SEM是验证性的，复杂度在中下，假设要求严格

对于结构方程模型的修正意见比较大 这就违背了它的原始假设 验证性  还有理论的普适性也是个问题

结构方程比多元回归更容易忽悠别人...
不过这可能也是优势...
其实SEM也有一种叫Exploratory SEM。测量模型是建立在EFA而非CFA基础上的。

同问，求解

model fit差 sem便不用談了
regression便不用care這個

6# yebao
多元回归和结构方程都不能说明因果关系，结构方程与多元回归的一个区别是结构方程的建模是建立在理论推导的基础上的，需要先用理论描述变量之间的关系，然后在收集数据以验证理论模型是否与数据相符合。如果要说结构方程说明了因果关系，只能说是因为模型是建立在理论推导的基础上的，因此在理论上描述了变量的因果关系，但并不能说用来验证模型的数据就一定具有因果关系，因为同一套数据，可以跑出几个不同的模型。而多元回归则可以是数据驱动的，即变量之间的关系事先可以不需要经过理论的论证，只要把一些变量放入模型，跑出来的结果如果显著，就说明数据之间具有相关的关系，至于这些相关的关系到底是什么，再根据以往文献找理论来解释数据。

学习中，不预发表意见

各位的发言是在是都很精辟，尤其12楼~我还是好好学习吧~

4# yebao 我也是有同样的感觉啊，真迷惑中

你说的真好 这一思路可以用在论文写作上啊 ~~哈哈

今天被评审问到这个问题了。

https://bbs.pinggu.org/thread-4691027-1-1.html；是我自己的一点儿见解，希望对大家有所帮助~

楼主的问题有点意思也有点泛化：
一、目的不同，回归是可以随意（我指的是逐步回归的）删减变量，来得出最终的对因变量有显著影响的自变量，而结构方程模型是基于你已设定好的的模型。可以这么总结：回归一般做的是对数据探索性的工作，而结构方程模型则是做验证性工作。
二、回归和结构方程模型，在面板数据中皆不能反映因果关系。只有基于longitudinal data才可说是有因果关系。
三、二者联系，结构方程模型中的结构部分的估计是用回归的方法的。
以上为个人观点，供参考学习交流。

同问，求解

感谢您的精彩解释，也就是说结构方程是先验性的，先理论后实际；而多元回归是后验性的，先数据后理论对吗？
更进一步的说，如果把二者结合起来使用，先进行理论假设构建结构方程模型，再通过多元回归的结果优化模型，这样得出的结论是否会更好？还是说会有某些理论上的问题？