對線性回歸和結構方程模型進行簡單的刨析比較，抛開統計學方面的理論，盡量說得通俗易懂些。
線性回歸(Regression)與結構方程模型(Structural equation modeling)是用來驗證變量間的因果關系時，最經常使用的方法。
本文比較下兩者的差別，抛開具體統計學方面的理論，盡量說得通俗易懂些。
共同點
先說共同點。
- 兩者都是用來檢驗變量間的因果關系；
- 可以同時使用多個自變量(X)進行分析(如下圖)；
- 都可以檢驗中介關系和調節關系。
兩種分析方法解決的問題是沒有本質差別的，是以同學們完全可以根據自己的需要選擇。
建議的選擇标準，參考學科内近期前輩的畢業論文。你是碩士就參考碩士的，是博士就參考博士。
如果沒有可以參考的前輩，那就在自己看過的論文中，選取一篇和自己的想法類似的論文。
在自己標明了方法後，務必和指導教授商量後，再最終決定。
不同點
再說不同點。
-
使用的分析軟體不同。
線性回歸多用SPSS來做，結構方程式模型則使用AMOS居多。
-
标本要求不同。
使用線性回歸分析時，标本數不需要特别高，碩士論文的情況，一般100-200名就可以了。而結構方程式模型則需要大量樣本，才會得到良好的分析結果，碩士一般要300，博士一般要500以上。
-
線性回歸一次隻能使用一個因變量，而結構方程式模型則可以同時分析多個因變量。
是以，結構方程式模型可以簡單了解成多個線性回歸的集合。
線性回歸模型_線性回歸 vs 結構方程模型
是以，總的來說結構方程式模型分析難度稍高，分析過程也更為複雜些。
分開來看
具體的對兩種分析方法進行說明下。
線性回歸分析：
- 根據理論首先厘清誰是因變量，誰是自變量。然後得出自變量對因變量的關系。
- 這種方法得到的兩者關系多為直接的影響。
- 當變量之間的關系比較間接時(如下圖。通過第三個因素或其他因素才能聯系要分析的兩變量關系)，直接運用線性回歸分析無法得出我們想要的結果。
- 這時可以采取sobel-test，階段式回歸分析等方式來進行檢驗。
- 線性回歸分析一般使用SPSS軟體進行分析。
結構方程模型分析：
- 是一種建立、估計和檢驗因果關系模型的方法。模型既包括可觀測的顯變量，也包括可能無法直接觀測的潛變量。
- 結構方程模型最大的優點在于可以同時處理許多因變量(與多元回歸不同，可以允許各變量之間存在測量誤差)，尤其當變量之間存在多層的關系時非常實用。
- 結構方程模型可以替代多重回歸、通徑分析、因子分析、協方差分析等方法，科學地分析單項名額對總體的作用和單項名額間的互相關系。并可比較及評價不同的理論模型。
- 通過結構方程多組分析，我們可以了解不同組别内各變量的關系是否保持不變，各因子的均值是否有顯著差異。
- 目前，已經有多種軟體可以處理SEM，包括：LISREL，AMOS, EQS, Mplus。
- 重慶大學出版社 2009年曾經專門出版過一本書叫《結構方程模型》(作者吳明隆)，很好的教材，本公衆号裡有下載下傳，請參考下面傳送門。
有疑問請在文章下方留言(請勿私信)，你的問題也會幫助到别人。
有疑問請在文章下方留言(請勿私信)，你的問題也也會幫助到别人。