从潜变量到因果推断：结构方程模型
结构方程模型（SEM）为分析变量间的复杂关系提供了一个统一的统计框架，尤其适用于关键变量无法被无误差测量的情况。在本期 Statistically Speaking 中，Ken Bollen 向熟悉统计学和回归分析但初次接触这一方法的跨学科受众介绍了结构方程模型。
由于结构方程模型既适用于实验数据也适用于观测数据，因此在各学科领域都有广泛的应用价值。本次讲座涵盖模型估计、拟合度评估和系数解释，同时重点展示了结构方程模型在应对多样化研究问题和数据类型时的灵活性。
适合对以下内容感兴趣的人士：
- 如何通过解决测量误差和捕捉复杂因果结构来改进实证研究。
- 理解结构方程模型（SEMs）的直觉和核心概念，包括潜变量、测量误差以及包含中介效应的因果路径。
- 结构方程模型如何在分析复杂问题时成为宝贵的资源。
认识演讲者
Ken Bollen
北卡罗来纳大学教堂山分校心理学与神经科学系及社会学系教授
Ken Bollen 是北卡罗来纳大学教堂山分校心理学与神经科学系及社会学系的 Henry Rudolph Immerwahr 杰出教授。他是瑟斯顿心理测量实验室定量心理学项目的教员。Bollen 是卡罗来纳人口中心、美国统计协会以及美国科学促进会的会士。他于 2000 年至 2010 年间担任奥杜姆社会科学研究所所长。
他撰写了多部著作和200多篇论文，多年来被广泛引用。他最著名的出版物《带潜变量的结构方程》（Structural Equations with Latent Variables）已被引用超过43,000次。该书整合了来自多个学科的大量文献，帮助定义了结构方程模型（SEM）这一领域，而他被公认为该领域的世界级专家。Bollen开创性的工作为他赢得了众多荣誉，包括心理测量学会职业生涯终身成就奖、拉扎斯菲尔德社会学方法论杰出贡献奖，以及塞尔斯多元分析杰出研究奖。2025年，他当选为美国艺术与科学院院士。
-
资源链接与下载
-
Bollen的演示文稿（.pdf）