程模型及其应用》P16，Λx是外源指标在外源潜变量上的因子负荷矩阵，也就是说指标与潜变量间的那个系数是因子负荷，再根据郭志刚—《社会统计分析方法-spss软件应用》中的第三章P89，因子载荷是第i个变量在第j个公因子上的负载，相当于多元回归分析中的标准回归系数，而标准回归系数实际上就是自变量与因变量之间的相关系数。

表4 主要变量的平均数,标准差以及相关系数(人数=214)
                平均数 标准差 相关系数
情绪衰竭  3.11      0.79          1
去人格化  2.42      0.67 0.    310** 1
低成就感  3.64     0.56        -0.77 -0.336** 1
个人-文化 2.99     0.72       -0.226** -0.125 0.325** 1
需求-供给 2.78    0.70        -0.269** -0.047 0.278** 0.469** 1
要求-能力 3.33      0.71      -0.216** -0.228** 0.305** 0.350** 0.428** 1
注: **P<0.01, *P<0.05

这是我找的一篇论文的数据,应该同LZ的表格相同,其中平均数是各层面平均得分(原始数据的平均得分,不是因子得分)
另可见吴明隆<<spss统计应用实务>> P79,如果进一步要求各层面所含题项得分,则各层面得分除所含题项数即可.

8# yangyang9189
“甚至都没有进行相关系数归一化处理（这个漏洞较大，如果指标越多，潜变量得分值必然越高，这显然是不合理的）”  这个不是什么问题，无需事先进行归一化处理，因为现代的回归技术都会提供标准化结果。
这点我同意你的看法，标准化后的回归结果确实是一样的。归一化的实质实际上是对变量进行了线性变换，而线性变化不改变相关系数（即标准化回归系数），还是当时考虑的不够深刻啊。
真理总是越辩越明，谢谢交流啊

11# lele213
用各指标的简单平均求得潜变量的值，这是一种处理方法，在不需要精确计量的情况下，是一种简单易行，而又不会影响分析结果的好方法，但同时也是最简单粗暴的处理方法（呵呵，想不出更好的表达方法了，就是直白了一点哈）。国内确实有很多人都是这样做得，尤其是公司财务研究领域，因为他们在乎的往往只是回归的符号和是否显著。
当我们想要进一步提高分析结果的精确性或者说当回归结果不是特别显著，处在显著或不显著的边缘，就需要对数据和研究方法认真选择了。
简单平均既没有考虑测量误差，也没有考虑各变量与潜变量的关系强弱，显然是存在问题的。
因子得分提取公因子时，我们只是按照累积解释方差或特征值大于1的原则来提取公因子，存在一定程度的信息丢失，而结构方程模型既考虑了测量误差，也充分利用了原始信息，因此用潜变量得分作为各测量指标的“代表”来作进一步分析，结果应该是这几种方法里面最准确的了。
实际研究中，具体采用哪种方法，应该是根据研究目的实际情况而定。对于财务研究领域，大家都用简单平均，你也用，自然也不会有什么，但是换作是在心理研究等讲究计量方法的领域，这样简单平均的做法是很少见的。
附件中，文件1是结构方程模型的创始人Joreskog写的关于潜变量得分原始及其应用的文章，文件2 是中文的一篇利用潜变量得分的文章（里面详细写了潜变量得分与EFA中的因子得分的区别），有兴趣的话，可以好好看看，非常有价值

12# firewater

你还真执着！！

承认我之前把因子载荷、因子得分、因子得分系数这几个概念弄得不是很清楚。

一般计算潜变量很多是用均值的，这个很多人都提到了，我们两个都比较反对；另外，在实证中很多人确实是用因子载荷做权重加权得到潜变量的值的，这个个人还是比较接受的，毕竟算出因子得分是比较难的，另外，如果是采用的主成分分析做的因子分析，可以直接用因子载荷得到因子得分的；当然，最好是用标准的统计学方法得到因子得分。   

潜变量和观测变量（指标）之间的关系，教科书上说类似相关系数，你觉得是相关系数，这是有原因的。我的回答说是因子载荷，而是不是相关系数，这么绝对也不好。       个人觉得，因子载荷的统计意义相当于变量与公共因子的多元回归分析的标准化系数；但绝不是一般意义的相关系数（或者标准化回归系数），因为公共因子根本不可测，不能得到一般意义上的相关系数（或者标准化回归系数），这可能就是教科书上用“相当于”这个词的缘故。

