要取有办法的，看图，直接打里面的电话，马上取出公积金
显然，LISREL的结果是“整合”（而非“组装”）型的路径分析，更是一个好东西（又赶了回时髦）。但是，其结果（即直接、间接和总影响的系数）与SPSS加手算的结果完全一样！（大家可以对同一数据分别用这两种软件验证一下。）道理显然，LISREL的结果是“整合”（而非“组装”）型的路径分析，更是一个好东西（又赶了回时髦）。但是，其结果（即直接、间接和总影响的系数）与SPSS加手算的结果完全一样！（大家可以对同一数据分别用这两种软件验证一下。）道理很简单，因为用的都是同样（含有测量误差）的数据。当然，LISREL可以进一步将各变量的测量指标整合进来（即图二），那么其路径分析的结果与组装结果就可能不一样了，而且一般情况下各种影响的系数都会大一点（因为将测量误差扣除了）。当然，现在很少有人将这种分析叫做路径分析了，而是直接叫SEM（就是一回事嘛）。
最后回答你的问题2和3。问题2：对，可以而且应该根据理论或常识的建议、将很多个直接测量的自变量构建成少数个因子，当然还要看数据是否支持这些合并。问题3：对，如果你的理论模型中并没有对两个内生变量之间的因果关系做任何说明（即在图一或图二中没有B2 ），那么应该将它们当作相关关系来处理。事实上，LISREL会自动计算这种相关关系（在PSY矩阵中）。很简单，因为用的都是同样（含有测量误差）的数据。当然，LISREL可以进一步将各变量的测量指标整合进来（即图二），那么其路径分析的结果与组装结果就可能不一样了，而且一般情况下各种影响的系数都会大一点（因为将测量误差扣除了）。当然，现在很少有人将这种分析叫做路径分析了，而是直接叫SEM（就是一回事嘛）。
最后回答你的问题2和3。显然，LISREL的结果是“整合”（而非“组装”）型的路径分析，更是一个好东西（又赶了回时髦）。但是，其结果（即直接、间接和总影响的系数）与SPSS加手算的结果完全一样！（大家可以对同一数据分别用这两种软件验证一下。）道理很简单，因为用的都是同样（含有测量误差）的数据。当然，LISREL可以进一步将各变量的测量指标整合进来（即图二），那么其路径分析的结果与组装结果就可能不一样了，而且一般情况下各种影响的系数都会大一点（因为将测量误差扣除了）。当然，现在很少有人将这种分析叫做路径分析了，而是直接叫SEM（就是一回事嘛）。
最后回答你的问题2和3。问题2：对，可以而且应该根据理论或常识的建议、将很多个直接测量的自变量构建成少数个因子，当然还要看数据是否支持这些合并。问题3：对，如果你的理论模型中并没有对两个内生变量之间的因果关系做任何说明（即在图一或图二中没有B2 ），那么应该将它们当作相关关系来处理。事实上，LISREL会自动计算这种相关关系（在PSY矩阵中）。问题2：对，可以而且应该根据理论或常识的建议、将很多个直接测量的自变量构建成少数个因子，当然还要看数据是否支持这些合并。问题3：对，如果你的理论模型中并没有对两个内生变量之间的因果关系做任何说明（即在图一或图二中没有B2 ），那么应该将它们当作相关关系来处理。事实上，LISREL会自动计算这种相关关系（在PSY矩阵中）。
显然，LISREL的结果是“整合”（而非“组装”）型的路径分析，更是一个好东西（又赶了回时髦）。但是，其结果（即直接、间接和总影响的系数）与SPSS加手算的结果完全一样！（大家可以对同一数据分别用这两种软件验证一下。）道理显然，LISREL的结果是“整合”（而非“组装”）型的路径分析，更是一个好东西（又赶了回时髦）。但是，其结果（即直接、间接和总影响的系数）与SPSS加手算的结果完全一样！（大家可以对同一数据分别用这两种软件验证一下。）道理很简单，因为用的都是同样（含有测量误差）的数据。当然，LISREL可以进一步将各变量的测量指标整合进来（即图二），那么其路径分析的结果与组装结果就可能不一样了，而且一般情况下各种影响的系数都会大一点（因为将测量误差扣除了）。当然，现在很少有人将这种分析叫做路径分析了，而是直接叫SEM（就是一回事嘛）。
最后回答你的问题2和3。问题2：对，可以而且应该根据理论或常识的建议、将很多个直接测量的自变量构建成少数个因子，当然还要看数据是否支持这些合并。问题3：对，如果你的理论模型中并没有对两个内生变量之间的因果关系做任何说明（即在图一或图二中没有B2 ），那么应该将它们当作相关关系来处理。事实上，LISREL会自动计算这种相关关系（在PSY矩阵中）。很简单，因为用的都是同样（含有测量误差）的数据。当然，LISREL可以进一步将各变量的测量指标整合进来（即图二），那么其路径分析的结果与组装结果就可能不一样了，而且一般情况下各种影响的系数都会大一点（因为将测量误差扣除了）。当然，现在很少有人将这种分析叫做路径分析了，而是直接叫SEM（就是一回事嘛）。
最后回答你的问题2和3。显然，LISREL的结果是“整合”（而非“组装”）型的路径分析，更是一个好东西（又赶了回时髦）。但是，其结果（即直接、间接和总影响的系数）与SPSS加手算的结果完全一样！（大家可以对同一数据分别用这两种软件验证一下。）道理很简单，因为用的都是同样（含有测量误差）的数据。当然，LISREL可以进一步将各变量的测量指标整合进来（即图二），那么其路径分析的结果与组装结果就可能不一样了，而且一般情况下各种影响的系数都会大一点（因为将测量误差扣除了）。当然，现在很少有人将这种分析叫做路径分析了，而是直接叫SEM（就是一回事嘛）。
最后回答你的问题2和3。问题2：对，可以而且应该根据理论或常识的建议、将很多个直接测量的自变量构建成少数个因子，当然还要看数据是否支持这些合并。问题3：对，如果你的理论模型中并没有对两个内生变量之间的因果关系做任何说明（即在图一或图二中没有B2 ），那么应该将它们当作相关关系来处理。事实上，LISREL会自动计算这种相关关系（在PSY矩阵中）。问题2：对，可以而且应该根据理论或常识的建议、将很多个直接测量的自变量构建成少数个因子，当然还要看数据是否支持这些合并。问题3：对，如果你的理论模型中并没有对两个内生变量之间的因果关系做任何说明（即在图一或图二中没有B2 ），那么应该将它们当作相关关系来处理。事实上，LISREL会自动计算这种相关关系（在PSY矩阵中）。
