sem结构模型中的中介_结构方程模型里怎么体现中介效应

1、做中介作用时，用SPSS比较好还是用结构方程模型做比较好？

用SPSS做的结果是B在A和C之间起部分中介作用，而AMOS的结果是B在A和C之间起完全中介，
实际采内用哪个都可以。因为数据只是容数据，最终的结果还是要看你自己的解释。
你觉得哪个数据更符合你自己的假设就使用哪个好了。

2、SEM结构方程模型是什么?

sem 结构方程模型是社会科学研究中的一个非常好的方法。该方法在20世纪80年代就已经成熟，可惜国内了解的人并不多。“在社会科学以及经济、市场、管理等研究领域，有时需处理多个原因、多个结果的关系，或者会碰到不可直接观测的变量（即潜变量），这些都是传统的统计方法不能很好解决的问题。20世纪80年代以来，结构方程模型迅速发展，弥补了传统统计方法的不足，成为多元数据分析的重要工具。结构方程模型分析:结构方程模型是一种建立、估计和检验因果关系模型的方法。模型中既包含有可观测的显在变量，也可能包含无法直接观测的潜在变量。结构方程模型可以替代多重回归、通径分析、因子分析、协方差分析等方法，清晰分析单项指标对总体的作用和单项指标间的相互关系。

3、那位结构方程模型高手帮我做个既有调节变量又有中介变量的结构方程模型的数据分析？

这个比较复杂的，要编程完成

4、结构方程模型可以处理中介效应吗

当然可以了，而且结构方程模型是处理中介效应、调节效应的好方法，有效性更高。（南心网结构方程模型中介效应分析）

5、sem的模型介绍

SEM简单介绍，以下资料来源
因果关系：SEM一般用于建立因果关系模型，但是本身却并不能阐明模型的因果关系。
一般应用于：测量错误、错漏的数据、中介模型（mediation model）、差异分析。
历史：SEM 包括了回归分析，路径分析（wright, 1921）,验证性因子分析（confirmatory factor analysis）（Joreskog, 1969）.
SEM也被称为协方差结构模型（covariance structure modelling），协方差结构分析和因果模型。
因果关系：

究竟哪一个是“真的”？在被假设的因果变量中其实有一个完整的因果链。
举一个简单的例子：吃糖果导致蛀牙。这里涉及2个变量，“吃糖果”和“蛀牙”，前者是因，后者是果。如果上一个因果关系成立，那将会形成一个因果机制，也许会出现这样的结构：
3. 这时还有可能出现更多的潜在变量：

这里我又举另外一个例子，回归模型

在这里，回归模型并不能很好的描述出因果次序，而且也不能轻易的识别因果次序或者未测量的因子。这也是为什么在国外学术界SEM如此流行的原因。
我们在举另外一个例子“路径分析”

路径分析能让我们用于条件模型（conditional relationships），上图中的模型是一种调解型模型或者中介模型，在这里Z 是作为一个中介调节者同时调节X和Y这两个变量的关系。
在这里我们总结一下：
回归分析简单的说就是：X真的影响Y 吗？
路径分析：为什么/如何 X 会影响Y？是通过其他潜在变量Z 来达到的吗？例子：刷牙（X）减少蛀牙（Y）通过减少细菌的方法（Z）。------测量和测试中介变量（例如上图中的Z变量）可以帮助评估因果假设。
在这里要提一下因素模型（factor model）
在这个模型当中，各个变量有可能由于受到未被观察到的变量所影响，变得相互有内在的联系，一般来说那些变量都很复杂、混乱，而且很多变量是不能直接被观察到的。
举个例子：“保龄球俱乐部的会员卡”和“本地报纸阅读”，是被观察到的变量，而“社会资产”则是未被观察到的变量。另一个例子：“房屋立法”和“异族通婚”是被观察到的变量，而“种族偏见”是未被观察到的变量。
相互关系并不完全由被观察到的变量的因果关系所导致，而是由于那些潜在的变量而导致。

这些被观察到变量（y1--y4）也有可能由一个潜在的变量（F）所影响。