版权归作者所有，任何形式转载请联系作者。
在网上看过许多关于SEM的文章，觉得说的要么太过简单，或者太过于繁琐，或者关于统计知识的太多，对文科生很不友好，特别是使用SEM的往往是语言学类的文科生。作为豆瓣的第一篇文章，讲讲结构方程我想是很合适的，希望这篇文章能在以后，对我关心的人和关心结构方程的朋友们有所帮助。
结构方程是社科比较常用的量化方法，是因子分析的加强版，同时融合了回归等技术。SEM的目标是探索变量之间的关系（EFA）以及确认一个已经构建好的模型（CFA）。
一些语言学、文学在计量化方面经常使用SEM，心理学/问卷调查上也常用SEM探索相关关系。
SEM往往可以以图表的形式说明变量之间的影响，其中又以不同形状代表了变量的不同性质。
1.变量
结构方程中的变量分为两种：潜在变量与人工变量，其中潜在变量往往是无法直接测量到的，或者是一种抽象的事物。比如一个人的幸福感，这就是抽象的。而人工变量是可以被直接测量的，比如测量他的收入水平、睡眠质量等等。这样，潜在变量：幸福感，就可以通过人工变量反映出来。结构方程也正是要探索这些变量之间的关系。
其中在结构方程图中，潜在变量使用圆形，人工变量使用方形。（随机误差项也使用圆形，稍后我们会提到）
2.结构方程的目标
以上面这张图为例，其中IQ与学术分数，是潜在变量，单向的箭头表明了影响（表现）的关系。IQ表现在学术的分数上。而同时学术分数表现在GPA/ACT/GRE这三个标化成绩上。而IQ本身可以被设计/记忆的数字长度/理解力矩阵所测量。
其中方形的是我们可以获得的数据，圆形的也就是我们需要通过方形才能推断的潜变量。
3.实例
可能看到这里还有一些迷糊，接下来我们直接上手体验一下SEM，或许能有更直观的感受。
实验需要的材料：
RStudio / lavaan 包，关于Rstudio可以到官网直接下载，lavvan包在Rstudio内输入：
install.package('lavaan')
再使用 library(lavaan)调用即可。
这里的实例我们使用了Holzinger 1939 的数据。
如图：先调用lavaan包，载入数据。通过head命令简略的查看数据。（如果对基础的R语言不太了解的，在末尾我会附上一本简单教程，可以快速上手）
其中x1~x9是测量的数据，分别对应了不同方面的能力，有文字记忆长度/数字识别速度等等，我们通过这些人工变量，探索潜变量——一个人的视觉速度。
#an example给出了模型的例子，也就是潜变量=~人工变量相加。将其存入model这个变量中。
我们的模型同上。即visual.model
使用cfa命令（验证性分析），建立模型，指明数据集。
接下来使用summary便会给出结果，结果较多，其中只需要看懂几个：