13# firewater

我也拿来好好学习一下。

14# yangyang9189
执着是因为想把事情弄清楚啊
多点讨论正是论坛的真实用意啊

潜变量和观测变量（指标）之间的关系，教科书上说类似相关系数，你觉得是相关系数，这是有原因的。我的回答说是因子载荷，而是不是相关系数，这么绝对也不好。       个人觉得，因子载荷的统计意义相当于变量与公共因子的多元回归分析的标准化系数；但绝不是一般意义的相关系数（或者标准化回归系数），因为公共因子根本不可测，不能得到一般意义上的相关系数（或者标准化回归系数），这可能就是教科书上用“相当于”这个词的缘故。
你这个说法倒很新鲜，之前我到没有注意到一般书上使用的是“相当于”，你这么一说，似乎更合理一些，我也一直不明白，公共因子是不可测的，那跟标准化的回归还是有很大区别的啊，不过这“相当于”与“就是”实质上差别到底有哪些，我还不是很明白，还要深入学习啊

个人想法：
1.潜变量的均值:每个潜变量是由多个测量指标来进行测量的，大家已经非常清楚了。上述表格一般来说是用于小论文（也就是发表的期刊论文中），它是一个合成版。意思就是说，潜变量的均值和标准差是描述性统计的一部分，以便检验该数据样本是否符合正态分布，以进行下一步分析。右边的相关系数通过LISREL可以直接得到的，他是因子分析输出的一个结果。所以说楼主帖子中的表格是用SPSS和LISREL两个不同软件运行出来的结果，合成到了一个表格中。如果是在硕士论文或博士论文中，这两个表格肯定是分开的。
2.如前所述，是LISREL进行因子分析出来的结果，在输出选择项中是可以根据需要进行选择的。

特别强调，个人不认同2楼或4楼的观点，这潜变量的均值仅仅是一个描述性统计量，不要想的太复杂了，不是什么路径系数或标准化系数加权得到。是一个合成表格而已。

谢谢楼主的无私奉献!

学习了，谢谢

学习了,谢谢

非常感谢！！1

看了半天没有看懂。潜变量有得分么？SEM里面潜变量是通过观测变量来测量的，哪里来的得分？如果非要说有所谓的得分，也只能是该潜变量下包含的项目得分均值。这个既不是因子得分，也不是潜变量得分，这是第一。第二，在SEM中，潜变量的估计是通过变量间是否存在共享方差来计算的，在标准化输出结果中，每个变量的方差都是标准化过的都是1，路径系数的平方是指潜变量能够解释观测变量方差的比例，如路径系数为.80，则意味着潜变量能够解释该观测变量的64%的方差变异。对于楼主的表格，我认为只有两种解释，第一是潜变量包含的观测变量的得分均值，第二是潜变量的所解释各项目的方差比例（或比例平方）的总和。考虑到有标准差，那么只能是第一种。如果是第二种，不可能有标准差，而且也不叫均值，称为方差变异量总和才对，而这个方差变异量总和还要除以N（N是观测变量数，标准化后每个观测变量的标准差都为1，因此潜变量包含N个观测变量，标准差总和就是1乘以N），意思是潜变量能够解释观测变量多少的方差变异。单独列出一个总和的潜变量方差解释率没有任何意义。阐述完毕。如有不当，请批评指正。

今天下了几个附件，谢谢

1、不是的。
这个问题Kenny讲过，比较了取平均值和用因子载荷加权两种方法之后，说明取平均的效果是一样的。
2、CFa和结构方程模型中的潜变量分析都是将其视为反映型构念（reflective construct），你说的方法其实应该是构成型构念（formative construct）的做法
3，潜变量的这个相关矩阵在lisrel 的输出结果里面直接就有了，不用单独去算

因子分析是用的“SPSS”，之[/code]后还需要做验证性因子分析吗

仔细看看结构方程的书
琢磨下

学习了，谢谢了

路过，长见识了

哇,很有感触,我好像突然懂了很多.我以前一直有个误区,我一直认为PLS的方法可以得出潜变量得分,而最小二乘不能.我得检讨自己的狭隘.
看了各位的探讨,我个人同意:
1.计算潜变量得分根据研究的需要,没有绝对对或者不对,其实计算观测变量均值得出来的方式,如果在做项目时横向和纵向采用的都是一致的方法,那么也可以的,采用标准一样的;另外如果采用结构方程软件计算出来了影响系数的值,这样来计算也是很好的方法;
2.我很想了解各位说的用Lisral可以计算潜变量得分值,那么他是怎么计算的呢?用的是计算出来的路径系数么?
3.我在想结构方程和测量方程在得到路径系数后,是否需要将路径系数代入这两类方程计算.这样的思路和我们通常想的思路是不是一样.可是这么复杂的模型,如何计算呢(变量多的情况下)

新手学习了，这个问题也困惑了我很久，一直不知道相关系数是各潜变量之间的路径系数还是先对潜变量进行因子分析，提取一个因子，再做简单的相关