***這篇是寫給完全沒概念的人,已知道這是什麼的話那就不用看了***
學統計的過程中,總會碰到一種情況:這是什麼?那是什麼?為什麼要學這個?為什麼學了regression之後還要學anova,學了anova之後還要學structural equation model (以下簡稱SEM)呢?
什麼是SEM?簡單地說,就是用一系列的算式,檢測變數之間的causal relationship。這種統計方法就叫作SEM。很簡單,不過說了一定有聽沒有懂。
那個角度來說,SEM做出來的結果像怎麼樣?下圖是從Otis Dudley Duncan (1966)的文章Path analysis: Sociological examples出來的。下面一個方框是一個Box,一個box可能包含多種變數。而SEM就是看這些Box之間的關係。
你可能會問:那為什麼要學新的?我可以用multiple regression一個一個算出來,不是嗎?沒錯,但是你要算幾遍才夠?此外,逐次算出來的結果,與用SEM算出來的還是有些不一樣,因為SEM可以讓你作更多的分析。跑一次regression就有一次error,那如果你regression之間的error有高度相關,你怎麼解決這樣的問題呢?
如果你在文章裡看到有許多model1、model2,然後會畫出一個像這樣的圖或表,大概就是用SEM了。
這兩個範例是出自Acock的網站,你可以參閱本站文章:
統計表格範本(statistics Table in APA format)
如果你還有興趣看一些資料,我在網路上看到兩篇文章:
量化研究典範的革命-結構方程模式概說(SEM的特性):http://tw.myblog.yahoo.com/da_sanlin/article?mid=186&prev=191&next=180
和結構方程模式簡介:http://tw.myblog.yahoo.com/da_sanlin/article?mid=311&prev=320&next=291&l=f&fid=6
我試著不要用太複雜的文字,而是用一些例子或結果讓大家知道這是什麼,而不是學半天而不知道你會得到什麼樣的結果。真的要了解這些專有名詞的內涵,還是得修課才行。