没有的事儿
一对一 一对二 一对多都是可以的 只要你的理论和实证能对的起来

如果你只有MEASUREMENT MODEL, 那你至少要3个，最好要超过3个。如果你的模型包括MEASUREMENT MODEL和STRUCTURAL MODEL,那么2个也可以， 哪怕1个也可以， 只要它不是CAUSAL CHAIN 中的最后一个变量。

我看有的经典书上的案例中，也有出现即使是causal chain 中的最后一个变量仍然只有两个的情形，这个应该并无定准，3个以上为佳吧

不一定要三个观测变量的。

谢谢啦，又学到了一点

最好是三个呀，可以是一二个，对模型可能有影响

不是说必须要三个潜在变量而是说如果要做高阶的话最好是三个以上。

最好是两个及以上，一个的话，应该是错误的，这在估计方法上都存在严重缺陷了，可以看看SEM方程的几个弊病，在数理统计与管理上下载看看，我的建议是二个及以上

是不一定需要三個觀測變數
但若潛在變數只有一個觀測變數
那潛在變數等於觀測變數
其根本不需用到SEM

大部份的SEM的書籍大都會建議一個潛在變數最好要有三個以上的觀測變數

最好是三个以上

一个潜变量对应两个指标，潜变量间要在相关性，才能识别

是的，这样才能更有说服力。但有时我试过删到只有两个观测变量，但如果此时其它潜变量有大于等于4个观测变量，而且它们的AVE值都较理想（如均大于0.50），那么可考虑保留那个只有两个观测变量的潜变量

我觉得没有说一定要几个，应该要根据你所要研究的问题具体来探讨

有什么理由吗?有什么理论或者文章提到那?

重點是觀察變數的個數是否可以滿足模型的估計, 如果只有一個潛在變項, 二個觀察變項, 那麼那個觀察變項最多只能估計 (2)*(2+1)/2=3 個估計值, 而一個潛在變項對兩個觀察變項有兩個估計值, 觀察變項的測量誤差有兩個估計值, 加起來就會有四個估計值, 於是就產生無限多解,
如一個潛在變項, 三個觀察變項, 依公式可 求解 3*4/2=6 個估計值, 而需要估計的參數也有六個, 就可求得一個解, 如果限制其中一個因素負荷為1, 則可產生一個自由度.
一個潛在變項需三個觀察變項是由EFA來的觀念, 其中一個重要的理由是在EFA中信度的估計最好有三個觀察變項, 不然的話, 兩個觀察變項的相關係數即為信度值, 較為不佳,
在CFA中, 重要的是由內生觀察變數 P 與外生觀察變數 q ,依公式 (p+q)(p+q+1)/2> 所要估計的參數. 潛在變項由幾個觀察變項反而較次要.

测量模型识别与结构模型识别是两个独立判断过程。结构模型的识别决定于内生变量之间关系的假设，主要看是否是递归模型等。在纯化测量中，测量模型潜变量的观测指标至少3个以上，否则正好识别，自由度为0。至于在SEM中用1个观测变量代表1个潜变量，除非设定该观测变量的误差项方差为0，即潜变量100%解释这个观测变量。

我个人以为:很难说哦,但是有三个以上最好,

我也遇到类似的情况，有一个潜在变量面临着只有2个观测变量的尴尬局势

最好要三个或三个以上的

如果只有一个因子，那么至少有三个观测指标，模型才可识别；如果有两个因子，那么这两个因子具有相关时，每个因子有两个指标也可以识别的。侯杰泰老师的书中，有专门讲因果模型识别准则的，建议参考下。K.A.Bollen的SEM with latent variables（1989）书中，244页对此也就详细的介绍。

thank you very much

问卷阶段，如果是引用 一些比较牛的文章，题项最好是3-5个，如果是要做探索性因子分析，最好5-7个，因为 模型修正的时候，可能会剔除一些因子。
最后SEM的时候，进行模型修正，最后如果剩下 两个也是可以的

观测变量太少，隐变量的信度可能太低，的不到保证

一个潜变量究竟要几个测量变量主要看两个：一是模型识别；而是模型拟合，也就是模型稳定。考虑到模型识别问题，不考虑其他情况，3个测量变量以及以上是模型能识别的必要条件，注意不是充分条件。如果是2个测量变量，那么必然有另外一个潜变量与这个潜变量共变，也就是协方差或者说相关，否则模型不能识别。如果是1个测量变量的话，那么因子载荷必须为一，并且测量变量的变异，也就是方差为0，实际上就是没有误差。从另一角度，如果从模型稳定性来讲，测量变量多于3个的话模型更稳定，或者在做MI模型修订的时候，删掉了一些测量变量的话，因子的测量变量就更少了，所以要多一点更好，以防删掉一些测量变量。如果因为某一些原因，样本太少的话，那么测量变量多一点，也就是增加测量的质量或稳定性，弥补样本的不足，也是个办法。若果在做parcel item的时候，也要求测量变来那个多一些才好。